FunClip
modelscope/FunClip · Python · MIT
文字起こし・字幕・LLM によるクリップ抽出をローカルで。
この解説はまだ日本語がありません。英語の原文を表示しています。
FunClip は FunASR/SenseVoice をローカルで動かし、単語レベルのタイムスタンプ付きで動画を文字起こし。あなた（または LLM）がセグメントを選ぶと、焼き込み字幕付きの正確な切り抜きクリップを書き出します。ASR 経路に有料 API は不要です。
スコア
導入の要点
git clone https://github.com/modelscope/FunClip.git && pip install -r requirements.txt 深読み
FunClip is Alibaba ModelScope's video-clipping workbench: it transcribes locally with the industrial-grade Paraformer-Large ASR model, then lets an LLM pick the clip-worthy moments — no paid transcription API involved.
Recognition quality is where the engineering went: SeACo-Paraformer hotword customization sharpens domain vocabulary, CAM++ speaker recognition tells speakers apart, and the whole interaction runs on a Gradio UI that starts with one command.
The same pipeline is available as a ModelScope Studio and a Hugging Face Space if you would rather try it in the browser before self-hosting.