# JJYB_AI_VideoAutoCut **Repository Path**: cnrk/JJYB_AI_VideoAutoCut ## Basic Information - **Project Name**: JJYB_AI_VideoAutoCut - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: videoautocut - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-12-30 - **Last Updated**: 2025-12-30 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 🎬 JJYB_AI智剪 v2.0 > **智能视频剪辑工具** - 完整AI流程 + 精确同步机制 > **状态**: ✅ 100%完成 | **版本**: v2.0 | **发布**: 2025-11-11 --- ## ⚡ 快速开始（3步） ### 1️⃣ 检查环境 ```bash python check_system.py ``` ### 2️⃣ 启动应用 ```bash # 双击运行 启动应用.bat # 或命令行 python frontend/app.py ``` ### 3️⃣ 访问应用 ``` http://localhost:5000 ``` 🎉 **完成！** 详细指南 → [START_HERE.md](START_HERE.md) --- ## ⭐ 三大核心功能 ### 🎬 视频编辑器 - 🎯 完整播放控制 + 轨道管理 - ⚡ **音画/字画/字音三重同步** (<100ms) - ✨ 特效、滤镜、转场完整支持 - 📍 URL: `http://localhost:5000/` ### 🎙️ AI配音 - 🔊 多引擎TTS (Edge-TTS/gTTS/voice_clone) - 🎵 丰富音色库 + 声音克隆 - 🎛️ 实时参数调节 - 📍 URL: `http://localhost:5000/voiceover` ### 📝 原创解说 - 🤖 AI视觉理解 → LLM文案 → TTS配音 → 视频合成 - 🔗 完整自动化流程 - 🎯 精确同步机制 - 📍 URL: `http://localhost:5000/commentary` --- ## 🤖 AI模型支持 ### 大语言模型（9种） - ✅ **通义千问** (阿里巴巴) - 推荐 - ✅ **文心一言** (百度) - ✅ **ChatGLM** (智谱AI) - ✅ **DeepSeek** - 性价比高 - ✅ **OpenAI GPT-4/GPT-3.5** - 专业版 - ✅ **Claude 3 (Anthropic)** - 高级推理 - ✅ **Google Gemini** - 多模态 - ✅ **月之暗面 Kimi** - 长文本 - ✅ **讯飞星火** (科大讯飞) ### 视觉分析模型（6种） - ✅ **通义千问VL** - 推荐 - ✅ **百度视觉** - ✅ **腾讯云视觉** - ✅ **GPT-4V** (OpenAI Vision) - ✅ **Gemini Vision** (Google) - ✅ **Claude Vision** (Anthropic) ### 语音TTS模型（4种） - ✅ **Edge-TTS** - 免费推荐（23+音色） - ✅ **Google TTS (gTTS)** - 免费多语言 - ✅ **Azure TTS** - 专业级（付费） - ✅ **Voice Clone** - 本地语音克隆 > ℹ️ 内置回退：已集成 pyttsx3（离线），在网络受限时会自动回退以保证配音可用。 --- ## 🏗️ 技术架构 ``` ┌─────────────────────────────────────────┐ │ 前端层 (Frontend) │ │ Flask 3.0 + Socket.IO + 现代化UI │ └─────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────┐ │ AI引擎层 (Backend) │ │ • 视觉分析 (6种模型) │ │ • 文案生成 (9种大语言模型) │ │ • 语音合成 (4种TTS引擎) │ │ • 音频处理 (Whisper/Librosa) │ └─────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────┐ │ 视频处理层 (Processing) │ │ FFmpeg + MoviePy + OpenCV │ └─────────────────────────────────────────┘ ↓ ┌─────────────────────────────────────────┐ │ 数据层 (Database) │ │ SQLite + 项目管理 + 素材管理 │ └─────────────────────────────────────────┘ ``` ## 📁 项目结构 ``` JJYB_AI智剪/ ├── 启动应用.bat # ⭐ 一键启动脚本（推荐入口） ├── check_system.py # 🔍 系统检查与依赖检测 ├── init_test_data.py # 📊 初始化测试数据 ├── requirements.txt # 📋 Python 依赖清单 ├── README.md # 📖 项目说明（本文件） ├── START_HERE.md # 🚀 快速入口指南 ├── frontend/ # 🎨 前端 Web 与桌面界面 │ ├── app.py # Flask 主应用入口（含 WebSocket） │ ├── templates/ # HTML 模板（核心业务页面 + 公共模板） │ │ ├── index.html # 视频编辑器首页 │ │ ├── commentary.html # 原创解说页面 │ │ ├── remix.html # 混剪模式页面 │ │ ├── voiceover.html # AI 配音页面 │ │ ├── settings.html # 设置与 API 配置页面 │ │ ├── projects.html # 项目管理页面 │ │ └── ... # 其他页面（404/500/AI 功能等） │ └── static/ # 静态资源（CSS/JS/图片/字体等） ├── backend/ # 🤖 后端服务与 AI 引擎 │ ├── api/ # API 路由与接口 │ ├── engine/ # AI 引擎与音视频处理核心 │ ├── services/ # 业务服务层（解说/混剪/配音等） │ ├── config/ # 后端配置（AI/路径等） │ ├── database/ # 数据库访问与会话管理 │ ├── prompts/ # 提示词模板与系统提示 │ ├── utils/ # 通用工具函数与日志 │ ├── core/ # 核心启动与调度逻辑 │ └── assets/ # 资源与示例文件 ├── config/ # ⚙️ 全局配置（INI/路径等） ├── database/ # 💾 数据库文件 ├── logs/ # 📁 运行日志 ├── resource/ # 📦 AI 模型与模板资源 ├── uploads/ # 📥 用户上传文件 ├── output/ # 📤 导出结果文件 ├── tests/ # ✅ 自动化测试 ├── 开发文档/ # 📚 完整开发文档 │ ├── README.md # 开发文档说明 │ ├── 文档索引.md │ ├── JJYB_AI智剪_完整开发文档.md │ ├── JJYB_AI智剪_完整开发文档_Part2.md │ └── JJYB_AI智剪_完整开发文档_Part3.md └── yolov8n.pt # 🎯 YOLOv8 模型权重（目标检测） ``` ## 🔧 技术栈 ### Web框架 - **后端框架**: Flask 3.0+ - **实时通信**: Flask-SocketIO 5.3+ - **数据库**: SQLite - **桌面应用**: PyWebView 4.4+ ### AI/深度学习 - **深度学习框架**: PyTorch 2.0+ - **目标检测**: Ultralytics (YOLOv8) - **音频处理**: Librosa, SoundFile, Pydub - **语音识别**: Whisper / faster-whisper（当前实现） - **语音合成**: Edge-TTS, gTTS, Azure TTS - **语音克隆**: Voice Clone (本地部署) ### 大语言模型（9种） - 通义千问、文心一言、ChatGLM、DeepSeek - OpenAI GPT-4、Claude 3、Google Gemini - 月之暗面 Kimi、讯飞星火 ### 视觉模型（6种） - 通义千问VL、百度视觉、腾讯云视觉 - GPT-4V、Gemini Vision、Claude Vision ### 视频处理 - **核心引擎**: FFmpeg - **Python封装**: MoviePy 1.0+, OpenCV 4.8+ - **图像处理**: Pillow 10.0+, ImageIO - **字幕处理**: pysrt ## 📖 详细使用说明 ### 第一步：配置API（首次使用必须） 访问API配置页面：`http://localhost:5000/api_settings` **必须配置（至少一个）**： 1. **大语言模型API**（用于AI文案生成） - 推荐：通义千问（免费额度） - 性价比：DeepSeek - 专业版：OpenAI GPT-4、Claude 3 **可选配置**： 2. **视觉分析模型API**（用于视频内容理解） - 推荐：通义千问VL 3. **TTS语音服务**（已内置Edge-TTS免费服务） - 专业级：Azure TTS（需付费） - 本地克隆：Voice Clone ### 第二步：选择功能模块 #### 🎙️ 原创解说剪辑 **完整流程**： 1. 上传视频文件 2. 选择大语言模型（自动生成文案） 3. 选择视觉模型（分析画面内容） 4. AI自动生成解说文案 5. 选择音色并配音 6. 调整参数（可选）： - 多模态特征提取（6个参数） - 时间轴优化（4个参数） - 技术性能优化（4个参数） - 跨平台适配（6个参数） 7. 一键导出成品视频 **高级配置**：52个配置项可精细调优 #### ✂️ 混剪模式 **两种模式**： 1. **大众混剪模式** - 批量导入视频素材 - AI智能识别精彩片段 - 选择混剪风格（燃向/治愈/搞笑等） - 自动添加转场和特效 - 导出混剪视频 2. **音乐卡点混剪** - 上传音乐文件 - 自动节奏检测（4种算法） - 卡点匹配策略（4种） - 智能片段选择与排序 - 自动对齐音乐节拍 **高级配置**：34个配置项 #### 🔊 AI配音 **使用流程**： 1. 输入文本内容 2. 选择TTS引擎： - Edge-TTS（推荐，免费，23+音色） - Google TTS（免费，100+语言） - Azure TTS（专业级，需付费） - Voice Clone（本地语音克隆） 3. 选择音色和语言 4. 调整基础参数（语速/音调/音量） 5. 高级配置（可选）： - TTS声学模型（5种） - 声码器配置（5种） - 韵律预测（8个参数） - 情感TTS（12个参数） - 说话人嵌入（8个参数） - 音频特征提取（8个参数） 6. 实时预览效果 7. 导出高质量音频 **高级配置**：38个配置项（30个AI配置） ## ⚠️ 常见问题 ### 问题1：启动失败 - Python未安装 **症状**：提示"未找到Python" **解决方案**： 1. 访问：https://www.python.org/downloads/ 2. 下载Python 3.9-3.11版本 3. 安装时勾选"Add Python to PATH" 4. 重新运行启动文件 --- ### 问题2：端口被占用 **症状**：提示"端口5000已被占用" **解决方案**： 1. 启动时选择[Y]自动释放端口 2. 或手动关闭占用进程： ```cmd netstat -ano | findstr ":5000" taskkill /F /PID [进程ID] ``` --- ### 问题3：依赖包缺失 **症状**：启动失败，提示模块未找到 **解决方案**： 1. 运行"安装AI依赖.bat"完整安装 2. 或启动时选择[1]快速安装 3. 手动安装： ```cmd pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ ``` --- ### 问题4：AI功能无法使用 **症状**：无法生成文案/无法配音 **解决方案**： 1. 检查API配置：访问 http://localhost:5000/api_settings 2. 确保至少配置了一个大语言模型API 3. 点击"测试"按钮验证API是否有效 4. 查看API密钥是否正确 --- ### 问题5：启动后无法访问 **症状**：浏览器打开但无法加载页面 **解决方案**： 1. 检查防火墙设置 2. 确认端口5000未被其他程序占用 3. 尝试手动访问：http://127.0.0.1:5000 4. 查看启动窗口的错误信息 --- ## 技术文档 详细文档请查看 `开发文档/` 文件夹： **核心技术文档**： - [JJYB_AI智剪_完整开发文档.md](开发文档/JJYB_AI智剪_完整开发文档.md) - [JJYB_AI智剪_完整开发文档_Part2.md](开发文档/JJYB_AI智剪_完整开发文档_Part2.md) - [JJYB_AI智剪_完整开发文档_Part3.md](开发文档/JJYB_AI智剪_完整开发文档_Part3.md) **索引与说明**： - [README.md](开发文档/README.md) - [文档索引.md](开发文档/文档索引.md) ## 系统要求 ### 最低配置 - **操作系统**: Windows 10/11（64位） - **Python版本**: 3.9 - 3.11（必须） - **内存**: 8GB RAM - **硬盘**: 10GB 可用空间 - **网络**: 需要互联网（安装依赖和API调用） - **FFmpeg**: 自动安装（包含在依赖中） ### 推荐配置 - **操作系统**: Windows 11 - **Python版本**: 3.10（最佳兼容性） - **内存**: 16GB RAM - **硬盘**: 20GB+ SSD - **CPU**: 多核处理器（4核心+） - **GPU**: NVIDIA显卡（可选，加速AI处理） ### 依赖包大小 - 基础依赖：~500MB - PyTorch（CPU版）：~200MB - AI模型：~1GB - **总计**: 约2GB磁盘空间 ## 📊 项目统计 ### 功能完成度 - **原创解说**: 52个配置项 ✅ - **视频混剪**: 34个配置项 ✅ - **AI配音**: 38个配置项 ✅ - **API配置**: 19个模型 ✅ - **总配置项**: 143个 ### 模型支持 - **大语言模型**: 9种 - **视觉模型**: 6种 - **TTS模型**: 4种 - **声学模型**: 5种 - **声码器**: 5种 - **总计**: 29种模型/算法 ### 技术文档 - 核心技术文档：4个 - 配置说明文档：4个 - 完善总结文档：8个 - **总计**: 16个完整文档 --- ## 🔄 版本历史 ### v2.0（2025-11-10）- 当前版本 - ✅ 统一启动文件（智能检查） - ✅ 完整API配置（19个模型） - ✅ 原创解说功能（52配置项） - ✅ 视频混剪功能（34配置项，2种模式） - ✅ AI配音功能（38配置项） - ✅ 完整技术文档（16个） ### v1.0（2024） - 基础视频编辑功能 - 简单AI配音 - 初始版本 --- ## 📞 技术支持 ### 遇到问题？ 1. **查看文档**：docs目录下的详细文档 2. **检查日志**：查看启动窗口的错误信息 3. **重新安装**：运行"安装AI依赖.bat" 4. **检查配置**：确保API配置正确 ### 反馈建议 欢迎提供使用反馈和改进建议！ --- ## 📄 许可证 MIT License Copyright (c) 2024-2025 --- ## 🎉 特别说明 **JJYB_AI智剪 v2.0** 是一个功能完整、配置丰富、文档齐全的专业AI视频编辑工具： - 🚀 **一键启动**：智能检查，自动配置 - 🤖 **19个AI模型**：全面支持主流模型 - ⚙️ **143个配置项**：专业级精细调优 - 📚 **16个技术文档**：完整技术体系 - 🎯 **100%完成度**：所有功能完整实现 **让AI视频创作更简单、更专业！** 🎬✨🚀