PeakCut на практике: создайте собственный AI-инструмент для монтажа коротких видео

Самое затратное по времени в создании коротких видео — не монтаж, а поиск тех самых нескольких десятков секунд, которые стоит опубликовать, из часового прямого эфира или длинного видео. PeakCut автоматизирует этот конвейер: локально запускает распознавание речи, AI помогает выбрать яркие моменты, автоматически нарезает вертикальное видео 9:16 и добавляет покадровые субтитры. Самое привлекательное — весь процесс может полностью выполняться на вашем собственном компьютере, а видео- и аудиоданные не покидают его пределов.

Его рабочий процесс довольно прямолинеен: транскрибировать аудио, позволить AI определить, какие фрагменты могут удержать внимание незнакомца, а затем с помощью FFmpeg отрендерить короткое вертикальное видео с субтитрами. Для транскрибации используются модели sherpa-onnx и Parakeet, работающие полностью локально; AI отвечает только за выбор фрагментов и написание заголовков — вы можете использовать любого поставщика, подойдут любые совместимые с OpenAI интерфейсы.

Если вы не хотите использовать официальный интерфейс ChatGPT, Defapi — хороший вариант. Его цена вдвое ниже официальной, и все модели в основном совместимы с основными протоколами, такими как v1/chat/completions, v1/messages, v1beta/models/, поэтому Custom provider в PeakCut можно подключить напрямую, а настройка полностью аналогична шагу 3 ниже.

Ключевые зависимости и окружение

Перед началом убедитесь, что у вас есть следующее:

  • Python 3.10+: среда выполнения основной программы.
  • FFmpeg: используется для всей обработки видео и аудио. На Windows используйте winget install Gyan.FFmpeg, на macOS — brew install ffmpeg, на Linux — sudo apt install ffmpeg.
  • Сеть и хранилище: при первом запуске потребуется загрузить около 480 МБ речевой модели. Видеофайлы сами по себе немаленькие, рекомендуется выделить не менее 20 ГБ дискового пространства.
  • AI-ключ (необязательно): можно работать и без него — в этом случае PeakCut будет выбирать фрагменты по громкости, но без AI-сгенерированных заголовков.

PeakCut рекомендует размещать проект по фиксированному пути, например C:\peakcut (Windows) или ~/peakcut (macOS/Linux). Не помещайте его во временные каталоги; на Windows слишком глубокий путь может привести к сбою загрузки речевой модели.

Дерево структуры проекта

peakcut/
├── studio/                  # основной код серверной части
│   ├── server.py            # точка входа FastAPI
│   ├── ai.py                # адаптер AI-сервиса (новые провайдеры добавляются здесь)
│   ├── transcribe.py        # локальное распознавание речи
│   ├── jobs.py              # конвейер задач монтажа
│   ├── render.py            # рендеринг субтитров и синтез видео
│   └── fonts/               # файлы шрифтов для субтитров
├── web/                     # фронтенд (чистые HTML/CSS/JS)
├── deploy/                  # конфигурация развертывания Docker
├── tests/                   # автоматические тесты
├── requirements.txt         # Python-зависимости
├── .env.example             # шаблон переменных окружения
└── Dockerfile

Пошаговая инструкция

1. Клонируйте репозиторий и установите зависимости

git clone https://github.com/haziqahmedqasmi/peakcut.git ~/peakcut
cd ~/peakcut
pip install -r requirements.txt

Рекомендуется использовать виртуальное окружение, чтобы не загрязнять глобальные пакеты Python.

2. Запустите локальный сервер

python -m studio.server

При первом запуске автоматически загрузится речевая модель (около 480 МБ), это займет некоторое время. Когда увидите вывод, похожий на Uvicorn running on http://127.0.0.1:8765, значит, сервис запущен.

Откройте в браузере http://127.0.0.1:8765 — вы сразу попадете в консоль, вход не требуется.

3. Настройте AI-сервис

Перейдите на страницу Settings → AI. Здесь вы выбираете поставщика AI-услуг. AI в PeakCut отвечает за две вещи: решает, какие фрагменты стоит вырезать, и пишет заголовки для фрагментов. Ему нужна чат-модель, способная возвращать JSON, а не сервис распознавания речи — транскрибация всегда выполняется локально.

Выберите Custom (OpenAI-compatible) из выпадающего списка, появится поле ввода Base URL. Введите адрес вашего поставщика, вставьте ваш API-ключ в поле Key, вручную укажите название чат-модели, поддерживающей вывод JSON, затем нажмите Find models, чтобы получить список доступных моделей (если поставщик это поддерживает), и наконец Save and test.

Например, Defapi предоставляет совместимый с OpenAI интерфейс по цене вдвое ниже официальной. Конфигурация выглядит так:

  • Base URL: https://api.defapi.org/v1
  • Key: получите в консоли платформы Defapi
  • Модель: укажите ID чат-модели, поддерживающей вывод JSON, например your-model-id (точный ID смотрите в списке в вашем аккаунте)

Defapi совместим с основными протоколами, такими как v1/chat/completions, v1/messages, v1beta/models/, поэтому Custom provider в PeakCut можно подключить напрямую.

Примечание: если вы ранее настраивали параметры AI через файл .env, конфигурация, сохраненная в консоли, переопределит настройки в .env. Чтобы использовать .env, соответствующие переменные таковы:

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. Импортируйте видео

На главной странице сверху есть поле для вставки ссылок — поддерживаются YouTube, Twitch, Kick, также можно загрузить локальный видеофайл.

В разделе Options можно задать количество генерируемых фрагментов (1–20), минимальную/максимальную длительность (минимум 5 секунд, максимум 180 секунд), стиль субтитров (Bounce/Hype/Clean), компоновку кадра (размытая заливка/масштабирование/обрезка/игровой кадр с веб-камерой), разрешение (720p/1080p), а также ограничить обработку только определенным участком видео.

Есть опция Generate captions, включенная по умолчанию. Субтитры подсвечиваются по словам, для чего речевой модели требуется вывод с таймкодами. Модель по умолчанию лучше всего поддерживает английский; для других языков придется сменить модель, о чем рассказано в разделе устранения неполадок ниже.

Заполните ссылку и нажмите Make clips, чтобы начать обработку.

5. Отфильтруйте фрагменты и отредактируйте субтитры

После завершения обработки перейдите на страницу сведений о видео, где увидите все сгенерированные фрагменты. Для каждого фрагмента можно:

  • Предпросмотр: посмотреть, устраивает ли результат
  • Настроить начало/конец: перетаскивая шкалу времени для точной подстройки
  • Изменить субтитры: если распознавание ошибочно, слова можно исправить вручную
  • Сменить стиль субтитров: три стиля на выбор

PeakCut генерирует для каждого фрагмента обложку и привлекательный заголовок (написанный AI). Если заголовок не устраивает, его можно изменить напрямую.

6. Экспортируйте вертикальное короткое видео

Убедившись, что с фрагментами все в порядке, нажмите Download для экспорта. Рендеринг выполняется FFmpeg, итоговый вывод — вертикальный формат 9:16, субтитры встроены в изображение.

Если вы настроили подключение учетных записей YouTube, Instagram или TikTok, можно публиковать прямо отсюда. Для автономного использования рекомендуется сначала скачать, а затем загружать вручную.

Устранение распространенных неполадок

FFmpeg отсутствует
После запуска в консоли появится сообщение о том, что FFmpeg не найден. Убедитесь, что команда ffmpeg -version работает; если нет, переустановите FFmpeg и проверьте, что он находится в PATH.

Сбой загрузки речевой модели
Если при первом запуске загрузка модели прервалась, удалите соответствующую папку в каталоге data/models/ и перезапустите сервис, чтобы он загрузил модель заново. При нестабильном соединении можно вручную скачать модель с Hugging Face и поместить ее в указанный каталог.

Настройки AI из консоли не работают
Проверьте на странице Settings → AI, отображается ли сохраненная конфигурация. Сохраненная в консоли конфигурация имеет приоритет над файлом .env; если вы ранее записывали переменные, связанные с AI, в .env, после сохранения в консоли эти переменные игнорируются. Чтобы вернуться к конфигурации из .env, нужно заново выбрать провайдера в консоли и сохранить.

AI возвращает ошибку формата JSON
Убедитесь, что указан ID модели чата, поддерживающей вывод JSON. Некоторые модели (особенно чисто инференсные) не гарантируют возврат валидного JSON — попробуйте другую модель. Также можно посмотреть страницу AI usage, там есть подробные журналы запросов.

Неправильный язык субтитров
Модель Parakeet по умолчанию поддерживает только английский. Для китайских видео либо замените модель на sherpa-onnx с поддержкой китайского (нужно изменить ASR_MODEL_NAME в studio/config.py), либо используйте встроенные китайские субтитры YouTube (эта функция включена по умолчанию и использует транскрипт YouTube в приоритетном порядке).

Недостаточно дискового пространства
Каталог data/ хранит все видео и результаты обработки. Перед обработкой длинных видео убедитесь, что на диске достаточно места. На странице Settings → Storage можно увидеть текущий путь хранения и свободное место, а также перенести каталог данных на другой диск.

Дополнительное чтение / направления для продвижения

PeakCut умеет не только монтировать уже записанные видео, но и в реальном времени записывать и нарезать яркие моменты во время прямого эфира. Создайте рабочее пространство для каждого создателя, настройте канал — и он будет автоматически отслеживать и создавать клипы прямо во время эфира.

Для совместной работы или развертывания в публичной сети обратитесь к DEPLOY.md: используйте Docker для запуска приложения + PostgreSQL + Caddy с автоматическим HTTPS, поддержкой регистрации по электронной почте и входом через Google. Обратите внимание: при публичном развертывании обязательно включите PEAKCUT_ACCOUNTS=1, иначе любой, кто знает адрес, сможет использовать ваш AI-ключ.

Подключение учетных записей соцсетей (YouTube/Instagram/TikTok) требует регистрации разработчика на каждой платформе. Видео, загруженные во время проверки платформой, по умолчанию будут приватными — это ограничение платформы, а не проблема PeakCut.

Для углубленного изучения: файл studio/ai.py — единственный, который взаимодействует с AI-сервисом; добавление нового провайдера или отладка логики запросов начинается с него. В коде также есть набор тестов (python tests/run.py), запуск которых после изменений предотвращает регрессии.