在视觉内容为王的时代，视频编辑成为内容创作者的重要技能。阿里巴巴通义实验室于5月12日推出了FunClip，一款开源视频自动化剪辑工具，旨在提高视频切片的精准度和便捷性。FunClip采用FunASR Paraformer-Large模型，能够自动识别视频中的中文语音，并根据语音内容进行视频裁剪，显著提升了编辑效率。
6月12日，FunClip进行了重大更新，支持识别与裁剪英文视频。FunClip通过集成SeACo-Paraformer模型，用户可自定义关键热词，提高这些词在语音识别中的准确率，特别适用于专题视频制作。
FunClip还具备先进的说话人识别能力，使用CAM++模型识别不同说话人的声音，使用户能够轻松裁剪特定说话人的视频片段，尤其适用于访谈或多人对话视频。FunClip支持多段视频剪辑功能，用户可以组合多个视频片段，打造结构更丰富的视频作品。剪辑完成后，FunClip会自动生成SRT字幕文件，方便添加或编辑字幕，非常适合制作面向国际观众的内容。
Step1: 上传视频或音频文件（或使用下方的用例体验），点击识别按钮Step2: 复制识别结果中所需的文字至右上方，或者右设置说话人标识，设置偏移与字幕配置（可选）
Step3: 点击裁剪按钮或裁剪并添加字幕按钮获得结果
🔥FunClip集成了多种大语言模型调用方式，并提供了prompt配置接口，支持通过大语言模型进行视频裁剪。它采用了阿里巴巴开源的工业级模型Paraformer-Large，这是当前识别效果最优的开源中文ASR模型之一，Modelscope下载量超过1300万次，并且能够准确预测时间戳。
FunClip还集成了SeACo-Paraformer的热词定制化功能，用户可以在ASR过程中指定一些实体词和人名作为热词，提升识别效果。此外，FunClip还集成了CAM++说话人识别模型，用户可以将自动识别出的说话人ID作为裁剪目标，将某一说话人的段落裁剪出来。
这些功能通过Gradio交互实现，安装简单，使用方便，可以在服务端搭建并通过浏览器使用。FunClip支持多段自由剪辑，并会自动生成全视频和目标段落的SRT字幕，操作简单便捷。
本地部署
- 上传你的视频（或使用下方的视频用例）
- （可选）设置热词，设置文件输出路径（保存识别结果、视频等）
- 点击识别按钮获取识别结果，或点击识别+区分说话人在语音识别基础上识别说话人ID
- 将识别结果中的选段复制到对应位置，或者将说话人ID输入到对应为止
- （可选）配置剪辑参数，偏移量与字幕设置等
- 点击“裁剪”或“裁剪+字幕”按钮
如果要使用大语言模型裁剪请参考如下教程：
也可以通过命令行调用使用FunClip的相关功能：
此外也可以在魔塔社区体验：
https://modelscope.cn/studios/iic/funasr_app_clipvideo/summary
