AI YouTube Shorts Generator：把長影片變成直式短片的開源管線，值得自己架嗎？
Open-source alternative to Opus Clip, Vidyo.ai, Klap & SubMagic. Turn long-form YouTube videos into viral 9:16 shorts using LLM highlight detection, Whisper transcription, and auto vertical cropping — free, no watermarks, no per-clip credits.
秒懂
- 它是什麼？
- 這是一個以 Python 寫成的開源工具，號稱是 Opus Clip 與 Klap 的替代品，用 LLM 挑亮點、Whisper 轉錄、自動直式裁切。本文拆解它的兩種運作模式、實際安裝步驟，以及它在依賴第三方 API 與在地執行之間的取捨。
- 適合誰用？
- 這套工具適合已經有 YouTube 下載與 ffmpeg 經驗、想省下每月訂閱費的個人創作者或小型工作室，尤其是那些願意自己處理 API key 與錯誤訊息的人。不適合完全不想碰指令列、或需要穩定 SLA 的商業團隊，因為它的預設模式依賴 MuAPI，而在地模式又要求你自備 OpenAI 或 Gemini 金鑰，兩條路都無法完全脫離外部服務。
- 可以商用嗎？
- 可以。MIT 是寬鬆授權：你可以使用、修改並販售以它為基礎的軟體，只需保留著作權與授權聲明。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 5 天前。
- 用什麼語言寫的？
- 主要是 Python（依據 GitHub 的語言統計）。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月15日）與我們的分析，不構成法律意見。
開源專案深度解析
它解決的問題：剪輯的人力成本與訂閱牆
把一小時長的 YouTube 影片變成數支 9:16 短片，傳統做法是人工看帶、標記重點、再進剪輯軟體逐段調整構圖。這套開源專案想取代的正是這段流程。它的定位很清楚：給不想每個月付 20 到 300 美元訂閱費、又不希望影片被限制在 SaaS 伺服器上的創作者、代理商與開發者。README 直接點名 Opus Clip、Vidyo.ai、Klap、SubMagic 為比較對象，強調自己沒有浮水印、沒有按片段計費、也沒有分鐘數上限。對個人來說，訂閱制最惱人的不是單價，而是每個月都有剩餘額度歸零的壓力。這套工具把成本結構改成按 API 用量付費，或者完全在地執行，只付 LLM 的呼叫費。問題是，這種省錢方式需要你用技術能力去換，不是裝了就能無腦用。
兩種模式：API 一條龍與在地拼裝車
專案提供兩個執行路徑，這是理解它架構的關鍵。預設的 API 模式靠 MuAPI 這個第三方服務處理下載、轉錄、亮點排名與裁切，使用者只需要一支 API key。在地模式則把工作拆開：yt-dlp 負責下載、faster-whisper 做轉錄、ffmpeg 或 opencv 負責裁切，只有亮點排名這一步需要呼叫 OpenAI 或 Gemini。兩種模式的最終輸出格式相同，但依賴完全不同。API 模式適合想快速看到結果的人，缺點是影片內容會經過 MuAPI 的伺服器。在地模式比較隱私，但安裝步驟多，而且 ffmpeg 必須存在於 PATH，否則整個流程直接卡住。README 沒有說明 local 模式是否需要 GPU，只提到 faster-whisper 支援 CPU 與 CUDA，這代表沒有 NVIDIA 顯示卡的使用者還是能跑，只是速度會慢。
亮點偵測不是隨機剪，而是有評分框架
這套工具與其說是在剪片，不如說是在做文字分析。先由 Whisper 把音訊轉成逐字稿，然後把逐字稿交給 LLM，要求它根據鉤子、情緒高峰、意見炸彈、揭露時刻、衝突、金句、故事高峰與實用價值這八個維度去挑選片段。每個候選片段都會拿到一個病毒式評分、一句開場鉤子，以及一段解釋為什麼這段會有效的文字。這個設計讓使用者能事後檢查 AI 的決定，而不是接受一個黑箱結果。對比 Opus Clip 那類商業服務，這確實是開源優勢。但要注意，評分框架是由提示詞驅動，而提示詞寫在程式碼裡。你想調整評分標準，就必須改 Python 原始碼，不是改一個設定檔就能搞定。README 說演算法「完全可編輯」，實際門檻取決於你對程式碼的熟悉度。
安裝與第一個指令：從 clone 到產出短片
安裝流程是標準的 Python 專案步驟。先 clone 倉庫，建立 Python 3.10 的虛擬環境，然後安裝 requirements.txt。若打算用在地模式，還要額外安裝 requirements-local.txt。環境變數設定在 .env 檔，API 模式只需要 MUAPI_API_KEY，在地模式則要設定 LLM_PROVIDER 為 openai 或 gemini，並提供對應的金鑰。LLM 模型預設是 gpt-4o-mini 或 gemini-2.5-flash，Whisper 模型預設是 base，可切換到 large-v3 換取更高轉錄品質。執行指令很簡單，單一影片的 API 模式是 python main.py "https://www.youtube.com/watch?v=VIDEO_ID"，在地模式則加上 --mode local。輸出會寫到 ./output/short_01.mp4 這類檔案。README 也提到可以用 xargs 批次處理整個 URL 清單，這對需要一次處理大量影片的頻道來說很實用。
長影片處理與去重：設計上的兩個聰明點
超過 30 分鐘的影片會被自動分段，而且分段之間有重疊，目的是避免亮點剛好落在切點上而被漏掉。這是個務實的設計，因為 LLM 的上下文長度有限，不可能一次分析整個小時的逐字稿。但分段也帶來副作用：同一段內容可能出現在兩個分段裡，導致產生兩支幾乎一樣的短片。為了解決這個問題，專案加入了智慧去重機制，當兩個候選片段高度重疊時，只保留分數較高的那個。這個流程聽起來合理，但實際效果取決於去重的門檻值設定，而 README 沒有揭露具體的相似度演算法或參數。如果你處理的是談話性節目，來賓重複同一句話的機率很高，去重可能誤殺真正不同的片段。這部分需要實際跑過才能知道是否適用你的內容類型。
真正的地雷：依賴鏈與授權不明
最大的限制不是功能，而是依賴。API 模式完全綁在 MuAPI 上，這是一家商業服務，雖然 README 說「免費」，但實際上你需要申請 API key，而且用量到一定程度必然收費。在地模式雖然號稱離線，但 LLM 排名那一步仍然要連到 OpenAI 或 Gemini，所以它並非真正離線。此外，專案的授權欄位顯示 unknown，但 README 的比較表中自稱 MIT licensed。這是一個需要警惕的訊號，因為授權不明確代表你無法確定能否商用、能否修改後再發布。若你要把這套程式整合進自己的產品，必須先向維護者確認授權狀態。另一個問題是專案名稱與 clone 網址不一致，README 寫的是 git clone https://github.com/SamurAIGPT/AI-Youtube-Shorts-Generator.git，但倉庫路徑是 Anil-matcha/AI-Youtube-Shorts-Generator，這可能是維護者轉移了帳號，但也代表文件更新可能沒跟上。
替代方案的真實差異：黑箱 SaaS 與 DIY 管線
要比較這套工具，不能只說「Opus Clip 是付費的」。真正的差異在於工作流程的控制權。Opus Clip 那類服務把下載、轉錄、剪輯、上字幕全部包在網頁介面裡，你上傳影片、等結果、下載，中間沒有任何可以調整的空間。AI YouTube Shorts Generator 則是把每個環節拆成可替換的元件，你可以換掉 Whisper 模型、改用不同的 LLM 供應商、甚至跳過 MuAPI 改用在地裁切。對開發者來說，這代表可以 import generate_shorts(...) 放進自己的自動化流程，並用 --output-json 取得完整結果，包含逐字稿、所有候選片段與最終檔案路徑。但這也意味著你要自己處理錯誤。SaaS 有客服與 SLA，這套工具沒有。若 MuAPI 服務中斷，你的 API 模式就停擺；若 OpenAI 回傳格式改變，你的 LLM 排名就可能失效。這是用控制權換穩定性的典型取捨。
編輯結論
這套工具適合已經有 YouTube 下載與 ffmpeg 經驗、想省下每月訂閱費的個人創作者或小型工作室，尤其是那些願意自己處理 API key 與錯誤訊息的人。不適合完全不想碰指令列、或需要穩定 SLA 的商業團隊，因為它的預設模式依賴 MuAPI，而在地模式又要求你自備 OpenAI 或 Gemini 金鑰，兩條路都無法完全脫離外部服務。採用前應先確認三件事：你是否接受把影片內容送給 MuAPI 或 LLM 供應商、你的 Python 3.10 環境能否順利安裝 faster-whisper 與 opencv，以及你是否有時間處理長影片自動分段可能帶來的重複或漏切。若你只是想偶爾剪一支短片，直接付費給 Opus Clip 可能更省事。
社群筆記