PodCut

播客/音频剪辑工具 — 转录 → 标记 → 导出

Apple Silicon 原生加速，本地运行，无需付费 API。

---

功能

• AI 转录 — mlx-whisper 在 Apple Silicon 上原生运行，4分钟音频约36秒转好
• 波形时间线 — 真实音频波形，支持 Ctrl+滚轮缩放（最高30倍），精准定位
• 标记剪辑 — 键盘驱动：X 删除废话，H 标记金句，Z 清除
• AI 建议 — 自动标记填充词/废话为删除，标记亮点为金句
• 成片预览 — P 键切换，播放时自动跳过删除段
• 导出 — 一键导出 MP4/MOV 精剪成片
• 视频+音频 — 支持 mp4/mov/mkv + mp3/m4a/wav/flac

快速开始

1. 安装

git clone https://github.com/yvaineyu9/podcut.git
cd podcut
bash scripts/setup.sh

setup.sh 会安装 python@3.11、ffmpeg@7、创建 venv、安装依赖。约10分钟。

2. 安装 mlx-whisper（推荐）

.venv/bin/pip install mlx-whisper

Apple Silicon 原生转录引擎，不需要 HF_TOKEN，不需要 torchcodec。

3. 启动

bash scripts/start.sh
# 或直接指定文件：
bash scripts/start.sh /path/to/podcast.mp3

浏览器自动打开 http://127.0.0.1:8787

使用流程

音频/视频文件
   │
   ▼  📂 选择文件（支持视频和音频）
   │
   ▼  ▶ 开始转录（mlx-whisper，选 large-v3 或 small）
   │
   ▼  编辑器：波形时间线 + 段落列表
   │   X = 删除  H = 金句  Z = 清除
   │   AI 自动建议 + 手动微调
   │
   ▼  💾 导出最终视频/音频

编辑器界面

┌──────────────────────────────────────────────┐
│ Header (logo · 文件名 · AI开关 · 导出)        │
├──────────────────────────────────────────────┤
│          媒体预览（视频大画面/音频播放器）       │
├──────────────────────────────────────────────┤
│ ⏪ ▶ ⏩ │ 时间码 │ 当前说话人: 文本            │
├──────────────────────────────────────────────┤
│ [-][+] 缩放 │ 统计信息                        │
│ ┌────────────────────────────────────────┐   │
│ │ 时间刻度尺                              │   │
│ │ ~~音频波形~~ (紫=保留 红=删除 金=金句)   │   │
│ │ ████ 说话人色带 ████                    │   │
│ └────────────────────────────────────────┘   │
├────────┬─────────────────────────────────────┤
│ 统计    │ 段落列表                            │
│ 说话人  │ 00:13 SPEAKER_00: 文本... [💣][🪙]  │
│ 筛选    │ ...                                 │
└────────┴─────────────────────────────────────┘

快捷键

操作	快捷键
播放/暂停	Space
后退/前进 5s	J / L
上/下一段	↑ / ↓
跳到段首	0
标记删除	X
标记金句	H
清除标签	Z
原片/成片切换	P
波形放大/缩小	+ / -

转录模型

模型	大小	中文精度	速度（M2）
large-v3	~3GB	最好	68分钟→6分钟
small	~460MB	够用	68分钟→2分钟

首次使用需下载模型。如遇网络问题，脚本会自动绕过本地代理。

项目结构

podcut/
├── scripts/
│   ├── setup.sh             # 一键安装
│   ├── start.sh             # 启动服务
│   ├── serve.py             # HTTP 服务 + API
│   ├── transcribe_mlx.py    # mlx-whisper 转录（推荐）
│   ├── transcribe.py        # WhisperX 转录（需 HF_TOKEN）
│   ├── cut.py               # 按标记切割音视频
│   └── extract.py           # 导出金句列表
├── editor/
│   └── index.html           # 单文件编辑器（Tailwind + Alpine.js）
├── Dockerfile
├── docker-compose.yml
└── requirements.txt

技术栈

• 转录: mlx-whisper（Apple Silicon）/ WhisperX（通用）
• 波形: ffmpeg PCM 提取 + Canvas 渲染
• 前端: Alpine.js + Tailwind CSS（单文件 HTML）
• 后端: Python stdlib HTTP server
• 切割: ffmpeg

License

MIT