AI YouTube Shorts Generator: Highlight-Erkennung per LLM, zwei Betriebsmodi, unklare Lizenz

Ein Link rein, mehrere vertikale Clips raus

Das Projekt adressiert einen konkreten Engpass: Aus einem 40-Minuten-Interview die drei Stellen zu finden, die als 9:16-Clip funktionieren. Laut README nimmt die CLI eine YouTube-URL entgegen und liefert mehrere mp4-Dateien im Format 9:16 zurück, dazu pro Clip einen viral score, eine Hook-Zeile und eine Begründung. Zielgruppe sind laut Beschreibung Creators, Agenturen und Entwickler, die keine monatlichen Minutenkontingente bezahlen und den Auswahlalgorithmus selbst ändern wollen. Der Hinweis auf die Lizenz ist an dieser Stelle wichtig: Die README bezeichnet das Projekt als MIT-lizenziert und als importierbare Python-Bibliothek, die Metadaten des Repositorys enthalten jedoch keine Lizenzkennung. Wer einbettet oder white-labelt, sollte das vorher klären.

Transkript, LLM-Bewertung, Schnitt: die Kette im Detail

Die Pipeline besteht aus vier Stufen. Zuerst wird das Video beschafft, dann transkribiert, dann bewertet, dann geschnitten. Im API-Modus übernimmt MuAPI Download, Transkription und Auto-Crop; im Local mode laufen Download über yt-dlp, Transkription über faster-whisper und der vertikale Zuschnitt über ffmpeg mit OpenCV-Face-Tracking und Bewegungsglättung. Der LLM-Schritt bleibt in beiden Modi remote, sofern kein lokales Modell angebunden wird, was die README nicht beschreibt. Die Bewertung ist nicht generisch: Die README nennt ein Virality-Framework mit Hooks, emotionalen Höhepunkten, Meinungsaussagen, Offenbarungsmomenten, Konflikten, zitierbaren Sätzen, Story-Höhepunkten und praktischem Nutzen. Für Videos über 30 Minuten wird der Stoff laut README in überlappende Abschnitte zerlegt, damit keine Passage durch eine Chunk-Grenze fällt. Überlappende Highlights werden anschließend nach Score zusammengeführt, damit keine zwei fast identischen Clips entstehen. Das ist eine nachvollziehbare Konstruktion: Chunking mit Overlap erzeugt zwangsläufig Kandidaten, die sich überschneiden, und die Dedupe-Stufe ist die notwendige Gegenmaßnahme.

Installation und die zwei Moduspfade

Die README beschreibt Python 3.10 oder neuer als Voraussetzung. Der Ablauf ist das übliche Muster: Repository klonen, virtuelles Environment mit python3.10 -m venv venv anlegen, aktivieren, dann pip install -r requirements.txt. Wer den Local mode nutzen will, installiert zusätzlich pip install -r requirements-local.txt. Lokal muss ffmpeg im PATH liegen. Die Konfiguration läuft über eine .env-Datei im Projektwurzelverzeichnis. Für den API-Modus genügt MUAPI_API_KEY. Für den Local mode kommen LLM_PROVIDER mit den Werten openai oder gemini, OPENAI_API_KEY, OPENAI_MODEL (Vorgabe gpt-4o-mini), GEMINI_API_KEY, GEMINI_MODEL (Vorgabe gemini-2.5-flash), LOCAL_WHISPER_MODEL mit den Stufen tiny, base, small, medium oder large-v3, LOCAL_WHISPER_DEVICE mit auto, cpu oder cuda sowie LOCAL_OUTPUT_DIR hinzu. Der Aufruf selbst ist kurz: python main.py "URL" für den API-Modus, python main.py "URL" --mode local für die lokale Variante. Die Ausgabe landet laut README in ./output/short_01.mp4, short_02.mp4 und so weiter.

Batch, JSON und der zweite Weg zur selben Pipeline

Zwei Details sind für Automatisierung relevant. Erstens nennt die README Batch-Verarbeitung über xargs auf einer URL-Liste; das ist kein Skript im Repository, sondern ein Hinweis darauf, dass die CLI einzeln aufrufbar ist und sich deshalb von der Shell aus serialisieren lässt. Zweitens gibt es --output-json, das laut README das vollständige Ergebnis ausgibt: Transkript, jeden Kandidaten-Highlight und die finalen Clip-Pfade oder URLs. Damit lässt sich die Highlight-Auswahl nachgelagert prüfen, ohne die Videodateien erneut zu erzeugen. Die README verweist außerdem auf einen zweiten Betriebsweg: dieselbe Pipeline als einzelner HTTP-Aufruf über die AI-Clipping-API von MuAPI, ohne Python und ohne Abhängigkeiten, mit Bezahlung pro Clip statt Abonnement. Das ist kein Bestandteil des Repositorys, sondern ein beworbener Ersatz für den Selbstbetrieb, und die README dient hier zugleich als Vertriebskanal für diesen Dienst.

Wo das Modell an seine Grenzen kommt

Die virality score ist eine LLM-Einschätzung, keine Messung. Das Framework liefert Kategorien, aber keinen Mechanismus, der die Auswahl gegen tatsächliche Abrufzahlen prüft. Wer erwartet, dass der Score die Performance eines Clips vorhersagt, überschätzt ihn. Ein zweiter Punkt betrifft die Reproduzierbarkeit: Der Local mode ist nur insofern lokal, als Download, Transkription und Schnitt auf der eigenen Maschine laufen. Der Bewertungsschritt geht an OpenAI oder Gemini, das Transkript verlässt also den Rechner. Für Material, das nicht zu einem Cloud-Anbieter darf, ist der Local mode damit keine Lösung, sondern nur eine Verlagerung. Drittens die Kostenstruktur: Die README stellt das Projekt als kostenlos dar, nennt aber selbst "pay only for API usage" in der Vergleichstabelle. Im API-Modus zahlt man pro verarbeitetem Video bei MuAPI, im Local mode pro Token beim LLM-Anbieter. Lokal fallen außerdem Rechenzeit und, bei LOCAL_WHISPER_DEVICE=cuda, GPU-Speicher an. Bei langen Videos mit dem Modell large-v3 ist das ein spürbarer Posten, den die README nicht beziffert. Für sehr kurze Videos, etwa ein einzelnes Interview unter fünf Minuten, ist der Aufwand einer eigenen Installation schwer zu rechtfertigen; hier ist ein manueller Schnitt schneller.

Was ein lokaler Schnitt-Workflow anders macht

Die naheliegende Alternative ist keine andere Clipping-SaaS, sondern eine eigene Kette aus yt-dlp, faster-whisper und ffmpeg, bei der ein Mensch die Schnittpunkte setzt. Der Unterschied liegt nicht in den Bausteinen, die sind teilweise dieselben, sondern in der Entscheidung, wer die Highlights auswählt. Der AI YouTube Shorts Generator automatisiert genau diesen Schritt und macht ihn über den Score vergleichbar; ein manueller Workflow lässt diese Vergleichbarkeit weg und kostet pro Video deutlich mehr Zeit. Umgekehrt gilt: Der automatisierte Pfad liefert nur so viele Clips, wie das LLM als Highlights einstuft, und die README beschreibt keine Möglichkeit, einen Clip nachträglich zu verlängern oder einen verworfenen Kandidaten zu erzwingen. Wer feine Kontrolle über In- und Out-Punkte braucht, arbeitet mit dem JSON-Output weiter und schneidet selbst, womit der Vorteil der Automatisierung teilweise wieder aufgehoben ist.

Pflegeaufwand und externe Abhängigkeiten

Das Repository hat keine abrufbaren Releases, der letzte Push liegt laut Metadaten bei 2026-09-08. Wer es einsetzt, bindet sich an zwei bewegliche Teile: die MuAPI-Schnittstellen im API-Modus und die Modellnamen des LLM-Anbieters im Local mode. Beide sind über Umgebungsvariablen konfigurierbar, was den Wechsel erleichtert, aber die Modellvorgaben gpt-4o-mini und gemini-2.5-flash können jederzeit veralten. Die Whisper-Modelle werden über LOCAL_WHISPER_MODEL gewählt; ein Wechsel von base auf large-v3 verändert Transkriptionsqualität und Laufzeit gleichzeitig, ohne dass die README Anhaltspunkte für die Größenordnung gibt. Zur Lizenz: Die README nennt MIT und leitet daraus ab, dass White-Labeling und Einbettung erlaubt seien. Eine LIZENZ-Datei ist in den vorliegenden Metadaten nicht ausgewiesen. Bis das geklärt ist, sollte niemand das Projekt als Bibliothek in ein Produkt einbauen, ohne vorher im Repository nach der Lizenzdatei zu suchen. Das ist keine Rechtsberatung, sondern der Hinweis auf eine offene Angabe.

Für wen sich der Selbstbetrieb lohnt

Wer regelmäßig lange Videos verarbeitet, den Auswahlalgorithmus anpassen will und einen OpenAI- oder Gemini-Schlüssel ohnehin besitzt, bekommt mit --mode local einen Pfad, der Download, Transkription und Zuschnitt auf der eigenen Maschine hält. Wer dagegen nur gelegentlich einen Clip braucht, keine GPU-Zeit investieren will und mit der Abhängigkeit von MuAPI leben kann, fährt mit dem API-Modus kürzer. Der erste Schritt vor jedem Einsatz ist eine Prüfung der Lizenzdatei im Repository, denn davon hängt ab, ob der Import von generate_shorts in eine eigene Anwendung überhaupt zulässig ist.

Redaktionelles Fazit

Der AI YouTube Shorts Generator passt zu einzelnen Entwicklern oder kleinen Studios, die die Highlight-Auswahl selbst steuern wollen und Local mode mit eigenem OpenAI- oder Gemini-Schlüssel betreiben. Wer keine GPU oder CPU-Zeit für faster-whisper opfern will, fährt mit dem API-Modus günstiger, ist dann aber von MuAPI abhängig. Für Teams mit Compliance-Anforderungen an Video-Uploads ist der Cloud-Pfad die falsche Wahl. Vor dem ersten produktiven Lauf ist die Lizenzfrage zu klären: Die README nennt MIT, die Metadaten des Repositorys enthalten keine Lizenzdatei, und ohne diese Datei ist die Rechtslage nach dem Default-Copyright nicht dieselbe wie bei einer deklarierten MIT-Lizenz.

Offizielle Quellen

1. Anil-matcha/AI-Youtube-Shorts-Generator on GitHub
2. Issues
3. Project website
4. README