haziqahmedqasmi/PeakCut

项目介绍

PeakCut 接收 YouTube、Twitch、Kick 链接或上传的视频文件，在本机转录音频，再让聊天模型挑出最能抓住陌生观众注意力的片段。每个片段裁剪成 9:16，配上逐词字幕（三种样式可选）和开场钩子，可以排队或自动发布到已连接的 YouTube、Instagram、TikTok 账号。它还支持把直播录进滚动缓冲区，在直播进行中用响度、聊天活跃度和转录文本实时切出高光片段。

目标用户是不想订阅 SaaS 剪辑服务、希望自己掌控数据和模型选择的创作者与剪辑者。

快速使用

前提：Python 3.10 或更新版本，ffmpeg 在 PATH 中。

git clone <仓库地址> peakcut
cd peakcut
pip install -r requirements.txt
python -m studio.fetch_model
python -m studio.server

fetch_model 会下载一次语音模型（约 480 MB）。然后打开 http://127.0.0.1:8765；未开启账号时直接进入仪表盘，无需登录。在 Settings → AI 里选择服务、粘贴密钥并点 Save and test。也可以把 PEAKCUT_AI_PROVIDER、PEAKCUT_AI_MODELS、PEAKCUT_AI_KEY 写进 .env，仪表盘里的设置优先。支持的服务列表包含 Gemini、OpenAI、Grok、Groq、OpenRouter、Claude、本地 Ollama 以及任何兼容 OpenAI 格式的地址，并附各服务的密钥获取入口。

AI 选择与费用

选段需要能返回 JSON 的聊天模型，速度快、价格低的模型就够用，一小时的视频大约四次请求。多个模型 ID 用逗号分隔会按顺序回退。完全不配密钥也能用，此时仅按响度挑选片段。语音转文字不走 AI 服务，而是本地通过 sherpa-onnx 和 Parakeet 模型完成，音频不会离开本机。费用由用户直接支付给 AI 服务商，应用里的 AI usage 页面显示每个视频的请求数和 token 数。

部署与账号

在个人电脑上运行时只监听 127.0.0.1，没有登录。放到他人可访问的服务器上时应设置 PEAKCUT_ACCOUNTS=1，启用邮箱或 Google 登录以及 /admin 管理后台；管理员只能在命令行用 python -m studio.admin grant you@example.com 授予。数据按用户隔离（本机 SQLite，服务器 PostgreSQL），视频和片段存放在各用户自己的目录。单服务器 Docker 加 PostgreSQL 和 Caddy HTTPS 的流程见部署文档，发布账号的 OAuth 配置见连接发布账号，所有配置项在 .env.example 中有说明。

使用约束

• 需要 Python 3.10+ 和 ffmpeg，语音模型下载约 480 MB。
• 关闭登录时不要把服务暴露到公网。
• 发布到 YouTube、Instagram、TikTok 需要各平台应用凭证和 OAuth 配置；发布间隔和每日上限可配置。
• 项目每隔几小时向 GitHub 发送两个提交 ID 检查更新，可用 PEAKCUT_UPDATE_CHECK=0 关闭。
• 下载、剪辑和发布内容的权利以及来源和目标平台条款由使用者负责。
• 默认不限制上传大小、视频时长、录制数量、创作者数或存储，除非在 .env 中设置。

HotRepo 点评

PeakCut 于 2026-11-14 进入 HotRepo 新项目榜，在 Python 语言榜中记录到创建后约 14 小时内新增 104 Star、40 Fork。对一个刚发布的仓库来说起步很快，但这是单次快照，不能据此判断长期趋势。本地转录、自带模型密钥、自托管直播切片和多账号发布这套组合，面向的是原本需要购买剪辑 SaaS 的用户，也解释了初期 Fork 比例偏高的现象。