在短视频爆发与长内容价值深挖并行的当下，如何“又快又准”地把冗长音视频变成高浓度素材成为内容创作者的普遍痛点。PreenCut——由独立开发者 roothch 开源、结合 WhisperX+大模型的 AI 视频剪辑框架——给出了新答案：只需一句自然语言描述，即可秒级检索并导出目标片段。本文将带你从原理到落地，全面拆解这款工具的工程细节与落地姿势。

一、项目概述  

一句话200 字总结：PreenCut 是一款基于 WhisperX 高精度语音转录、DeepSeek/豆包大模型语义理解的开源 AI 视频剪辑工具，支持自然语言检索、AI 智能分段、批量处理与多格式导出，可一键将长视频转化为精华片段 ZIP 包或合并视频，极大提升影视、教育、自媒体等多场景剪辑效率。

二、主要功能  

（一）、自动语音转录  

1、多语言：支持 99 种语言的词级转录。 

2、说话人标签：访谈场景自动区分主持人/嘉宾。 

（二）、AI 智能分段  

1、无参数化：无需设置阈值，LLM 依据语义自动决定切分粒度。 

2、摘要即标签：每段 10~15 字，可直接做章节标题。 

（三）、自然语言搜索  

1、支持中文、英文混合描述，如“找出张三谈 AI 安全的部分”。 

2、返回 Top-K 候选片段，置信度可视化。 

（四）、智能剪辑导出  

1、单段导出：一键生成同名+起止时间的 mp4。 

2、多段合并：按时间轴顺序合并，可自定义转场黑帧。 

3、ZIP 打包：含视频、SRT、JSON 元数据，方便二次创作。 

（五）、批量处理  

1、CLI：python preencut.py –input_dir ./lectures –prompt “课程章节” 

2、Web UI：Gradio 拖拽多文件，进度条实时刷新。 

（六）、重新分析  

在不重新跑WhisperX 的前提下，换 Prompt 即可二次生成片段，节省 80 % 时间。

三、技术原理 

（一）、端到端流水线总览  

1、输入层：支持 mp4、mov、mkv、mp3 等十余种音/视频容器与编码。 

2、语音转录层：调用 WhisperX（Large-V3），输出带词级时间戳的 SRT/JSON。 

3、语义理解层：将转录文本连同时间戳送入本地或云端 LLM（DeepSeek、DouBao），按用户 Prompt 生成“片段摘要 + 起止时间 + 置信度”。 

4、片段索引层：构建 (start, end, summary, tags) 四元组向量索引，支持稠密向量+关键词联合召回。 

5、导出层：FFmpeg 子进程执行无损裁剪/合并，可选 ZIP 打包或单文件输出。

（二）、核心算法解析  

1、语音活动检测（VAD）与说话人分离 

WhisperX 内部采用 Silero VAD + pyannote 说话人嵌入，保证多人访谈也能切准边界。  

2、Prompt 工程 

系统内置默认Prompt：  

“`

请根据以下转录文本，把视频分成语义完整的片段，每段一句话总结，输出JSON 数组，字段：start, end, summary。

“`  

用户可在Re-analyze 页面无代码重写 Prompt，实现“找出所有产品 Demo” 等自定义需求。  

3、时间戳对齐策略 

LLM 返回的秒级时间戳通过正则回溯到最近词级时间戳，误差 <300 ms。  

4、资源监控 

采用psutil 实时采集 CPU、VRAM、I/O；当显存不足时自动下调 WhisperX batch_size，防止 OOM。

（三）、性能优化要点  

1、WhisperX batch_size 与模型尺寸可在 config.py 热调；单张 RTX 4090 批尺寸 16 时，1h 视频转录 <5 min。 

2、LLM 侧支持本地 vLLM 推理，降低云端调用成本。 

3、FFmpeg 采用 -c copy 无损裁剪，速度瓶颈仅磁盘 I/O。

四、应用场景  

（一）、长视频精剪

在信息快速更迭的当下，长视频易使观众疲倦。PreenCut能将2小时的访谈、播客等内容，精准浓缩为5分钟精华。对于B站知识区UP主而言，可高效产出有价值内容，吸引观众注意力，提升视频传播效率与影响力，让观众短时间获取核心信息。

（二）、教育内容整理

大学公开课内容多、时长久，学生复习困难。PreenCut可自动对课程章节化，按语义划分片段并生成总结。学生复习时能秒级跳转至所需知识点，节省时间与精力。教师也能借此整理教学视频，为学生提供更清晰的学习资源。

（三）、影视后期

影视剪辑处理大量dailies素材时，传统筛选效率低。PreenCut通过自然语言检索，如输入“NG”“笑场”等关键词，能从海量素材中快速定位相关镜头，辅助剪辑师粗剪，既提高效率，又确保重要素材不被遗漏。

（四）、新闻报道

新闻记者需从大量采访素材提取关键信息。PreenCut可助力记者快速定位，如记者会结束后，输入“关于房价的回答”等关键词，能即刻找到金句片段，帮助记者高效完成报道，提高新闻时效性与准确性。

（五）、自媒体创作

自媒体创作者需不断产出新颖内容。PreenCut让创作者能利用同一视频素材，更换不同Prompt生成多条短横竖屏素材。在TikTok/抖音等平台，可根据热点和受众需求多样化创作，提升账号影响力与粉丝量。

五、快速使用

（一）、环境准备  

1、系统：Ubuntu 22.04 / Windows 11 / macOS 13+ 

2、Python≥3.8，CUDA≥11.8（可选） 

3、安装 FFmpeg 

# Ubuntusudo apt update && sudo apt install ffmpeg# macOSbrew install ffmpeg# Windows 下载 https://ffmpeg.org 并加入 PATH

（二）、源码部署  

1、克隆仓库 

git clone https://github.com/roothch/PreenCut.gitcd PreenCut

2、安装依赖 

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3、配置 API 密钥 

编辑config.py，按需填写 LLM_MODEL_OPTIONS；然后在 shell 写入 

export DEEPSEEK_V3_API_KEY=sk-xxxexport DOUBAO_1_5_PRO_API_KEY=sk-yyy

（三）、启动Gradio界面

python main.py # 浏览器访问 http://localhost:7860

六、结语  

PreenCut 用“语音转录 + 大模型语义”把传统 NLE（非线性编辑）里数小时的机械拖拽浓缩成一句自然语言，代表了 AIGC 工具下沉到剪辑场景的最新范式。随着本地 LLM 推理成本持续走低，类似 PreenCut 的“零门槛、高精准”AI 剪辑框架将成为内容工业化的新基建。

GitHub 源码：https://github.com/roothch/PreenCut 

（文：小兵的AI视界）