AI Movie Clip – 基于python的智能视频剪辑系统

一个基于人工智能的自动视频剪辑系统，能够自动分析视频内容并根据用户需求生成编辑后的视频。该项目为视频剪辑mcp提供了一个新的研究方向，它使用python脚本来分析和处理视频，同时你可以编辑自己设定的模版进行一键创作。

开源：https://github.com/LumingMelody/Ai-movie-clip

功能特性

• 🎬 视频自动分析：使用CV和ML模型分析视频内容
• 🎨 多样化模板：支持多种视频风格模板（社交媒体、商业、教育等）
• 🤖 AI内容生成：集成文本生成、图像生成和语音合成
• 🎭 特效和转场：丰富的视频效果和转场动画
• 🚀 API服务：提供FastAPI接口，支持批处理
• 🔌 MCP集成：支持Model Context Protocol扩展

快速开始

环境要求

• Python 3.8+
• FFmpeg（用于视频处理）
• CUDA（可选，用于GPU加速）

安装步骤

1. 克隆项目

git clone https://github.com/LumingMelody/Ai-movie-clip.git
cd Ai-movie-clip

1. 安装依赖

pip install -r requirements.txt

1. 配置环境变量

复制环境变量模板并填写您的配置：

cp .env.example .env

编辑 .env 文件，填入您的API密钥：

# AI Model API Keys
DASHSCOPE_API_KEY=your_dashscope_api_key_here
OPENAI_API_KEY=your_openai_api_key_here

# OSS Configuration (Alibaba Cloud)
OSS_ACCESS_KEY_ID=your_oss_access_key_id_here
OSS_ACCESS_KEY_SECRET=your_oss_access_key_secret_here
OSS_BUCKET_NAME=your_bucket_name_here

获取API密钥

• DashScope API Key: 访问 阿里云DashScope控制台
• OpenAI API Key: 访问 OpenAI平台
• OSS配置: 访问 阿里云OSS控制台

使用方法

命令行工具

# 分析视频
python main.py analyze video.mp4 --output analysis.json

# 自动剪辑视频
python main.py edit video.mp4 --duration 30 --style "抖音风"

# 查看更多选项
python main.py --help

Web API服务

# 启动FastAPI服务器
python app.py
# 或
uvicorn app:app --reload

# 访问API文档
# http://localhost:8000/docs

API示例

import requests

# 分析视频
response = requests.post(
    "http://localhost:8000/analyze",
    files={"file": open("video.mp4", "rb")},
    data={"duration": 30}
)

# 生成编辑视频
response = requests.post(
    "http://localhost:8000/edit",
    json={
        "video_path": "path/to/video.mp4",
        "template": "douyin",
        "duration": 30
    }
)

项目结构

Ai-movie-clip/
├── core/                  # 核心功能模块
│   ├── orchestrator/     # 工作流编排
│   ├── analyzer/         # 视频分析
│   ├── ai/              # AI模型集成
│   ├── clipeffects/     # 视频特效
│   ├── cliptransition/  # 转场效果
│   ├── clipgenerate/    # AI内容生成
│   └── cliptemplate/    # 视频模板
├── templates/           # Jinja2模板文件
├── config/             # 配置文件
├── main.py            # CLI入口
├── app.py             # API服务器
└── requirements.txt   # 依赖列表

高级功能

自定义模板

在 templates/ 目录下创建新的模板文件：

# templates/custom/my_template.j2
产品名称：{{ product_name }}
特点：{{ features }}
价格：{{ price }}

扩展AI模型

在 core/ai/ai_model_caller.py 中添加新的模型：

def call_custom_model(prompt):
    # 实现您的模型调用逻辑
    pass

其它

该项目属于新的，还有很多不完善的地方，但提供的思路是好的，如将提示词精炼后给到大模型时ai执行指令调用工具剪辑的流程

示例提示词模板（给大模型的prompt）：

你是一个智能视频剪辑助手。现在我给你以下信息：

视频内容类型：{content_type}
视频片段数量：{num_videos}
视频分析结果：
- 场景切换频繁程度：{scene_change_freq}
- 是否包含人声：{has_speech}
- 是否包含人脸：{face_present}
- 主要对象：{main_objects}

请根据以上信息，生成一个适合该类型视频的剪辑策略，并输出具体的函数调用指令。

你的输出格式如下：
{
  "thought_process": [
    "第一步：识别出视频高潮部分在第10-15秒。",
    "第二步：裁剪冗余开头和结尾。",
    ...
  ],
  "actions": [
    {"function": "cut", "start": 0, "end": 5},
    {"function": "add_transition", "type": "fade", "start": 5, "duration": 1},
    ...
  ]
}

调用工具执行剪辑（使用 FFmpeg + Python）

支持的函数示例：

示例调用（使用 subprocess 调用 FFmpeg）：

import subprocess

def cut_video(input_path, output_path, start, end):
    cmd = f"ffmpeg -i {input_path} -ss {start} -to {end} -c copy {output_path}"
    subprocess.run(cmd, shell=True)

通过完善不同的工作流就有了初步的mcp化功能，你可以拿这个项目作进一步的完善和研究