BaoCut – 开源 AI 视频 Agent 工具，支持跨语言配音

1. BaoCut是什么

BaoCut 是由宝玉（JimLiu）开源的一款 AI 视频 Agent 工具，核心定位是将"可编辑时间线"作为中间态，让人类创作者与 AI Agent 在同一编辑器内协作完成视频的转写、翻译、配音、口播剪辑与动效生成。其最显著的技术特征是"局部修改不重渲"——当用户修改某一句字幕或更换某个镜头时，系统仅重新处理受影响的片段，而非整条视频重新渲染。BaoCut 支持接入 Claude Code、Codex、Kimi Code 等主流 Agent 引擎，模型层完全解耦，既可在本地通过 MLX 或 whisper.cpp 运行，也可对接 15 家以上的云端 API 提供商。

技术定位与领域： BaoCut 属于 AI 视频生产工具领域中的"Agent 化编辑"细分方向，将大语言模型驱动的智能体与专业视频编辑流程深度融合，区别于传统基于时间线的非破坏性剪辑软件，也不同于一键生成的 AI 视频工具。其核心创新在于将 Agent 引入编辑器内部，使其与人类共享同一套命令协议、事务机制和撤销栈。

研发背景： 该项目由宝玉（JimLiu）个人发起并开源，采用 BaoCut Community License 许可协议，商用内容创作免费。开发者长期关注 AI 编程助手与视频生产工具的交汇点，团队在本地化模型推理与多媒体处理管线方面有深厚积累。开源社区围绕该项目形成了活跃的插件与模板生态。

核心价值： BaoCut 解决了 AI 视频工具的两大痛点：一是全量重渲导致的效率低下，二是 Agent 与人类编辑流程割裂导致的协同困难。通过"视频是唯一事实源"的架构设计，字幕、配音、章节、动效等所有元素都驻留在时间线中，MP4 和 SRT 仅作为可随时导出的快照，从根本上改变了视频生产的迭代方式。

技术特点： 采用"动效即代码"方案，Agent 编写 HTML 动态图形并烘焙成帧放入时间线；支持局域网模型共享，可将一台机器的本地模型通过局域网提供给其他设备使用；内置 24 套场景模板，从一句 prompt 即可产出完整成片，实现了从创意到交付的自动化闭环。

2. 主要功能

• 局部修改不重渲： 这是 BaoCut 区别于传统视频编辑工具的核心技术特性。当用户修改一句字幕、替换一个镜头或重配一句旁白时，Agent 仅处理受影响的片段，其余部分保持原样，并附带变更回执说明具体改动了哪些内容。该机制大幅缩短了视频迭代周期，将过去动辄数十分钟的重渲时间压缩到秒级。

• 视频即唯一事实源： 字幕、配音、章节、动效等所有视频元素都驻留在时间线中，MP4 和 SRT 只是随时可导出的快照。意味着用户在任何时间点导出，都能得到与当前时间线状态完全一致的成品，无需维护多个版本的工程文件。

• 人机共用编辑器： 人类和 Agent 走同一套命令协议、事务机制和撤销栈，用户可以随时接手 Agent 正在进行的编辑操作，也可以在任意位置将任务交还给 Agent 继续处理。这种深度协同机制在现有视频工具中较为少见，大幅降低了人机切换的认知负担。

• Agent 引擎自由接入： 已端到端验证支持 Claude Code 和 Codex，Kimi Code、Gemini CLI 等通过 ACP 协议统一接入。用户不会被锁定在特定厂商的 Agent 生态中，可以根据任务类型选择最合适的引擎，甚至在同一项目内混用多个 Agent。

• 模型完全解耦： 支持本地 MLX、whisper.cpp 或云端 15+ 家提供商任选，实现转写、翻译、配音等不同任务可以分别配置不同的模型。更进一步，用户可以将一台机器的本地模型通过局域网共享给其他设备，实现资源复用。

• 跨语言配音与字幕翻译： 系统逐句翻译生成原文、译文或双语字幕，点任意一句即可单独修改。翻译完成后自动分离人声与背景音，使用克隆音色或预设音色逐句合成新音轨并铺到时间线，实现高质量的跨语言视频本地化。

3. 如何使用

1. 下载安装： 前往 BaoCut 官网（https://baocut.com/zh-hans/）下载对应版本。macOS Apple Silicon 用户直接将应用拖入应用程序文件夹即可；Windows 用户需先安装 VC++ v14 Redistributable，再运行安装包完成安装。

2. 安装 ffmpeg： 媒体转写和导出功能依赖系统 PATH 中的 ffmpeg 和 ffprobe，安装包不包含这两个组件，需手动安装并确保能在终端中直接调用。macOS 可通过 Homebrew 安装，Windows 用户可将 ffmpeg 可执行文件所在目录加入系统 PATH。

3. 登录 Agent 引擎： 打开应用后，在设置中登录 Claude Code 或 Codex CLI，其他引擎（如 Kimi Code、Gemini CLI）可选配置。首次登录需要完成 OAuth 授权流程。

4. 下载本地模型： 首次使用时在设置界面下载所需的转写、翻译模型。如果采用云端 API 模式，则需配置对应提供商的 API Key；选择局域网共享模式时，需在宿主机开启共享服务。

5. 新建会话： 在 Home 页面用自然语言描述需求、拖入视频素材或选择模板，指定 Agent 引擎和访问模式（本地/云端）。系统会自动规划处理步骤并在时间线中逐步执行。

6. 下达指令与检查修改： 通过自然语言发出指令（如"转录这个视频并加双语字幕"），Agent 自动分解任务并执行。用户在时间线编辑器中预览结果，点击任意字幕可直接修改，或让 Agent 只重做某一句。

7. 导出交付： 确认成片无误后，导出 MP4、SRT 字幕文件或便携 .baocut 工程包。工程包可跨设备继续编辑，方便团队协作和远程审片。

4. 优缺点分析

5. 同类工具对比

选型建议： 对于追求数据隐私、需要 Agent 自定义和模型自由选择的开发者及技术型创作者，BaoCut 提供了现有商业工具不具备的开放性和可编程性，尤其适合将视频生产流程嵌入现有自动化管线的团队。其 Community License 允许商用内容创作免费使用，成本优势明显。

对于非技术背景的短视频创作者和 MCN 机构，剪映 Hub 依然是更稳妥的选择。其庞大的模板生态、成熟的商业素材库和云端协作能力更为完善，且无需关心 ffmpeg 安装、Agent 配置等技术细节。若聚焦播客剪辑和口播视频优化，Descript 的文本化编辑体验在特定场景下更为直观；而主要做跨语言视频本地化的团队，可在 BaoCut 与 WhisperStudio 之间根据投入规模和对音色克隆质量的要求权衡。

6. 编辑总结

BaoCut 在 AI 视频生产工具中提供了一个值得关注的新技术方向——将 Agent 深度嵌入编辑器内部而非外围辅助。其"局部修改不重渲"的架构设计，本质上是将传统视频渲染引擎改造为按需增量计算系统，这一思路与软件工程中的增量编译一脉相承，在视频领域落地具有实际价值。团队选择 Claude Code 与 Codex 作为首批端到端验证的 Agent 引擎，并通过 ACP 协议兼容更多引擎，体现了对 Agent 生态快速演进的预判。

从实用角度看，BaoCut 的价值集中在两个场景：其一，跨语言视频本地化流程大幅简化，转写-翻译-配音链路的每一环节都可单独修正，过去需要专业团队完成的工作被压缩到单人可操作的范畴；其二，口播视频的精细化剪辑效率显著提升，自动去口头禅和废句的功能在保持原始素材完整性的前提下，将剪辑时间缩短到分钟级。对于播客、课程、访谈类内容生产者而言，这些功能直接切中高频需求。

BaoCut 的适用人群带有明显的技术倾向。开发者可以基于其开放架构构建定制化的视频生产管线，技术型创作者则能借助 Agent 自由接入和模型解耦的特性，在隐私与成本之间找到自己的平衡点。普通视频创作者则需要跨过一定的配置门槛，但随着项目版本迭代和社区文档完善，这一门槛正在逐步降低。作为开源项目，BaoCut 的迭代节奏和社区贡献值得关注，尤其在 Agent 协作协议和增量渲染这两个技术方向上，其积累对行业内同类工具也具备参考价值。

7. 应用场景

• 跨语言视频本地化： 将英文教程或演讲视频交给 Agent，自动完成转写、逐句翻译和克隆音色配音，产出带双语字幕的本地化版本。当某句译文不准确时，用户只需在时间线中点中那一句重新翻译，系统不会重渲整条视频。该流程适用于教育培训、跨国企业内训和海外市场推广等需要多语言版本的场景。

• 口播视频高效精剪： 录制的课程、访谈或直播回放可自动识别口头禅、长停顿和废句并在时间线中剪除，原始素材不受影响。创作者先让 Agent 完成粗剪，再基于时间线进行人工精细调整。几分钟内即可将数小时的原始录音处理成节奏紧凑的口播成片，适合播客制作者和知识付费内容团队。

• 长视频拆条做短视频： 基于带时间戳的转写稿生成章节、摘要和精华切片，一条 1 小时播客或讲座可快速拆出多条适合抖音、小红书等平台传播的短片段。Agent 自动定位重点语句并生成切片预览，运营团队只需确认导出即可。

• 产品宣传视频快速产出： 从一句 brief 出发，使用内置模板让 Agent 完成脚本撰写、旁白合成、画面剪辑和动效生成，导出 9:16 竖屏推广短片。产品团队无需组建视频制作团队，即可在短时间内获得多版本物料用于 A/B 测试。

• 团队协作远程审片： Agent 在本地时间线上完成修改后生成一次性 Web 链接，远程同事直接在浏览器中打开编辑器查看修改结果并给出反馈，无需传输大体积工程文件。整个审片流程在浏览器内闭环完成，适用于分布式团队和外部客户确认环节。

8. 常见问题FAQ

Q：BaoCut 是否完全免费？
A：BaoCut 采用 BaoCut Community License，源码公开，商用内容创作免费。但使用云端 Agent 引擎（如 Claude Code、Codex）或云端模型 API 时，相应服务商会按各自计费规则收取费用。本地模型推理模式下，仅需承担自有硬件成本。

Q：BaoCut 对硬件配置有什么要求？
A：本地运行模型时，建议至少 16GB 内存并配备 Apple Silicon 芯片（MLX 优化）或 NVIDIA GPU。转写和配音任务对显存有一定需求，具体取决于所选模型参数量。如果硬件配置有限，可选择云端 API 模式或将本地模型共享请求发送至性能更强的设备。

Q：如何实现局域网模型共享？
A：在设置中开启模型共享服务，将本机模型通过局域网提供给其他设备使用。接收端设备在同一网络内添加共享模型地址即可调用。该功能适合团队内一台高性能机器承载推理任务、多台低性能设备协同生产的工作流。

Q：BaoCut 支持哪些视频和音频格式？
A：格式支持取决于系统安装的 ffmpeg 版本。通常可处理 MP4、MOV、MKV、WebM 等主流视频格式，以及 MP3、WAV、M4A、FLAC 等常见音频格式。如果遇到不支持的格式，可通过转码后导入解决。

Q：导出的 .baocut 工程包如何使用？
A：.baocut 是 BaoCut 的便携工程格式，包含时间线数据、素材引用关系和编辑记录。将该文件拷贝到另一台安装了 BaoCut 的设备，即可还原完整工程继续编辑。适合团队协作、远程审片和项目存档场景。

Q：如何更换 Agent 引擎？
A：在设置中选择目标 Agent 引擎并完成登录即可。BaoCut 支持在同一项目的不同会话中指定不同引擎。实际切换时需注意各引擎对工具调用的支持程度略有差异，建议在关键任务前先用小样本测试验证。正式发布前，建议对新的引擎组合执行全流程试运行，确保各环节工具调用正常后再投入大规模生产。

9. 项目地址

• 产品官网： https://baocut.com/
• 中文官网： https://baocut.com/zh-hans/
• GitHub 仓库： https://github.com/JimLiu/baocut