FunClip est un outil open source pour l'édition vidéo et l'exploitation de contenu. Il est basé sur FunASR pour la reconnaissance vocale, le positionnement de l'horodatage, la distinction des locuteurs et la sortie des sous-titres. Il convient aux longs extraits vidéo et à la distribution secondaire du contenu des cours.

FunClip

Paramètres et statistiques de base

Type principal : Productivité/Application commerciale. Bien qu'il s'agisse d'un outil local open source, sa forme de livraison est plus proche d'un « outil de production de contenu prêt à l'emploi » que d'un modèle de plate-forme de base.

Projets	Informations publiques
Positionnement officiel	Outil de découpage vidéo automatisé entièrement open source et déployé localement
Moteur de base	Série FunASR Paraformer + CAM++ + LLM en option
Méthode de déploiement	Contexte Python local Service Gradio, ligne de commande
Capacités linguistiques	La dernière mise à jour prend en charge Fun-ASR-Nano en 31 langues
Capacités intelligentes	Reconnaissance du locuteur, mots chauds, sortie de sous-titres édition auxiliaire LLM
Licence Open Source	Licence MIT
Taille de la communauté	GitHub environ 5,8 000 étoiles, 702 forks
Dernière mise à jour	2026-05-20

Bref aperçu en une phrase : La valeur de FunClip n'est pas de faire du montage vidéo sophistiqué, mais d'automatiser la tâche la plus longue consistant à "comprendre d'abord la longue vidéo, puis à la couper en fonction du texte ou du locuteur".

Vérification de la publicité : la description de « l'édition automatique » donnée par l'entrepôt est fondamentalement vraie, mais une expression plus précise devrait être « l'achèvement automatique de l'édition approximative et du positionnement temporel des sous-titres ». Le film final au niveau de la sortie nécessite généralement encore une relecture manuelle du rythme, des sous-titres et des limites.

Reconnaissance des utilisateurs et du marché

Approbation Open Source : GitHub publie actuellement environ 5,8 000 étoiles et 702 forks, ce qui indique qu'il ne s'agit pas d'un entrepôt expérimental de niche et qu'il a formé un groupe d'utilisateurs chinois stables pour le traitement vidéo.

Model Endorsement : README s'appuie explicitement sur le système FunASR, dont Paraformer-Large a été téléchargé plus de 13 millions de fois dans ModelScope, ce qui fournit une forte approbation écologique pour sa qualité de reconnaissance chinoise.

Emplacement réel des outils : FunClip ressemble plus à un outil de production interne pour l'équipe de contenu et l'équipe de cours, plutôt qu'à une plate-forme vidéo directement face aux consommateurs finaux. Sa reconnaissance sur le marché vient principalement de l'efficacité du montage plutôt que de l'esthétique du film fini.

Avantage de coût

C-side/Individuel : Open source et gratuit, seul Python est nécessaire pour exécuter les fonctions de base localement ; pour les créateurs individuels, le coût des logiciels explicites est très faible.

Développeur/auto-déploiement : si un découpage intelligent LLM ou des modèles de plus haute précision sont requis, le coût réel se tourne vers la puissance de calcul, l'API du modèle, l'encodage disque et vidéo et les dépendances de décodage. En particulier, les modèles anglais de type Whisper seront plus sensibles à la mémoire vidéo lors de leurs accès futurs.

Équipe/Entreprise : lorsque l'équipe l'utilise comme outil de découpe de bandes interne, le plus gros gain n'est pas la licence du logiciel, mais le temps nécessaire à l'assistant de montage pour faire glisser à plusieurs reprises la chronologie, saisir des sous-titres et rechercher des clips.

Quantification de la réduction des coûts et de l'amélioration de l'efficacité : Prenons comme exemple le montage de 10 courtes vidéos en une heure. La méthode traditionnelle nécessite souvent d’écouter l’intégralité du matériel avant de positionner les clips. Le dégrossissage manuel prend généralement 2 à 3 heures ; Le positionnement du texte + le découpage par lots de FunClip peuvent réduire cette étape à 10 à 30 minutes. Il s'agit d'une déduction raisonnable basée sur le mécanisme de l'outil, et non d'un engagement officiel.

Limite de la collaboration homme-machine : la reconnaissance automatique, la découpe de texte et la génération automatique de sous-titres peuvent être hautement automatisées ; la confirmation manuelle doit être conservée pour la correction des sous-titres, le nettoyage des mauvaises habitudes, le rythme de la marque et la suppression du contenu sensible avant la sortie finale.

Fonctions principales

• Positionnement par reconnaissance vocale : convertissez la vidéo en texte consultable et en horodatage pour résoudre le problème de la « recherche d'emplacements pour les documents longs ».
• Clip par segment de texte : saisissez directement le contenu que vous souhaitez conserver et laissez le système réduire la période correspondante.
• Clip par locuteur : utilisez CAM++ pour identifier l'orateur et découper indépendamment le discours d'un certain locuteur.
• Amélioration des mots chauds : améliorez le taux de reconnaissance des noms professionnels, des noms personnels et des mots de marque grâce à la configuration des mots chauds SeACo-Paraformer.
• Sortie de synchronisation des sous-titres : renvoie automatiquement l'intégralité du SRT et le segment cible SRT, réduisant ainsi la retouche de l'axe des sous-titres.

Vue Expert : La synergie la plus utile de FunClip est de connecter "Reconnaissance -> Recherche -> Recadrage -> Sous-titres" en une ligne. De nombreuses équipes disposent d'outils ASR et de logiciels d'édition distincts, mais la découpe des bandes est lente car elles passent de l'un à l'autre.

Evolution du modèle et de la version

Mis à jour le 20/05/2026

Le dernier nœud public est le 20/05/2026, qui prend en charge Fun-ASR-Nano et SenseVoice. Le premier a amélioré la reconnaissance multilingue à 31 langues, et le second a introduit la reconnaissance des émotions et des événements audio, indiquant que le produit a commencé à s'étendre de la « reconnaissance de texte » à la « compréhension des attributs du contenu vocal ».

2024-05-13 v2.0.0

Il s'agit du nœud clé permettant à FunClip de passer du découpage basé sur des règles au « découpage intelligent LLM ». Il permet aux utilisateurs de combiner des mots d'invite avec des sous-titres et de laisser le modèle décider quels clips valent la peine d'être conservés.

2024-05-09 v1.1.0

Cette version est plus pratique pour l'ingénierie et a résolu un certain nombre de problèmes qui affectent réellement l'efficacité de la production quotidienne autour du répertoire de sortie, de l'interface utilisateur des résultats intermédiaires et de la configuration du décalage.

Avantages techniques

Mécanisme -> Effet -> Scénario : Il utilise d'abord Paraformer pour effectuer la reconnaissance d'horodatage, puis utilise les résultats de la reconnaissance pour la récupération de texte, le filtrage des locuteurs et la sortie de segments, il est donc particulièrement efficace dans les entretiens, les réunions, les cours et le découpage des podcasts.

Avantages du déploiement local : Par rapport aux outils purement en ligne, FunClip est plus adapté aux équipes sensibles à la sécurité matérielle ou qui traitent des vidéos par lots pendant une longue période. Le matériel vidéo n'a pas besoin d'être téléchargé au préalable sur une plate-forme tierce et convient au contenu interne tel que les cours, les formations en entreprise et les entretiens originaux.

Contrôlabilité technique : Gradio dispose de deux entrées pour les lignes de service et de commande, ce qui signifie qu'il peut non seulement cliquer sur des boutons pour les étudiants en opérations, mais également permettre aux équipes techniques de brancher leurs propres pipelines de contenu.

Ne correspond pas aux limites : il n'est pas responsable des transitions avancées, des effets visuels complexes, de la correction des couleurs et du rythme narratif. Il ne peut pas être utilisé en remplacement de Final Cut ou de Premiere.

Comment utiliser

Entrée	Convient à la foule	Utilisation
python funclip/launch.py	Assistant d'exploitation et de montage	Démarrez la page Gradio locale pour télécharger des vidéos et les couper directement en bandes
ModelScope / Espace visage câlin	Premiers utilisateurs d'essai	Reconnaissance de l'expérience en ligne et logique de recadrage
Ligne de commande videoclipper.py	Équipe technique	Entrez dans le pipeline de lots automatisé

3 minutes pour commencer : La méthode locale officielle et la plus typique consiste à installer d'abord les dépendances, puis à exécuter python funclip/launch.py. Si vous avez besoin d'une reconnaissance multilingue, vous pouvez ajouter « -m fun-asr-nano », si vous avez besoin d'émotions et d'événements audio, vous pouvez ajouter « -m sensevoice », et pour la reconnaissance de l'anglais, vous pouvez utiliser « -l en ».

clone git https://github.com/alibaba-damo-academy/FunClip.git
CD FunClip
pip install -r ./requirements.txt
python funclip/launch.py -m fun-asr-nano

Conseils pour éviter les pièges : Utilisez pour la première fois un test vidéo vraiment long pour commencer. Vérifiez d'abord si la précision de la reconnaissance et la chronologie des sous-titres sont acceptables, puis décidez si vous souhaitez utiliser l'édition intelligente LLM. Ne brûlez pas les frais d'appel du modèle dès que vous commencez.

Prix des produits

Tarif Open Source : FunClip est gratuit et peut être librement utilisé et modifié sous la licence MIT.

Coût réel :

Couche de coûts	Principaux composants
Personnel	CPU/GPU local, disque ffmpeg, imagemagick en option
Équipe	Ressources du serveur, stockage vidéo par lots, coûts de maintenance
Découpage intelligent	Clé API LLM externe ou puissance de calcul du modèle local

La vérité gratuite : le logiciel lui-même est gratuit, mais le temps, la puissance de calcul et la dépendance au traitement par lots de vidéos longues ne sont pas gratuits. Pour les utilisateurs novices, l'installation et la configuration des dépendances sont les principaux seuils.

Évaluation des risques d'approvisionnement/d'adoption : Si l'équipe ne dispose pas de capacités opérationnelles de base ou n'accepte pas du tout la configuration en ligne de commande, le coût total de possession de FunClip apparaîtra plus élevé que celui du SaaS en ligne.

Scénarios d'application

• Podcast/Interview Slicing : coupez rapidement les segments distribuables de longues vidéos par mot-clé ou par locuteur.
• Répartition du contenu des cours et des formations : divisez les didacticiels longs en courtes vidéos basées sur la sémantique des chapitres, avec sous-titres automatiques.
• Procès-verbaux de réunion et organisation des discours : transcrivez d'abord, puis filtrez les intervenants, puis exportez les segments clés pour faciliter l'édition et l'archivage secondaires.

Scénario d'attaque par réduction de dimensionnalité : la longue séquence vidéo chinoise, la génération de sous-titres haute fréquence et l'extraction de locuteurs désignés sont ses domaines d'utilisation les plus agréables.

Personnes concernées

• Équipe d'exploitation de contenu : coupez fréquemment de courtes vidéos à partir de conférences, d'interviews et de rediffusions en direct.
• Équipe de paiement des cours et des connaissances : les cours longs doivent être divisés en chapitres ou en vidéos marketing.
• Équipe de production de contenu technique : Capable d'accepter un déploiement local et espérer scripter le processus de découpage.

Dissuader / Ne convient pas aux personnes : les utilisateurs qui n'ont besoin d'affiner leur vidéo que de temps en temps, qui ne savent pas comment déployer localement ou qui accordent plus d'importance aux effets visuels qu'au positionnement sémantique, ne devraient pas l'utiliser comme premier choix.

Ne convient pas aux limites : il est bon pour le montage brut et les sous-titres pilotés par la voix, mais pas pour le montage narratif avancé et la conception visuelle lourde.

Résumé et Outlook

La valeur de FunClip est bien réelle : il peut automatiser les aspects les plus fastidieux et les plus chronophages des longues vidéos, tels que la récupération, le positionnement et le découpage. Il ne cherche pas à remplacer les bureaux d'édition professionnels, mais aide plutôt les équipes de contenu à réduire une grande partie du temps « du matériel aux brouillons modifiables ».

Les choses les plus intéressantes à surveiller à l'avenir sont deux lignes : l'une est l'expansion de la compréhension vocale apportée par la reconnaissance multilingue et SenseVoice, et l'autre est de savoir si le montage intelligent LLM peut produire de manière stable des clips qui ressemblent davantage à ceux sélectionnés par des monteurs humains. Pour l'adoption, il est recommandé de tester d'abord 3 à 5 thèmes réels dans la bibliothèque de matériaux interne, en se concentrant sur la vérification de l'exactitude de la reconnaissance, du taux de retouche des sous-titres et de la stabilité des dépendances ; lorsqu'il s'agit de diffusion publique, de communication de marque et de contenu sensible à la conformité, un examen final manuel est toujours nécessaire. Il s’agit de sa principale évaluation des risques d’adoption.

Outils associés : runway, pika

Informations de version

• Mise à jour Fun-ASR-Nano / SenseVoice ：Le dernier enregistrement de mise à jour de README montre que FunClip prend en charge Fun-ASR-Nano et SenseVoice. Le premier couvre une reconnaissance de plus haute précision dans 31 langues, et le second ajoute la reconnaissance des émotions et la détection des événements audio. （2026-05-20）
• Version d'édition intelligente LLM ：FunClip v2.0.0 introduit une édition intelligente basée sur de grands modèles, prend en charge la combinaison de sous-titres avec des mots d'invite et extrait automatiquement la période de temps à couper. （2024-05-13）
• Mises à jour de la configuration de l'interface utilisateur et du décalage ：La v1.1.0 ajoute la configuration du répertoire de sortie, la mise à niveau de l'interface utilisateur de sauvegarde des résultats intermédiaires et la configuration du décalage de début et de fin au niveau du paragraphe, et corrige de graves erreurs d'édition. （2024-05-09）