AutoClip: Kostenloses Tool schneidet lange Podcasts automatisch zu Kurzvideos

Das Open-Source-Programm AutoClip macht aus langen Interviews, Podcasts oder Vorträgen per Link fertige Clips für TikTok, Reels, YouTube Shorts und Co., inklusive Untertiteln, Vorschaubild und Begleittext. Schnitt und Rendering laufen auf dem eigenen Rechner. Die KI-Analyse kann über günstige Cloud-Modelle oder komplett lokal laufen, etwa mit Ollama.

Tools 19. Nov. 2026 6 Min. Lesezeit Quelle: GitHub Trending
Symbolbild, KI-generiert

Worum es geht

AutoClip ist ein Open-Source-Programm des Entwicklers zhouxiaoka, das gerade in den GitHub-Trends auftaucht. Es soll ein Problem lösen, das jeder kennt, der Videoinhalte produziert: Aus einem zweistündigen Podcast oder Interview die besten ein bis zwei Minuten herauszusuchen, ins Hochformat zu bringen, zu untertiteln und für jede Plattform passend aufzubereiten, kostet viel Zeit. Laut Projektbeschreibung soll mit AutoClip ein Link reichen. Man fügt die Adresse eines langen Videos ein, wählt die Zielplattform, und das Programm liefert fertige Kurzclips samt Vorschaubild (Cover) und Begleittext für die Veröffentlichung.

Unterstützt werden die chinesischen Plattformen Douyin (die chinesische TikTok-Version), Xiaohongshu und Bilibili sowie TikTok, Instagram Reels, YouTube Shorts und normales YouTube. Die Software ist kostenlos und steht unter der freien MIT-Lizenz. Es gibt sie als Desktop-App für macOS mit Apple-Chip und für Windows 10/11 (x64), zum Download unter github.com/zhouxiaoka/autoclip/releases/latest. Die Projektseite ist zhouxiaoka.github.io/autoclip_intro. Das Programm selbst kostet nichts. Nutzt man dafür Cloud-KI-Modelle, rechnet der jeweilige Anbieter nach Verbrauch ab.

Was das Tool genau macht

AutoClip verbindet mehrere Arbeitsschritte zu einem durchgehenden Ablauf. Zuerst braucht es eine Abschrift des Gesprochenen. Hat das Originalvideo schon Untertiteln vom Autor, übernimmt AutoClip diese, und das geht am schnellsten. Sonst transkribiert es lokal mit Whisper oder SenseVoice, zwei Spracherkennungsmodellen, die Sprache in Text umwandeln. Alternativ gibt es einen Cloud-Dienst. Danach liest ein Sprachmodell den Text, sucht spannende Stellen heraus und bewertet sie. Pro Plattform entstehen so bis zu zehn Clips, die die Bewertung bestehen. Weitere Kandidaten landen auf einer Reserveliste und lassen sich per Klick auf „diesen Clip erstellen“ nachträglich erzeugen.

Jeder Clip bekommt Cover, Titel, Beschreibung, Hashtags und ein ZIP-Paket, in dem alles zum Hochladen steckt. Für das Hochformat bietet das Tool zwei Layouts: einen Interview-Stil (Standard für Douyin und Xiaohongshu) und einen bildfüllenden Podcast-Stil (Standard für TikTok, Reels und Shorts). Für Bilibili und YouTube bleibt das Querformat. Der Bildausschnitt folgt automatisch der Person, die gerade spricht. Einstellungen ohne Personen werden vollständig gezeigt. Standardmäßig hängt AutoClip einen eigenen Marken-Abspann an, den man in den Einstellungen abschalten kann. Kopierte Begleittexte enthalten dagegen keinen AutoClip-Hinweis. Wer nachbessern will, kann einen eingebauten Editor öffnen.

Am besten funktioniert das laut Entwickler mit Interviews, Podcasts, Kursen und Videos, in denen jemand frontal in die Kamera spricht. Für Gaming-Videos oder Material mit wenig Sprache kann man eine Bilderkennung zuschalten. Dafür braucht man ein Modell, das Bilder versteht, und sollte die ausgewählten Stellen trotzdem selbst prüfen. Beispielclips, unter anderem aus Gesprächen mit Bill Gates, Jensen Huang, Andrej Karpathy, Sam Altman oder MrBeast, zeigt die Fallsammlung. Die Rechte an den Originalen liegen laut Projekt bei den Urhebern, die Clips dienen nur als Demonstration.

Zeit und Kosten laut Entwicklertest

Der Entwickler veröffentlicht eigene Messungen vom 1. Oktober 2026, alle auf demselben Apple-Silicon-Mac. Er weist ausdrücklich darauf hin, dass es drei verschiedene Videos waren und kein direkter Geschwindigkeitsvergleich. Die Kosten beziehen sich nur auf das Textmodell qwen-plus von Alibaba. Cloud-Spracherkennung, KI-Bildgenerierung und Upload-Dienste sind nicht eingerechnet.

Version Original Ergebnis Kosten Textmodell (geschätzt)
Neu, mit Untertiteln Jensen Huang, 1 h 43 min (Englisch → Xiaohongshu) 7,5 min / 10 Clips ca. 0,09 Yuan
Neu, ohne Untertitel TIM × Luo Yonghao, 2 h 52 min (Chinesisch → Douyin) 29,5 min / 10 Clips ca. 0,20 Yuan
Alt MrBeast, 2 h 06 min (Englisch → TikTok) 65 min (33 Clips) ca. 0,64 Yuan

Im zweiten Test lief die Spracherkennung lokal mit dem kleinen Modell „Whisper base“. Das erklärt die längere Laufzeit. Die Analysekosten liegen bei wenigen Cent. Wer statt lokaler Transkription den Cloud-Dienst von Alibabas Plattform Bailian (qwen-audio-3.1-asr-flash) nutzt, zahlt laut README etwa 0,1 Yuan pro Stunde Audio.

Datenschutz und Modellwahl

AutoClip betont, dass Schnitt und Rendering auf dem eigenen Computer passieren. Was an Cloud-Dienste geht, hängt von der Konfiguration ab: Bei Cloud-Analyse werden Untertitel und Texte verschickt, bei Bildverständnis oder KI-Covern einzelne Videobilder, bei Cloud-Transkription das Audio. Wer alles lokal betreibt, braucht keine Cloud-API. Als lokale Optionen nennt das Projekt Ollama (Standardadresse http://localhost:11434/v1) und LM Studio (http://localhost:1234/v1), zwei Programme, die Sprachmodelle auf dem eigenen Rechner bereitstellen. Außerdem lässt sich jeder OpenAI-kompatible Dienst mit eigener Adresse und eigenem Schlüssel eintragen. Fertige Clips werden nur hochgeladen, wenn man sie selbst veröffentlicht. Direktes Posten ist über ein eigenes Bilibili-Konto oder den Dienst Upload-Post möglich. Anonyme Statistiken und Fehlerberichte lassen sich abschalten.

Zum Testen ohne API-Schlüssel enthält das Installationspaket ein Beispielprojekt. Python und FFmpeg, das bekannte Werkzeug zur Videobearbeitung, bringt der Installer schon mit. Wer die lokale Spracherkennung nutzen will, lädt beim ersten Mal etwa 220 MB herunter. Auf macOS 15 und neuer blockiert das System die App beim ersten Start. Dann muss man sie unter „Systemeinstellungen → Datenschutz & Sicherheit → Trotzdem öffnen“ freigeben. Unter Windows erscheint eventuell SmartScreen, dort klickt man auf „Weitere Informationen → Trotzdem ausführen“.

Für Bastler und KI-Agenten

Neben der Desktop-App gibt es eine Docker-Variante mit Weboberfläche für eigene Server und Linux sowie eine Kommandozeile (CLI) für Python 3.10 oder neuer (empfohlen ist 3.11). Ein typischer Befehl ist autoclip produce talk.mp4 --srt talk.srt --platform douyin --portrait-style podcast. Dazu kommt ein MCP-Server. MCP (Model Context Protocol) ist ein Standard, über den KI-Assistenten externe Werkzeuge bedienen. Ein Agent kann AutoClip damit selbstständig Clips erzeugen lassen. Die neuen Einstiegspunkte heißen start_quick_output und get_quick_output_status. Installieren lässt sich das per uvx autoclip-mcp.

Einordnung

Automatisches Zuschneiden von Langvideos ist ein umkämpfter Markt. Kommerzielle Dienste, die oft im Abo laufen und alles in der Cloud verarbeiten, haben dafür viele Kunden. AutoClip setzt auf freie Software, lokale Verarbeitung und freie Modellwahl bis hin zum komplett lokalen Betrieb. Das ist interessant für alle, die ihr Material nicht vollständig auf fremde Server laden wollen oder Kosten sparen möchten. Die genannten Kosten von wenigen Cent pro Video sind allerdings eigene Angaben des Entwicklers und gelten nur für das Textmodell.

Einige Punkte sollte man kritisch sehen. Das Projekt richtet sich klar an chinesische Nutzer: Die Standardwege führen zu Alibaba-Diensten, und das README enthält gesponserte Werbung für API-Zwischenhändler mit Partnerlinks. Die Qualität hängt stark vom gewählten Modell ab, und der Entwickler rät selbst, Untertitel, Bildausschnitt und Vollständigkeit vor dem Veröffentlichen zu prüfen. Rechtlich wichtig: Wer fremde Videos zerschneidet und hochlädt, braucht die nötigen Rechte. Das Tool nimmt einem diese Frage nicht ab. Außerdem pflegt eine einzelne Person das Projekt, und es gibt ausdrücklich keinen Sofort-Support.

Quellen

#video#open-source#kurzvideos#podcast#mcp#tooling
Originalquelle lesen

Frag den KI-Assistenten

Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.

Verbinde …

Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.

Kommentare

Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.

  1. Kommentare werden geladen …

Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.