FunClip v2.1.0：本地 AI 视频剪辑的首个版本化发布

2026-07-24 · FunClip Release

FunClip v2.1.0 是项目首个带版本号的 GitHub Release。它把当前本地视频剪辑应用固定为一个可下载、可校验、可回退的版本：先用 FunASR 系列模型识别视频，再按字幕、说话人或大模型选出的片段完成剪辑。

你可以直接使用公开 Space，也可以下载源码在自己的机器上运行；视频、音频和模型权重不需要打包进发布归档。

选择适合剪辑任务的识别路径

1. 先在线体验

FunClip Hugging Face Space 运行同一套公开应用，适合先验证视频上传、ASR、字幕选择和智能剪辑流程。需要处理私有视频或固定依赖时，再部署本地版本。

2. 下载并校验 v2.1.0

Linux 和 macOS 可以下载 tar.gz；Windows 或通用解压场景可以下载 zip。下面的校验命令只检查当前目录中已经下载的归档：

curl -LO https://github.com/modelscope/FunClip/releases/download/v2.1.0/FunClip-2.1.0.tar.gz
curl -LO https://github.com/modelscope/FunClip/releases/download/v2.1.0/SHA256SUMS
sha256sum -c SHA256SUMS --ignore-missing

tar -xzf FunClip-2.1.0.tar.gz
cd FunClip-2.1.0
python -m pip install -r requirements.txt
python -m pip install -U "funasr>=1.3.29"
python funclip/launch.py

Windows 用户可运行 Get-FileHash -Algorithm SHA256 FunClip-2.1.0.zip，再与 SHA256SUMS 对照。

3. 从字幕剪辑到内容理解剪辑

默认工作流先将视频转成带时间信息的字幕，再让用户按文本或说话人选段。LLM 智能剪辑会把字幕和提示词交给已配置的大模型，返回可直接交给现有剪辑按钮的时间段。

• 字幕足以判断内容时，使用已支持的字幕驱动大模型提供商。
• 动作、画面变化或屏幕事件比字幕更重要时，可选 TwelveLabs Pegasus，让模型同时理解视觉和音频。
• 需要人工精确控制时，直接选择识别文本或说话人，输出目标视频和对应 SRT 字幕。

为什么发布的是源码归档，而不是 wheel

FunClip 是可运行应用，而不是已声明为 Python 库的包；仓库没有用于构建 wheel 的 setup.py 或 pyproject.toml。因此 v2.1.0 提供两个诚实的应用源码归档和一份校验文件：

• FunClip-2.1.0.tar.gz
• FunClip-2.1.0.zip
• SHA256SUMS

归档包含 Git 已跟踪的应用源码、文档和依赖清单，不捆绑运行依赖或模型权重；不同模型继续遵循各自的许可证与分发方式。

与 FunASR 1.3.29 的版本关系

FunClip v2.1.0 要求 funasr>=1.3.29。该版本在 SenseVoice 缺少 token 时间戳时，通过 sentence_info 返回每个 VAD 语音区域，让字幕和剪辑客户端获得真实分段边界；同时包含 1.3.28 的实时终稿与短尾语音修复。详情见 FunASR v1.3.29 Release。