以可编辑视频为中心 AI 视频智能体开源工具「BaoCut」告诉它你想做什么，它会转写、制作字幕、翻译、配音、剪辑和制作动画。结果保存在时间线里，你可以继续修改。提供 macOS 与 Windows 安装包。
本地模型默认从 Hugging Face 下载。连不上或速度慢时，可在各模型页本机模型底部的“下载与存储”（或“设置 › 通用 › 模型下载来源”）选 ModelScope 改从 ModelScope 下载（ModelScope 上没有的少数模型文件仍从 Hugging Face 下载，文件都按内置校验值核对），也可以选“自定义”填镜像的基址。
功能特色
- 转写：使用本地模型（Whisper large-v3 / v3-turbo、Qwen3-ASR、支持说话人区分的 MOSS）或在线 API。支持逐词时间信息，其精度取决于模型与对齐能力；转写片段可在任务进行时逐步进入时间线。
- 制作字幕：原文字幕、译文字幕或双语字幕。智能体按句翻译；界面记住新字幕的属性偏好，视频保存自己的字幕样式。
- 跨语言配音： 翻译后用 HTDemucs 分离人声与背景声，再使用克隆音色或预设音色逐句合成，将新音轨放进时间线。
- 剪辑口播：在时间线上去掉口头语、长停顿、重录和说到一半重新开始的内容，原始媒体文件保持完整。
- 生成衍生内容：根据带时间信息的文稿制作章节、摘要、标题、博客文章和短视频，并用时间戳定位来源。
- 在本机处理素材：给晃动的镜头去抖（通过你的 ffmpeg 使用 vid.stab，或 deshake）、视频超分（Real-ESRGAN）、做顺滑的慢动作（RIFE）、把几段镜头统一到一张参考的色调、不用绿幕抠出主体（rembg 发布的权重），以及把任何音轨拆成几轨（HTDemucs）。每种处理都写成新文件，不动原文件。
- 找剪辑点：检测镜头切换（含手持素材与淡入淡出），不靠文稿找出空档，读出一首歌的节拍、小节与重音，让剪辑点落在拍子上。
- 从提示词制作视频：内置 24 个创作模板，提供场景方向与示例提示词，涵盖知识讲解、产品发布、预告片、教程、数据故事、文字动画等。
- 先配音，再剪画面：规划脚本，合成旁白，再按旁白安排画面与节奏。
- 用代码制作动态图形：智能体编写自包含的 HTML 合成，例如下三分之一字幕条、醒目数字、标注和品牌短动画，将其作为代码包导入，烘焙帧并放到时间线上。支持 BaoCut 的 baocut/1 合同和 hyperframes/1。
- 生成图片：需要静态画面时，可使用本地 Qwen-Image 或在线服务。
- 交付结果：导出 MP4 成片（可烧录字幕，或另导出字幕文件）、SRT / WebVTT、文稿和音频；也可以导出便携的 .baocut 包，在另一台机器上打开并继续编辑。便携包包含视频快照、全部文档版本与素材版本，不包含原视频的完整事务与撤销历史。
