AutoCut 自动化部署视频剪辑环境 10 分钟上线【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut新版 AutoCut 上线当晚转录报错你只能重装环境、把剪了一半的视频一条条重跑折腾了两个小时。根子是部署没有后路。今天把这套「用文本编辑器剪视频」的工具的 3 条部署路径讲清楚10 分钟跑起来出问题 30 秒回滚。部署菜单本地 pip 到 GPU 容器的 3 条选型动手前先选型。仓库官方提供 3 条路本地 pip 安装、CPU 容器Dockerfile、GPU 容器Dockerfile.cuda。方式适用场景一句话优缺点本地 pip 安装个人快速体验、轻量剪辑上手最快10 分钟搞定但宿主机的 ffmpeg 和 PyTorch 版本要自己兜底CPU 容器无显卡的生产环境长期跑环境封装干净宿主机零配置转录偏慢适合 small/medium 模型GPU 容器长视频、large 大模型转录大模型转录快很多前提是 Nvidia 显卡加驱动装好了上手实操快速体验本地安装10 分钟出第一段字幕结论最快的路径。前置条件就两个——Python 3.9 和 ffmpegUbuntu/Debian 一句sudo apt install ffmpegmacOS 用 brew。克隆仓库并安装包成功后会得到一个autocut控制台命令git clone https://gitcode.com/GitHub_Trending/au/autocut cd autocut pip install .不想克隆也可以直接pip install autocut-sub。跑autocut -t test.mp4验证视频旁边会生成同名.srt和.md文件出现这两个文件就算通了接下来直接在.md里删句子就是剪视频。如果pip install失败九成是 torch 版本冲突先装对应版本的 PyTorch 再重装。容器化稳定运行一次构建宿主环境零要求结论想一劳永逸就用 Docker。Dockerfile 里已内置 ffmpeg 和 CPU 版 PyTorch宿主机什么都不用装。构建并运行把挂载路径换成你的视频目录docker build -t autocut . docker run -it --rm -v /path/to/videos:/autocut/video autocut /bin/bash构建那步会拉不少依赖首次几分钟进容器后跑autocut -t 视频.mp4立刻可用。有 Nvidia 卡就走 GPU 版docker build -f Dockerfile.cuda -t autocut-gpu .运行时加--gpus all。构建失败多半是拉基础镜像或 torch 下载卡住重跑命令即可续传。一键自动化daemon 模式常驻监听文件夹结论环境稳定后把它挂上监听。核心是 autocut/daemon.py 里的文件夹监听逻辑一条命令常驻autocut -d 2022-11-04往该文件夹丢新录的视频它会自动转录生成.md你在.md里删掉不要的句子保存后自动剪出_cut.mp4多个视频还能拼成autocut_merged.mp4。做完应该看到文件夹里持续新增字幕和剪切文件若停止生成先看监听进程是否还活着不在就重启。后路新版翻车时的 30 秒回滚三种情况别犹豫直接回滚升级后批量转录报错、容器反复崩溃起不来、输出字幕编码乱掉。先止损、后排查——让生产流程先跑起来再回头翻日志。代码回滚一条 git 命令退回上个版本翻历史找到上一个好版本退回去git log --oneline git reset --hard commit-hash注意AutoCut 是 Python 包代码变更后必须重跑pip install .新代码才会生效。回滚后同样要重装一次否则环境里跑的还是旧代码。镜像回滚旧 tag 一拉就起镜像回滚的前提是每次升级前先带版本 tag 构建比如autocut:20260919而不是只用latest互相覆盖。docker images | grep autocut挑出旧 tag用它docker run起一个新容器视频目录挂载不变就能接管工作。新镜像留在本地不删排查完随时切回去。避坑手册5 个高频问题和解法⚠️ 下面这 5 条都是真实高频坑部署前花一分钟过一遍。现象原因对策GPU 不生效转录一直走 CPU装的是 CPU 版 PyTorchpython -c import torch; print(torch.cuda.is_available())验证为 False 就先手动装 GPU 版 torch 再装 AutoCut报显存不足大模型体积大降档--whisper-model small或--device cpu强制 CPU中文字幕乱码转录与剪切两步编码不一致两步统一--encodinggbkTypora 可能自动转码编辑后用 VS Code 按目标编码保存再剪升级后新功能不生效代码没重装进环境重跑pip install .它是包不是脚本Apple M1 上导出明显比剪辑软件慢M1 上 ffmpeg 用不了 GPU别指望硬件加速长视频挪到有显卡的 Linux 机器跑那次凌晨的翻车从此有了标准动作先止损30 秒把镜像回滚回去再慢慢查原因。你升级部署时踩过什么坑评论区聊聊。【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AutoCut 自动化部署：视频剪辑环境 10 分钟上线
AutoCut 自动化部署视频剪辑环境 10 分钟上线【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut新版 AutoCut 上线当晚转录报错你只能重装环境、把剪了一半的视频一条条重跑折腾了两个小时。根子是部署没有后路。今天把这套「用文本编辑器剪视频」的工具的 3 条部署路径讲清楚10 分钟跑起来出问题 30 秒回滚。部署菜单本地 pip 到 GPU 容器的 3 条选型动手前先选型。仓库官方提供 3 条路本地 pip 安装、CPU 容器Dockerfile、GPU 容器Dockerfile.cuda。方式适用场景一句话优缺点本地 pip 安装个人快速体验、轻量剪辑上手最快10 分钟搞定但宿主机的 ffmpeg 和 PyTorch 版本要自己兜底CPU 容器无显卡的生产环境长期跑环境封装干净宿主机零配置转录偏慢适合 small/medium 模型GPU 容器长视频、large 大模型转录大模型转录快很多前提是 Nvidia 显卡加驱动装好了上手实操快速体验本地安装10 分钟出第一段字幕结论最快的路径。前置条件就两个——Python 3.9 和 ffmpegUbuntu/Debian 一句sudo apt install ffmpegmacOS 用 brew。克隆仓库并安装包成功后会得到一个autocut控制台命令git clone https://gitcode.com/GitHub_Trending/au/autocut cd autocut pip install .不想克隆也可以直接pip install autocut-sub。跑autocut -t test.mp4验证视频旁边会生成同名.srt和.md文件出现这两个文件就算通了接下来直接在.md里删句子就是剪视频。如果pip install失败九成是 torch 版本冲突先装对应版本的 PyTorch 再重装。容器化稳定运行一次构建宿主环境零要求结论想一劳永逸就用 Docker。Dockerfile 里已内置 ffmpeg 和 CPU 版 PyTorch宿主机什么都不用装。构建并运行把挂载路径换成你的视频目录docker build -t autocut . docker run -it --rm -v /path/to/videos:/autocut/video autocut /bin/bash构建那步会拉不少依赖首次几分钟进容器后跑autocut -t 视频.mp4立刻可用。有 Nvidia 卡就走 GPU 版docker build -f Dockerfile.cuda -t autocut-gpu .运行时加--gpus all。构建失败多半是拉基础镜像或 torch 下载卡住重跑命令即可续传。一键自动化daemon 模式常驻监听文件夹结论环境稳定后把它挂上监听。核心是 autocut/daemon.py 里的文件夹监听逻辑一条命令常驻autocut -d 2022-11-04往该文件夹丢新录的视频它会自动转录生成.md你在.md里删掉不要的句子保存后自动剪出_cut.mp4多个视频还能拼成autocut_merged.mp4。做完应该看到文件夹里持续新增字幕和剪切文件若停止生成先看监听进程是否还活着不在就重启。后路新版翻车时的 30 秒回滚三种情况别犹豫直接回滚升级后批量转录报错、容器反复崩溃起不来、输出字幕编码乱掉。先止损、后排查——让生产流程先跑起来再回头翻日志。代码回滚一条 git 命令退回上个版本翻历史找到上一个好版本退回去git log --oneline git reset --hard commit-hash注意AutoCut 是 Python 包代码变更后必须重跑pip install .新代码才会生效。回滚后同样要重装一次否则环境里跑的还是旧代码。镜像回滚旧 tag 一拉就起镜像回滚的前提是每次升级前先带版本 tag 构建比如autocut:20260919而不是只用latest互相覆盖。docker images | grep autocut挑出旧 tag用它docker run起一个新容器视频目录挂载不变就能接管工作。新镜像留在本地不删排查完随时切回去。避坑手册5 个高频问题和解法⚠️ 下面这 5 条都是真实高频坑部署前花一分钟过一遍。现象原因对策GPU 不生效转录一直走 CPU装的是 CPU 版 PyTorchpython -c import torch; print(torch.cuda.is_available())验证为 False 就先手动装 GPU 版 torch 再装 AutoCut报显存不足大模型体积大降档--whisper-model small或--device cpu强制 CPU中文字幕乱码转录与剪切两步编码不一致两步统一--encodinggbkTypora 可能自动转码编辑后用 VS Code 按目标编码保存再剪升级后新功能不生效代码没重装进环境重跑pip install .它是包不是脚本Apple M1 上导出明显比剪辑软件慢M1 上 ffmpeg 用不了 GPU别指望硬件加速长视频挪到有显卡的 Linux 机器跑那次凌晨的翻车从此有了标准动作先止损30 秒把镜像回滚回去再慢慢查原因。你升级部署时踩过什么坑评论区聊聊。【免费下载链接】autocut用文本编辑器剪视频项目地址: https://gitcode.com/GitHub_Trending/au/autocut创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考