FunClip

FunClip 是阿里巴巴通义实验室团队在 ModelScope 组织下开源的视频剪辑工具，完全本地部署，跑起来是一个 Gradio 网页界面。它先用 FunASR 的 Paraformer 系列模型把视频里的语音转成带时间戳的文字，你在识别结果里点选某几句、或者指定某个说话人，点裁剪就能拿到对应片段的视频，同时导出全片和目标段落的 SRT 字幕。

主要功能

识别环节集成了 Paraformer-Large，材料称其为当前识别效果最优的开源中文 ASR 模型之一，能一体化预测时间戳；SeACo-Paraformer 支持热词定制，把人名、专有名词提前喂进去能提升识别准确率；CAM++ 负责说话人识别，可以按说话人 ID 切出某个人的所有段落。多段可以自由选择后一次裁完。

启动时用命令行参数切换模型：默认 Paraformer 走中文，-l en 用英文模型，-m fun-asr-nano 走高精度旗舰版，-m sensevoice 带多语种识别和情绪、音频事件检测，--model moss 接第三方 OpenMOSS 长音频模型做匿名说话人分段。项目还留了调用大语言模型的 prompt 配置接口，用于探索 LLM 辅助剪辑。

安装与限制

需要自己准备 Python 环境（文档示例用 3.12）、匹配版本的 PyTorch，再装依赖、启动服务，模型权重在启动时单独下载，不随源码包附带。字幕渲染默认用 Pillow 和自带字体，只有走旧版 MoviePy TextClip 流程才需要装 ImageMagick。容器里想给外部访问要加 --listen，公网分享链接还得显式传 --share。英文裁剪和 LLM 智能剪辑在文档里仍标为施工中。