FunClip[1] 是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的 FunASR Paraformer 系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频。
FunClip 的特点
在上述基本功能的基础上，FunClip 有以下特点：
FunClip 集成了阿里巴巴开源的工业级模型 Paraformer-Large[2]，是当前识别效果最优的开源中文 ASR 模型之一，Modelscope 下载量 1436w+ 次，并且能够一体化的准确预测时间戳。
FunClip集成了 SeACo-Paraformer[3] 的热词定制化功能，在 ASR 过程中可以指定一些实体词、人名等作为热词，提升识别效果。
FunClip 集成了 CAM++[4] 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。
通过 Gradio 交互实现上述功能，安装简单使用方便，并且可以在服务端搭建服务通过浏览器使用。
FunClip 支持多段自由剪辑，并且会自动返回全视频 SRT 字幕、目标段落 SRT 字幕，使用简单方便。
使用 FunClip
在线使用 FunClip
体验 FunClip 最简单的方式，是使用 ModelScope 社区提供的在线示例[5]。使用起来也很简单，只要三个步骤。
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
当识别成功后，会显示识别结果和 SRT 字幕：
当裁剪成功后，在裁剪按钮下方就会显示裁剪后的视频和相关信息：
不过受到网络传输与服务资源的限制，用于体验的视频最好大小在 40mb 以下，过大的视频可以尝试分离音轨使用音频剪辑。或通过源代码将 FunClip 服务部署在本地。
本地部署 FunClip
克隆funclip仓库
# 克隆funclip仓库git clone https://github.com/alibaba-damo-academy/FunClip.gitcd FunClip# 安装相关Python依赖pip install -r ./requirments.txt
安装imagemagick（可选）
如果你希望使用自动生成字幕的视频裁剪功能，需要安装 imagemagick。
Ubuntu
apt-get -y update && apt-get -y install ffmpeg imagemagicksed -i 's/none/read,write/g' /etc/ImageMagick-6/policy.xml
MacOS
brew install imagemagicksed -i 's/none/read,write/g' /usr/local/Cellar/imagemagick/7.1.1-8_1/etc/ImageMagick-7/policy.xml
下载你需要的字体文件，这里我们提供一个默认的黑体字体文件
wget https://isv-data.oss-cn-hangzhou.aliyuncs.com/ics/MaaS/ClipVideo/STHeitiMedium.ttc -O font/STHeitiMedium.ttc
启动 FunClip
python funclip/launch.py
之后，在浏览器中访问 http://127.0.0.1:7860/ 即可看到如下图所示的界面，参考以下操作即可。
参考资料
[1]
FunClip: https://github.com/alibaba-damo-academy/FunClip[2]
Paraformer-Large: https://modelscope.cn/models/iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/summary[3]
SeACo-Paraformer: https://modelscope.cn/models/iic/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/summary[4]
CAM++: https://modelscope.cn/models/iic/speech_campplus_sv_zh-cn_16k-common/summary[5]
FunClip 在线示例: https://modelscope.cn/studios/iic/funasr_app_clipvideo/summary