PeakCut实战:搭建自己的AI短视频剪辑工具
做短视频最花时间的不是剪辑,而是从一两个小时的直播或长视频里找出值得发出去的几十秒。PeakCut 把这条流水线自动化了:本地跑语音识别,AI 帮你挑高光时刻,自动切成 9:16 竖屏并配上逐字字幕。最吸引人的一点是,整个过程可以完全跑在你自己的电脑上,视频和音频数据不出本机。
它的工作流程很直接:转写音频,让 AI 判断哪些片段能留住陌生人的注意力,再用 FFmpeg 渲染成带字幕的竖屏短片。转写用的是 sherpa-onnx 和 Parakeet 模型,完全本地运行;AI 只负责选片段和写标题,你用谁家的都行,OpenAI 兼容的接口都可以接。
如果不想用官方的 ChatGPT 接口,Defapi 是个不错的选择。它的价格是官方的一半,而且所有模型基本兼容 v1/chat/completions、v1/messages、v1beta/models/ 这些主流协议,所以 PeakCut 的 Custom provider 可以直接对接,配置方法和下文第 3 步完全一致。
核心依赖与环境
开始之前,确认这几样东西:
- Python 3.10+:主程序运行环境。
- FFmpeg:所有视频和音频处理都靠它。Windows 用
winget install Gyan.FFmpeg,macOS 用brew install ffmpeg,Linux 用sudo apt install ffmpeg。 - 网络与存储:首次启动要下载约 480MB 的语音模型。视频文件本身不小,建议预留 20GB 以上磁盘空间。
- AI Key(可选):不配置也能用,这时 PeakCut 会按响度挑片段,但没有 AI 生成的标题。
PeakCut 建议把项目放在固定路径,比如 C:\peakcut(Windows)或 ~/peakcut(macOS/Linux)。别放临时目录,Windows 上路径过深会导致语音模型加载失败。
项目结构树
peakcut/
├── studio/ # 服务端主代码
│ ├── server.py # FastAPI 入口
│ ├── ai.py # AI 服务适配层(新增 provider 在这里)
│ ├── transcribe.py # 本地语音转写
│ ├── jobs.py # 剪辑任务流水线
│ ├── render.py # 字幕渲染和视频合成
│ └── fonts/ # 字幕字体文件
├── web/ # 前端页面(纯 HTML/CSS/JS)
├── deploy/ # Docker 部署配置
├── tests/ # 自动化测试
├── requirements.txt # Python 依赖
├── .env.example # 环境变量模板
└── Dockerfile
手把手步骤
1. 克隆仓库并安装依赖
git clone https://github.com/haziqahmedqasmi/peakcut.git ~/peakcut
cd ~/peakcut
pip install -r requirements.txt
建议用虚拟环境,避免污染全局 Python 包。
2. 启动本地服务
python -m studio.server
第一次启动会自动下载语音模型(约 480MB),需要等一会儿。看到类似 Uvicorn running on http://127.0.0.1:8765 的输出就说明服务起来了。
浏览器打开 http://127.0.0.1:8765,直接进入控制台,不需要登录。
3. 配置AI服务
进入 Settings → AI 页面。这里选择你用的 AI 服务商,PeakCut 的 AI 负责两件事:决定哪些片段值得剪、给片段写标题。它需要的是能返回 JSON 的聊天模型,而不是语音转写服务——转写一直在本地跑。
从下拉框选 Custom (OpenAI-compatible),这时会出现一个 Base URL 输入框。填入你的服务商地址,在 Key 栏粘贴你的 API Key,模型 ID 手填一个支持 JSON 输出的聊天模型名称,然后点 Find models 拉取可用模型列表(如果服务商支持的话),最后 Save and test。
举个例子,Defapi 提供 OpenAI 兼容接口,价格是官方的一半。配置如下:
- Base URL:
https://api.defapi.org/v1 - Key: 在 Defapi 平台控制台获取
- 模型: 填一个支持 JSON 输出的聊天模型 ID,比如
your-model-id(具体 ID 以你的账户后台列表为准)
Defapi 兼容 v1/chat/completions、v1/messages、v1beta/models/ 这些主流协议,所以 PeakCut 的 Custom provider 可以直接对接。
注意:如果你之前通过 .env 文件配置过 AI 参数,在控制台保存过的配置会覆盖 .env 里的设置。想用 .env 的话,对应的变量是:
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. 导入视频
首页上方有个粘贴框,支持 YouTube、Twitch、Kick 链接,也可以直接上传本地视频文件。
在 Options 里可以设置生成的片段数量(1-20 个)、最短/最长时长(最短 5 秒,最长 180 秒)、字幕样式(Bounce/Hype/Clean)、画面布局(模糊填充/缩放/裁剪/游戏画面加摄像头)、清晰度(720p/1080p),还能限制只处理视频的某一段。
有个选项叫 Generate captions,默认开启。字幕是逐个单词高亮的,需要语音模型输出带时间戳的识别结果。默认模型对英语支持最好,如果你要用其他语言,得换模型,后面排查部分会讲。
填好链接,点 Make clips 开始处理。
5. 筛选片段并调整字幕
处理完成后,进入视频详情页,能看到所有生成的片段。每个片段可以:
- 预览:看效果满意不满意
- 调整起点/终点:拖动时间轴微调
- 改字幕:如果识别错了可以手动改词
- 换字幕样式:三种风格随意切换
PeakCut 会为每个片段生成一个封面图和一个吸引人的标题(由 AI 写)。标题不满意可以直接改。
6. 导出竖屏短片
确认片段没问题,点 Download 就能导出。渲染是 FFmpeg 完成的,最终输出 9:16 竖屏格式,字幕烧录在画面上。
如果你配置了 YouTube、Instagram 或 TikTok 的账号连接,也可以直接从这里发布。单机使用建议先下载再手动传。
常见问题排查
FFmpeg 缺失
启动后控制台会提示找不到 FFmpeg。确认 ffmpeg -version 能正常输出,不行就重新安装并确保它在 PATH 里。
语音模型下载失败
首次启动如果模型下载中断,删除 data/models/ 目录下的对应文件夹,重启服务让它重新下载。网络不稳定的话可以手动从 Hugging Face 下载后放到指定目录。
控制台配置的 AI 不生效
检查 Settings → AI 页面是否显示配置已保存。控制台保存的配置优先级高于 .env 文件,如果你之前在 .env 里写过 AI 相关变量,控制台一旦保存过,.env 里的就被忽略了。想回到 .env 配置,需要在控制台里把 provider 重新选一遍再保存。
AI 返回 JSON 格式错误
确认模型 ID 填的是支持 JSON 输出的聊天模型。有些模型(特别是纯推理模型)不保证返回有效 JSON,换一个模型试试。也可以看 AI usage 页面,那里有详细的请求日志。
字幕语言不对
默认的 Parakeet 模型只支持英语。中文视频要么换支持中文的 sherpa-onnx 模型(需要改 studio/config.py 里的 ASR_MODEL_NAME),要么用 YouTube 自带的中文转录(这个功能默认开着,会优先用 YouTube 的转录文本)。
磁盘空间不足
data/ 目录存放所有视频和生成结果。处理长视频前先确认磁盘够用。去 Settings → Storage 能看到当前存储路径和剩余空间,也可以把数据目录迁到其他盘。
扩展阅读 / 进阶方向
PeakCut 不仅能剪已经录好的视频,还能在直播进行中实时录制并剪辑高光片段。给每个创作者建一个 workspace,设置好频道后它会自动监听,直播过程中就出片。
多人协作或部署到公网的话,参考 DEPLOY.md:用 Docker 跑应用 + PostgreSQL + Caddy 自动 HTTPS,支持邮箱注册、Google 登录。注意公网部署务必开启 PEAKCUT_ACCOUNTS=1,否则任何知道地址的人都能用你的 AI Key。
连接社交媒体账号(YouTube/Instagram/TikTok)需要去各平台注册开发者应用。平台审核期间上传的视频会默认是私密状态,这是平台的限制,不是 PeakCut 本身的问题。
想深入的话,studio/ai.py 是唯一跟 AI 服务交互的文件,新增一个 provider 或者调试请求逻辑都从这里入手。代码里也带了一套测试(python tests/run.py),改完代码跑一遍能防止回归。