Lange Videos oder Audiodateien mit FunClip in überprüfbare Clips und Untertitel verwandeln
Verwende FunClip, wenn ein Agent einen wiederholbaren lokalen Workflow benötigt, um Medien zu transkribieren, Clip-Zeitstempel vorzuschlagen und überprüfbare Videosegmente mit Untertiteldateien zu erstellen.
Voraussetzungen
Python-Umgebung, FunClip-Quellcode-Checkout, FunASR-unterstützte Modelle, lokale oder Server-Gradle Runtime und Mediendateien zum Transkribieren und Schneiden.
Installation
Verwende den für deine Umgebung passenden Upstream-Installations- oder Setup-Pfad:
- git clone https://github.com/alibaba-damo-academy/FunClip.git
- pip install -r ./requirements.txt
- brew install imagemagick
Anforderungen und Hinweise aus dem Upstream-Projekt:
- 2026/05/20 FunClip unterstützt jetzt Fun-ASR-Nano- und SenseVoice-Modelle. Fun-ASR-Nano bietet höhere Genauigkeit für 31 Sprachen; SenseVoice fügt Emotionserkennung und Audio-Event-Erkennung hinzu. Führe python funclip/launch.py -... aus.
- 2024/06/12 FunClip unterstützt jetzt Erkennung und Schneiden von englischen Audiodateien. Führe python funclip/launch.py -l en aus, um es zu testen.
- FunClip wird bald das Whisper-Modell für englischsprachige Benutzer unterstützen (ASR mit Whisper und Zeitstempel erfordert massive GPU-Speicher; wir unterstützen die Zeitstempelvorhersage für das Standard-Paraformer-Modell in FunASR, um dies zu erreichen).
Grundlegende Nutzungshinweise:
-
| Verwendung
-
🔥2024/05/13 FunClip v2.0.0 unterstützt jetzt intelligentes Schneiden mit großen Sprachmodellen und integriert Modelle der Qwen-Serie, GPT-Serie usw. mit Standard-Prompts. Du kannst auch Tipps zum Einrichten erkunden und teilen.
-
cd FunClip
-
Aus Upstream-Dokumenten extrahiert: https://raw.githubusercontent.com/modelscope/FunClip/HEAD/README.md