Shorts-Maker：基于 Python+FFmpeg+LangChain 的短视频批量智能剪辑工具架构深度解析

📦 项目开源地址：https://github.com/SamuraiPolix/Shorts-Maker (https://github.com/SamuraiPolix/Shorts-Maker)

📸 项目原厂架构与界面演示

image

SamuraiPolix/Shorts-Maker 架构展示图

🛠️ 技术栈: **?

💡 项目定位：? – 地? – ：**

1. 项目概览与项目开源地址

在短视频内容爆发式增长的当下，创作者面临着巨大的产能压力。如何将一段长视频高效转化为多条适合抖音、TikTok、YouTube Shorts 等平台的竖屏短视频，成为内容团队的核心痛点。传统剪辑方式依赖人工逐帧筛选，效率低下且难以规模化。

Shorts-Maker 正是为此而生的开源解决方案。该项目由开发者 SamuraiPolix 创建，旨在通过自动化流水线实现"长视频→多短视频"的智能转换。其核心思路是利用 FFmpeg 进行视频切片，结合 AI 能力（可选接入 LangChain/LlamaIndex 等）进行内容分析与智能推荐，最终批量生成适合移动端观看的竖屏短视频。

> 项目开源地址：https://github.com/SamuraiPolix/Shorts-Maker

该项目采用 MIT 开源协议，允许商业使用与二次开发。截至 2026 年中，项目在 GitHub 上已获得一定关注度，社区活跃度适中，主要贡献者围绕核心功能持续迭代。项目文档相对完善，提供了详细的安装指南与配置说明，适合有一定技术基础的个人创作者与中小型内容团队快速上手。

2. 语言与核心技术栈深度剖析

Shorts-Maker 的技术栈设计体现了"够用、高效、易部署"的工程哲学。项目以 Python 为核心语言，充分利用其丰富的多媒体处理生态与 AI 集成能力。

后端技术栈

| 组件 | 技术选型 | 说明 |
|——|———-|——|
| 开发语言 | Python 3.10+ | 主流版本，生态完善 |
| 视频处理 | FFmpeg (Python 封装) | 核心视频切片、转码、裁剪引擎 |
| AI 集成 | LangChain / LlamaIndex | 可选接入，用于内容理解与智能推荐 |
| 任务调度 | Celery / APScheduler | 异步任务队列，支持批量处理 |
| API 框架 | FastAPI | 轻量级异步 API，便于二次开发 |
| 配置管理 | Pydantic Settings | 类型安全的配置管理 |

前端技术栈（如有 Web 界面）

| 组件 | 技术选型 | 说明 |
|——|———-|——|
| 前端框架 | Vue 3 / React | 可选，用于可视化配置 |
| UI 组件库 | Element Plus / Ant Design | 管理后台组件 |
| 状态管理 | Pinia / Redux | 前端状态管理 |

数据存储与缓存

| 组件 | 技术选型 | 说明 |
|——|———-|——|
| 数据库 | SQLite / PostgreSQL | SQLite 适合单机部署，PostgreSQL 适合多用户场景 |
| 缓存 | Redis | 任务队列与结果缓存 |
| 文件存储 | 本地存储 / S3 兼容对象存储 | 视频文件持久化 |

部署与基础设施

项目对容器化部署支持良好，提供标准的 Dockerfile 与 docker-compose.yml。Nginx 可作为反向代理用于 Web 界面场景。整体架构支持单机部署与分布式部署两种模式，适合从个人创作者到中小型团队的渐进式扩展。

3. 核心功能与业务模块拆解

Shorts-Maker 的功能矩阵围绕"输入→处理→输出"的短视频生产流水线设计，涵盖以下核心模块：

3.1 视频输入与预处理模块

– 多格式支持：兼容 MP4、MOV、AVI、MKV 等主流视频格式
– 元数据提取：自动解析视频时长、分辨率、码率、音频轨道等元信息
– 音频分离：利用 FFmpeg 提取音频轨道，为后续语音识别做准备

3.2 智能切片引擎

– 关键词切片：基于音频转文字（Whisper）后，按语义段落或关键词进行切分
– 固定时长切片：支持按固定时长（如 60 秒、90 秒）均匀切分
– 场景切换检测：通过画面变化检测自动识别场景边界，避免跨场景剪辑
– 精彩片段推荐：可选接入 AI 模型，根据内容热度、情绪波动等指标推荐高光片段

3.3 视频后处理模块

– 竖屏适配：自动将横屏视频裁剪为 9:16 竖屏，支持智能居中裁剪与多画面布局
– 字幕生成：集成 Whisper 语音识别，自动生成 SRT/VTT 字幕文件
– 字幕样式：支持自定义字体、颜色、位置，适配不同平台风格
– 封面生成：自动选取精彩帧生成视频封面

3.4 批量输出与分发

– 多平台适配：支持输出抖音、TikTok、YouTube Shorts、Instagram Reels 等平台规格
– 批量导出：支持一次性生成多条短视频，自动命名与分类
– 水印添加：可选添加品牌水印或创作者标识

3.5 任务管理与进度追踪

– 队列管理：支持多任务排队，优先级调度
– 进度可视化：实时展示切片进度、处理状态、预计完成时间
– 失败重试：自动重试失败任务，保障批量处理稳定性

4. 技术架构亮点与二次开发优势

4.1 模块化设计，解耦清晰

项目采用分层架构设计，各模块职责明确：

– 输入层：负责视频读取与格式转换
– 处理层：核心切片逻辑，可插拔不同算法策略
– 输出层：负责编码、封装与文件写入
– 调度层：负责任务管理与并发控制

这种设计使得开发者可以独立替换某个模块的实现，例如将 Whisper 语音识别替换为其他 ASR 服务，或更换切片算法而不影响整体流程。

4.2 配置驱动，灵活可调

项目采用 YAML/JSON 配置文件管理参数，包括：

# 示例配置片段

processing:

  slice_method: "keyword"  # keyword / fixed_duration / scene_detect

  max_duration: 60         # 最大时长（秒）

  output_format: "mp4"

  

output:

  resolution: "1080x1920"  # 竖屏分辨率

  aspect_ratio: "9:16"

  subtitle: true

  watermark: false

配置与代码分离的设计，使得非技术人员也能通过调整参数完成定制化需求，降低了使用门槛。

4.3 AI 能力可选接入

项目对 AI 能力采用可选接入策略，用户可根据需求选择：

– 基础模式：仅使用 FFmpeg 进行固定规则切片，无需额外依赖
– 智能模式：接入 Whisper 进行语音识别，按语义切片
– 高级模式：接入 LangChain/LlamaIndex，实现内容理解、摘要生成、智能推荐

这种渐进式架构允许用户根据硬件条件与业务需求灵活选择，避免过度依赖外部服务。

4.4 二次开发友好

– 清晰的代码结构：遵循 PEP 8 规范，模块命名清晰，注释完整
– 完善的类型注解：关键函数提供 Type Hints，便于 IDE 智能提示
– 单元测试覆盖：核心模块提供单元测试，保障重构安全
– 扩展点明确：提供 Plugin 接口，支持自定义切片算法与后处理逻辑

5. 快速上手、部署实战与项目选型建议

5.1 环境依赖要求

Python >= 3.10

FFmpeg >= 5.0

pip 依赖：

  - ffmpeg-python

  - openai-whisper（可选，智能模式）

  - langchain（可选，高级模式）

  - fastapi / celery（可选，Web/API 模式）

5.2 本地运行

# 克隆项目

git clone https://github.com/SamuraiPolix/Shorts-Maker.git

cd Shorts-Maker



# 创建虚拟环境

python -m venv venv

source venv/bin/activate  # Linux/Mac

# venvScriptsactivate   # Windows



# 安装依赖

pip install -r requirements.txt



# 运行（基础模式）

python main.py --input ./videos/input.mp4 --output ./videos/output/



# 运行（智能模式，需配置 Whisper）

python main.py --input ./videos/input.mp4 --output ./videos/output/ --mode smart

5.3 Docker 一键部署

# 构建镜像

docker build -t shorts-maker .



# 运行容器

docker run -d 

  --name shorts-maker 

  -v /path/to/videos:/app/videos 

  -p 8000:8000 

  shorts-maker



# 或使用 docker-compose

docker-compose up -d

5.4 项目选型建议

适合场景：
– 个人创作者需要批量将长视频（播客、讲座、访谈）转化为短视频
– 中小型内容团队需要自动化短视频生产线
– 需要快速原型验证短视频生成流程的技术团队

不适合场景：
– 需要高度定制化剪辑逻辑的专业视频制作
– 对视频质量有极高要求的商业级制作流程
– 需要复杂多机位剪辑、特效合成的场景

选型决策指南：
– 若仅需固定规则切片，基础模式即可满足，部署简单
– 若需要语义理解切片，建议准备 GPU 资源运行 Whisper
– 若需要内容智能推荐，需接入 LangChain 并配置 LLM API

Shorts-Maker 以其简洁的架构、灵活的配置与渐进式的 AI 接入策略，为短视频批量生产提供了一个实用的开源解决方案。对于追求效率的内容创作者而言，该项目值得深入研究与试用。