PeakCut in der Praxis: Baue dein eigenes KI-Videobearbeitungstool für Kurzclips
Am zeitaufwendigsten beim Erstellen von Kurzvideos ist nicht das Schneiden, sondern das Finden der wenigen veröffentlichungswürdigen Sekunden in ein- oder zweistündigen Live-Streams oder langen Videos. PeakCut automatisiert diese Pipeline: lokale Spracherkennung, KI wählt Highlights aus, schneidet automatisch im 9:16-Hochformat und fügt Wort-für-Wort-Untertitel hinzu. Das Faszinierendste daran ist, dass der gesamte Prozess vollständig auf deinem eigenen Computer ablaufen kann – Video- und Audiodaten verlassen dein Gerät nicht.
Sein Arbeitsablauf ist unkompliziert: Audio transkribieren, KI entscheiden lassen, welche Clips die Aufmerksamkeit von Fremden fesseln können, und dann mit FFmpeg vertikale Kurzclips mit Untertiteln rendern. Für die Transkription werden sherpa-onnx und das Parakeet-Modell verwendet, das vollständig lokal läuft; die KI ist nur für die Auswahl der Clips und das Schreiben von Titeln zuständig. Du kannst jeden Anbieter nutzen – alle OpenAI-kompatiblen Schnittstellen sind anschließbar.
Wenn du nicht die offizielle ChatGPT-Schnittstelle verwenden möchtest, ist Defapi eine gute Wahl. Der Preis beträgt die Hälfte der offiziellen Version, und alle Modelle sind grundsätzlich mit den gängigen Protokollen wie v1/chat/completions, v1/messages, v1beta/models/ kompatibel, sodass der Custom Provider von PeakCut direkt angebunden werden kann. Die Konfiguration entspricht exakt Schritt 3 weiter unten.
Kernabhängigkeiten und Umgebung
Bevor du beginnst, stelle sicher, dass diese Dinge vorhanden sind:
- Python 3.10+: Laufzeitumgebung für das Hauptprogramm.
- FFmpeg: Verantwortlich für die gesamte Video- und Audioverarbeitung. Windows:
winget install Gyan.FFmpeg, macOS:brew install ffmpeg, Linux:sudo apt install ffmpeg. - Netzwerk und Speicher: Beim ersten Start wird das Sprachmodell mit ca. 480 MB heruntergeladen. Videodateien selbst sind nicht klein – plane mindestens 20 GB freien Speicherplatz ein.
- KI-Schlüssel (optional): Ohne Konfiguration funktioniert es auch – dann wählt PeakCut die Clips nach Lautstärke aus, aber es gibt keine KI-generierten Titel.
PeakCut empfiehlt, das Projekt an einem festen Pfad zu platzieren, z. B. C:\peakcut (Windows) oder ~/peakcut (macOS/Linux). Lege es nicht in ein temporäres Verzeichnis; auf Windows kann ein zu tiefer Pfad dazu führen, dass das Sprachmodell nicht geladen werden kann.
Projektstrukturbaum
peakcut/
├── studio/ # Serverseitiger Hauptcode
│ ├── server.py # FastAPI-Einstiegspunkt
│ ├── ai.py # KI-Serviceanpassungsschicht (neue Provider hier hinzufügen)
│ ├── transcribe.py # Lokale Sprachtranskription
│ ├── jobs.py # Pipeline für Schnittaufgaben
│ ├── render.py # Untertitel-Rendering und Videosynthese
│ └── fonts/ # Untertitel-Schriftartdateien
├── web/ # Frontend-Seiten (reines HTML/CSS/JS)
├── deploy/ # Docker-Deployment-Konfiguration
├── tests/ # Automatisierte Tests
├── requirements.txt # Python-Abhängigkeiten
├── .env.example # Umgebungsvariablen-Vorlage
└── Dockerfile
Schritt-für-Schritt-Anleitung
1. Repository klonen und Abhängigkeiten installieren
git clone https://github.com/haziqahmedqasmi/peakcut.git ~/peakcut
cd ~/peakcut
pip install -r requirements.txt
Es wird empfohlen, eine virtuelle Umgebung zu verwenden, um das globale Python-Paketsystem nicht zu verschmutzen.
2. Lokalen Dienst starten
python -m studio.server
Beim ersten Start wird das Sprachmodell (ca. 480 MB) automatisch heruntergeladen – das dauert einen Moment. Wenn eine Ausgabe wie Uvicorn running on http://127.0.0.1:8765 erscheint, ist der Dienst bereit.
Öffne im Browser http://127.0.0.1:8765, du gelangst direkt in die Konsole – keine Anmeldung erforderlich.
3. KI-Service konfigurieren
Gehe zur Seite Settings → AI. Hier wählst du deinen KI-Dienstanbieter aus. Die KI von PeakCut ist für zwei Dinge zuständig: entscheiden, welche Clips geschnitten werden sollten, und Titel für Clips schreiben. Sie benötigt ein Chat-Modell, das JSON zurückgeben kann, nicht einen Sprachtranskriptionsdienst – die Transkription läuft weiterhin lokal.
Wähle im Dropdown-Menü Custom (OpenAI-kompatibel) aus. Dann erscheint ein Eingabefeld für die Basis-URL. Trage die Adresse deines Anbieters ein, füge deinen API-Schlüssel in das Schlüsselfeld ein, trage manuell den Namen eines Chat-Modells ein, das JSON-Ausgabe unterstützt, und klicke dann auf Find models, um die Liste der verfügbaren Modelle abzurufen (falls der Anbieter dies unterstützt). Abschließend klicke auf Save and test.
Zum Beispiel bietet Defapi eine OpenAI-kompatible Schnittstelle an, und der Preis beträgt die Hälfte der offiziellen Version. Die Konfiguration sieht so aus:
- Base URL:
https://api.defapi.org/v1 - Key: In der Defapi-Plattformkonsole abrufen
- Modell: Trage eine Chat-Modell-ID ein, die JSON-Ausgabe unterstützt, z. B.
your-model-id(die genaue ID entnimmst du der Liste in deinem Konto)
Defapi ist mit den gängigen Protokollen v1/chat/completions, v1/messages, v1beta/models/ kompatibel, sodass der Custom Provider von PeakCut direkt angebunden werden kann.
Hinweis: Wenn du zuvor KI-Parameter über die .env-Datei konfiguriert hast, überschreiben in der Konsole gespeicherte Konfigurationen die Einstellungen in .env. Wenn du .env verwenden möchtest, sind die entsprechenden Variablen:
PEAKCUT_AI_PROVIDER=custom
PEAKCUT_AI_MODELS=your-model-id
PEAKCUT_AI_KEY=your-key
PEAKCUT_AI_BASE_URL=https://api.defapi.org/v1
4. Videos importieren
Oben auf der Startseite gibt es ein Einfügefeld, das YouTube-, Twitch- und Kick-Links unterstützt. Du kannst auch lokale Videodateien direkt hochladen.
Unter Options kannst du die Anzahl der generierten Clips (1–20), die minimale/maximale Dauer (Minimum 5 Sekunden, Maximum 180 Sekunden), den Untertitelstil (Bounce/Hype/Clean), das Bildlayout (Unschärfe-Hintergrund/Skalieren/Beschneiden/Spielansicht mit Kamera), die Auflösung (720p/1080p) einstellen und sogar festlegen, dass nur ein bestimmter Abschnitt des Videos verarbeitet wird.
Es gibt eine Option namens Generate captions, die standardmäßig aktiviert ist. Die Untertitel werden Wort für Wort hervorgehoben; dafür muss das Spracherkennungsmodell Ergebnisse mit Zeitstempeln liefern. Das Standardmodell unterstützt Englisch am besten. Wenn du eine andere Sprache verwenden möchtest, musst du das Modell wechseln – dazu mehr im Abschnitt zur Fehlerbehebung weiter unten.
Fülle den Link aus und klicke auf Make clips, um die Verarbeitung zu starten.
5. Clips filtern und Untertitel anpassen
Nach Abschluss der Verarbeitung gelangst du in die Videodetailseite, wo du alle generierten Clips sehen kannst. Für jeden Clip kannst du:
- Vorschau: Prüfen, ob dir das Ergebnis gefällt
- Start/Ende anpassen: Über die Zeitleiste feinjustieren
- Untertitel bearbeiten: Falls Wörter falsch erkannt wurden, manuell korrigieren
- Untertitelstil wechseln: Zwischen drei Stilen frei wählen
PeakCut generiert für jeden Clip ein Titelbild und einen ansprechenden Titel (von der KI geschrieben). Wenn dir der Titel nicht gefällt, kannst du ihn direkt ändern.
6. Vertikale Kurzclips exportieren
Wenn die Clips in Ordnung sind, klicke auf Download, um sie zu exportieren. Das Rendering übernimmt FFmpeg; das Endergebnis ist das 9:16-Hochformat, und die Untertitel werden ins Bild eingebrannt.
Wenn du Konten für YouTube, Instagram oder TikTok verbunden hast, kannst du auch direkt von hier aus veröffentlichen. Für den Einzelplatz-Einsatz empfiehlt es sich, zuerst herunterzuladen und dann manuell hochzuladen.
Fehlerbehebung für häufige Probleme
FFmpeg fehlt
Nach dem Start wird in der Konsole gemeldet, dass FFmpeg nicht gefunden wurde. Überprüfe, ob ffmpeg -version eine Ausgabe liefert; wenn nicht, installiere es neu und stelle sicher, dass es im PATH ist.
Download des Sprachmodells fehlgeschlagen
Wenn der Modelldownload beim ersten Start unterbrochen wird, lösche den entsprechenden Ordner im Verzeichnis data/models/ und starte den Dienst neu, sodass er es erneut herunterlädt. Bei instabiler Netzwerkverbindung kannst du es auch manuell von Hugging Face herunterladen und in das angegebene Verzeichnis legen.
In der Konsole konfiguriertes KI-Modell wirkt nicht
Überprüfe auf der Seite Settings → AI, ob die Konfiguration gespeichert wurde. In der Konsole gespeicherte Konfigurationen haben Vorrang vor der .env-Datei. Wenn du zuvor KI-bezogene Variablen in .env geschrieben hast, wird .env ignoriert, sobald in der Konsole einmal gespeichert wurde. Um zur .env-Konfiguration zurückzukehren, wähle den Provider in der Konsole erneut aus und speichere.
KI liefert JSON-Formatfehler
Stelle sicher, dass die Modell-ID ein Chat-Modell ist, das JSON-Ausgabe unterstützt. Einige Modelle (insbesondere reine Inferenzmodelle) garantieren kein gültiges JSON – versuche ein anderes Modell. Du kannst auch die Seite AI usage ansehen, dort gibt es detaillierte Anfrageprotokolle.
Falsche Untertitelsprache
Das Standard-Parakeet-Modell unterstützt nur Englisch. Für chinesische Videos wechsle entweder zu einem sherpa-onnx-Modell, das Chinesisch unterstützt (dazu musst du ASR_MODEL_NAME in studio/config.py ändern), oder verwende die chinesische Transkription von YouTube (diese Funktion ist standardmäßig aktiviert und bevorzugt den Transkriptionstext von YouTube).
Nicht genügend Speicherplatz
Das Verzeichnis data/ speichert alle Videos und Ergebnisse. Überprüfe vor der Verarbeitung langer Videos, ob genügend Speicherplatz vorhanden ist. Unter Settings → Storage siehst du den aktuellen Speicherpfad und den verfügbaren Platz; du kannst auch ein anderes Laufwerk wählen.
Weiterführende Lektüre / Fortgeschrittene Richtungen
PeakCut kann nicht nur bereits aufgenommene Videos schneiden, sondern auch während eines Live-Streams in Echtzeit aufzeichnen und Highlights schneiden. Erstelle für jeden Ersteller einen Workspace, richte den Kanal ein, und es wird automatisch überwacht – während des Streams entstehen bereits Clips.
Für Zusammenarbeit in Teams oder öffentliche Bereitstellung wirf einen Blick auf DEPLOY.md: Verwende Docker, um die App + PostgreSQL + Caddy mit automatischem HTTPS zu betreiben, mit E-Mail-Registrierung und Google-Login. Achtung: Bei öffentlicher Bereitstellung muss PEAKCUT_ACCOUNTS=1 gesetzt sein, sonst kann jeder, der die Adresse kennt, deinen KI-Schlüssel verwenden.
Um Social-Media-Konten zu verbinden (YouTube/Instagram/TikTok), musst du auf den jeweiligen Plattformen eine Entwickler-App registrieren. Während der Plattformprüfung werden hochgeladene Videos standardmäßig als privat eingestuft – das ist eine Einschränkung der Plattform, nicht ein Problem von PeakCut selbst.
Wenn du tiefer einsteigen möchtest: studio/ai.py ist die einzige Datei, die mit dem KI-Dienst interagiert. Hier beginnen, um einen neuen Provider hinzuzufügen oder die Anfragelogik zu debuggen. Der Code enthält auch eine Testsuite (python tests/run.py); nach Codeänderungen sollte dieser Testlauf Regressionen verhindern.