Autocut – 亚马逊首席科学家李沐博士开源的AI视频剪辑工具

什么是Autocut？

AutoCut是亚马逊资深首席科学家李木博士推出的开源AI视频编辑工具。AutoCut支持用户在自动生成视频字幕的基础上编辑文本文件，选择和编辑视频中的特定片段，简化视频编辑过程。该工具支持各种Whisper模型，以提高转录精度，并在CPU或GPU的基础上加速处理，以适应不同的硬件环境。AutoCut支持将视频转录为SRT和Markdown文件格式，使编辑工作更加灵活高效。AutoCut特别适合视频博客、编辑和内容创作者，以提高工作效率。

Autocut的主要功能

• 生成自动字幕：AutoCut可以自动识别视频中的语音，生成字幕文件。
• 编辑和编辑文本：根据编辑生成的文本文件，用户选择视频中需要保留的部分。
• 切割和保存视频：根据文本编辑的结果，AutoCut将自动切割和保存视频中对应的片段。
• 多模型支持：支持不同的Whisper模型，适应不同的转录需求和硬件配置。
• 硬件加速：支持CPU推理和GPU加速，提高处理速度。

Autocut的技术原理

• 语音识别：视频中的语音是基于Whisper等模型识别和转录的。
• 序列到序列模型：语音识别任务采用Transformer架构的序列到序列模型。
• 多任务学习：基于多任务学习，模型可以同时执行语音识别、语音翻译和语言识别。
• 特殊标记：以特殊标记为任务指定符或分类目标，支持多任务训练格式。
• 滑动窗处理：分窗处理音频，每个窗口约30秒，每个窗口从回归序列到序列预测。

Autocut项目地址

• GitHub仓库：https://github.com/mli/autocut

Autocut的应用场景

• 视频内容创作：视频博主、自媒体人和在线教育者利用AutoCut快速生成视频字幕并编辑内容，提高内容制作效率。
• 企业培训与会议：企业将会议或培训视频自动转录为字幕，方便员工复习学习，快速提取关键信息。
• 新闻与媒体产业：记者和编辑用AutoCut快速转录采访内容，加快新闻制作流程，节省人工成本。
• 语言学习与翻译：语言学习者使用AutoCut转录和翻译外语视频，提高学习效率；翻译人员提高了翻译工作的准确性和速度。
• 制作播客和音频内容：播客制作人用AutoCut将音频内容转录成文字，然后根据文字稿编辑和优化音频内容。