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
- 克隆项目
git clone https://github.com/LumingMelody/Ai-movie-clip.git
cd Ai-movie-clip
- 安装依赖
pip install -r requirements.txt
- 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：
| 函数名 | 参数 | 功能 |
|---|---|---|
| cut(start, end) | 开始时间、结束时间 | 裁剪片段 |
| add_transition(type, start, duration) | 类型、开始时间、持续时间 | 添加转场 |
| speedup(start, end, factor) | 区间、加速倍数 | 加速播放 |
| apply_filter(filter_name, start, end) | 滤镜名称、区间 | 应用滤镜 |
| concatenate(clips) | 片段列表 | 合并多个片段 |
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
