BaoCut：让 AI 剪辑留在可编辑的时间线上

做完一段视频以后，真正耗时间的工作往往才刚开始：字幕里的术语需要统一，某句译文不自然，配音要重录，口播中间还留着一段停顿。能否把这些修改接着做下去，比第一次生成得有多快更重要。

BaoCut 把 AI 视频处理围绕一个可编辑的项目组织起来。转写、字幕、翻译、配音和画面修改进入同一条时间线，用户可以继续调整，再导出成片。它希望把自然语言操作接到日常剪辑中，让 AI 完成一部分工作，也让人随时接手。

本文按 2026 年 10 月 20 日可查的仓库文档与发行说明介绍功能，不把文档中的能力列表当作每个平台上的实测结果。gptbert/baocut 是 JimLiu/baocut 的 fork；下文先介绍项目的共同能力，再说明这个 fork 提供的 Intel Mac 预览版。

系统架构：一个 Runtime，统一的视频写入路径

下图按仓库架构文档概括主要调用关系。客户端通过 Runtime 的公共接口发起操作；Runtime 内的 Agent Harness、Video 和 Models 分别负责智能体任务、视频服务与模型能力。视频修改由 Video 服务交给 Rust Engine Host，视频状态统一由 VideoEngine / VideoStore 管理，界面里的 WASM 预览不取得写入权。

点击架构图可查看大图。实线表示调用或写入方向，虚线连接外部智能体引擎；图中省略返回事件、监管进程和 Runtime 元数据存储。本地模型后端随平台变化，Intel 限制见下文。

这套划分让 AI 任务调度与精确的视频编辑语义各有归属。模型和媒体任务产出结果后，仍需通过视频服务与引擎应用到时间线，而非由模型直接改写视频数据库。架构依据（§1–2）。

从一段已有素材开始

最直观的入口是一段访谈、课程或口播。BaoCut 可以调用本地语音识别模型，也可以连接在线接口，将语音变成带时间信息的文本。文档列出的本地选项包括 Whisper、Qwen3-ASR，以及支持说话人区分的 MOSS。识别片段可以随任务进度进入时间线，不必等整段录音全部处理完再开始查看。

有了带时间信息的文本，后续工作就有了共同的定位依据：字幕对应哪句话，某个观点出现在什么位置，剪短视频应该从哪里开始。模型和素材仍会影响识别质量，专有名词、重叠说话和嘈杂片段需要人工复核。

字幕、翻译和配音衔接起来

BaoCut 支持原文、译文和双语字幕，并按项目记住字幕样式。翻译由 Agent 逐句完成；译文需要修改时，可以回到对应句子继续编辑。

跨语言配音进一步串起翻译、人声与背景分离、逐句语音合成和音轨放置。文档列出的分离工具是 HTDemucs；语音可以来自预设音色或克隆音色。使用他人声音前应取得授权，最终还要听辨发音、情绪和句间衔接。

例如，把中文课程整理为带英文字幕的版本，可以先校正转写中的术语，再检查译文和断句，最后选择是否增加英文配音。这是按功能组合出的工作流示例，并非本文完成的一次实测。

用文本帮助口播剪辑

对口播素材，Agent 可以在时间线上处理口头填充词、长停顿、重录和说错后重新开始的部分，同时保留原始媒体。用户再检查衔接是否自然、语义是否完整，必要时继续手动调整。

同一份带时间信息的转写，也能用来整理章节、摘要、标题、博客草稿和短视频选段。时间戳方便回看原素材；它不能替代事实核查，也不能保证自动摘要没有遗漏。

从一句创意开始制作

已有素材并非唯一入口。BaoCut 文档列出 24 个内置场景模板及提示示例，覆盖讲解、产品发布、教程、数据故事和文字动效等方向。

其中一个实用思路是先写脚本和旁白，生成语音后再按旁白安排画面。这样可以用实际说话时长决定镜头节奏。需要静态画面时，可选择本地图像模型或在线服务。

动效则提供了代码入口：Agent 编写自包含的 HTML composition，将其作为代码包导入，烘焙成帧后放到时间线上。项目支持 baocut/1 和 hyperframes/1 两种约定，可用于人物姓名条、大数字、提示卡和品牌片头等元素。代码生成后仍需要预览，检查字体、换行、时长和画面边界。

人和 Agent 在同一个项目里工作

BaoCut 的一个关键设计，是让人工操作和 Agent 修改经过共同的命令入口、事务和撤销机制。用户拖动片段、Agent 调整字幕，都作用于同一个视频项目。

这使“修改其中一句”成为有明确对象的操作。编辑阶段可以针对局部修订；最终导出依然需要渲染，实际等待时间取决于素材、效果、模型和硬件。项目也强调限定 Agent 的作用范围、权限和预算，并为修改提供回执。实际使用时，仍应检查它改了什么，以及还有什么没有检查。

四个入口，共用一个 Runtime

入口	适合的用法
桌面应用	与 Agent 对话，在时间线预览、调整字幕和继续剪辑
CLI	将项目操作接入脚本，用结构化结果衔接后续步骤
MCP 与 BaoCut skill	让外部 Agent 调用同一套工具目录
Web 客户端	通过 Runtime 生成的一次性链接，在浏览器打开视频编辑器

对已经有 Agent 工作环境的人，这种接口设计很有吸引力。BaoCut 提供视频项目与工具，外部 Agent 负责理解任务、选择工具和执行步骤。各入口共用 Runtime，但所用 Agent 引擎的兼容性和验证程度需查看当前文档。

本地模型带来选择，也带来条件

转写、语音合成、图像生成等能力可以选择本地模型或在线服务。模型下载默认使用 Hugging Face，也可切换 ModelScope 或自定义镜像；文档说明 ModelScope 缺少的少量文件仍会从 Hugging Face 获取，因此切换下载源不等于完全离线。

本地推理也不意味着整个任务都留在本机。外部 Agent 或在线模型可能接收相关文本和素材，使用前需要核对所选配置。在线服务的费用、模型下载空间和不同硬件上的速度，也应纳入工作流考虑。

安装包包含 Runtime 和原生 worker，但媒体分析、转写准备和导出还依赖外部 ffmpeg、ffprobe。Agent 功能需要安装并登录受支持的 Agent 引擎。普通使用者无需为了安装包额外配置 Node.js 和 Rust；它们属于源码开发环境。

Intel Mac 用户需要单独看发行说明

上游 README 的 macOS 常规下载面向 macOS 14 及以上的 Apple Silicon；Windows 提供 CPU、CUDA 和 Vulkan 版本。Linux 目前按源码开发路径说明，不能由此推断已有 Linux 安装包。

这个 fork 另行发布了 Intel Mac 3.8.0 预览版，提供 ZIP、DMG 和校验文件。发行说明记录了签名、公证、安装与 Runtime/worker 检查，同时明确其条件和验证范围：

面向 macOS 14 及以上的原生 x86_64 环境，没有自动更新源。
Intel 不启用 MLX/Core ML；Whisper 在支持的环境使用 whisper.cpp Metal。
Intel 不提供依赖 LiteRT 的语义搜索，不能把上游功能目录等同于 Intel 可用能力。
本次发行没有验证真实模型推理和完整剪辑、导出流程。

因此，可以将它作为 Intel 用户尝试 BaoCut 的入口，但不能把打包与公证通过解释为所有 AI 工作流已经实测通过。下载前请读对应版本的完整说明。

导出成片，也保留下一次修改的入口

BaoCut 支持导出 MP4、SRT/WebVTT、转写文本、音频，以及可移交的 .baocut 项目包。项目包包含视频快照、文档和资产版本，可以在另一台机器上重新打开继续编辑；它不包含原视频完整的事务和撤销历史。

这也解释了它的产品取向：成片是交付物，可编辑项目则保留了下一轮修改的空间。对课程、访谈、多语言内容和需要反复更新的视频，这个空间很有价值。

最后还需区分“源码可读”与许可范围。当前项目采用 BaoCut Community License 1.0。制作并销售视频内容，与销售、改名分发软件或提供托管服务，适用条件不同；第三方模型和素材也有各自许可，具体以仓库文件为准。

如果要开始尝试，建议先选一段短口播，完成转写、校正、字幕、预览和一次导出，再增加翻译或配音。一个能反复修改的小项目，比同时开启所有能力更容易看清这套工作流是否适合自己。