FunClip：一款根據 ASR 逐字稿、說話者 ID 或 LLM 分析來提取片段的自動化影片剪輯工具

它解決了什麼問題

FunClip 簡化了從長影片中提取特定片段的過程。使用者不再需要手動在時間軸上拖動，而是可以根據逐字稿文本、特定說話者或 AI 驅動的內容分析來尋找並剪輯影片區段。

運作原理

該工具首先使用 Paraformer、Fun-ASR-Nano 或 SenseVoice 等模型對影片進行自動語音辨識 (ASR)，以生成帶有時間戳記的逐字稿。使用者接著可以透過三種方式剪輯影片：

1. 基於文本：從逐字稿中選擇特定的文本片段。
2. 基於說話者：使用 CAM++ 模型來識別說話者並剪輯屬於特定人士的片段。
3. AI 驅動：整合 LLM（如 Qwen 或 GPT）或影片理解模型（如 TwelveLabs Pegasus）來分析逐字稿或視覺內容，並自動建議剪輯的時間戳記。

對象是誰

它專為內容創作者、編輯和研究人員設計，這些使用者需要快速從影片錄影中分離出精華或特定引言，而無需手動編輯。

重點功能

• 工業級 ASR：整合了 Paraformer-Large 以實現高準確度的中文語音辨識。
• 智慧剪輯：支援基於 LLM 的推理，透過提示詞 (prompts) 自動識別相關影片片段。
• 說話者分割 (Speaker Diarization)：能夠根據說話者 ID 辨識並剪輯片段。
• 多語言支援：能夠處理英文、日文以及各種中文方言。
• 熱詞自定義：允許使用者指定實體詞或名稱以提高 ASR 準確度。
• 視覺理解：可選擇性整合 TwelveLabs Pegasus，根據視覺事件而非僅僅是音訊來進行剪輯。