TrimScript

TrimScript

通过编辑转录文本来剪辑视频。 在你的设备上运行。免费且开源。AI 剪辑会以建议的形式呈现，由你审核批准。

_{删除重新开始的开场，删减填充词，按 Tab 键逐条试听剪辑，缩短停顿：时长从 48.1 s 降至 27.6 s。演示中的讲话内容为合成内容：脚本和幻灯片专为本演示编写，语音由 Dia 生成。}

▶ 观看 50 秒演示：先看相同的剪辑，再看 Claude Code 如何通过 MCP 服务建议删减内容。

uvx trimscript open my-video.mp4

需要 uv 和 ffmpeg（brew install ffmpeg、apt install ffmpeg、winget install ffmpeg）。转录、剪辑和导出都在你的设备上运行：无需账号，也不会上传。如果你连接编码 Agent，该 Agent（以及它背后的模型服务）会读取转录文本。

状态：早期阶段。在配备 Apple Silicon 的 macOS 上开发。CI 会在每次推送时，于 macOS、Linux 和 Windows 上端到端运行（转录、删除、导出）；目前编辑器本身只在 macOS 上使用过。

功能

• 本地转录，使用 whisper.cpp，并通过提示词保留所有“um”和“uh”，而不是将它们清理掉。目前仅支持英语。首次运行时会下载模型（约 470 MB）。
• 删除文本，视频就会跳过对应内容。 选中词语，按 ⌫。被删除的部分会折叠成一个小标签，其中显示节省的秒数，让页面呈现为剪辑完成后的样子。选中标签并按 ⌫ 即可恢复，也可以通过一个开关显示所有已删除文本。播放预览时会跳过已删除的部分。
• 删减填充词会一次性删除所有 um 和 uh；缩短停顿会缩短所有超过一秒的停顿，同时保留少许静音。然后按 Tab 键逐条试听剪辑，听取每处剪辑前后各一秒半的内容；按 ⌫ 可恢复一处剪辑，按 ⌘Z 可全部恢复。
• 定位遗漏声音会跳到转录文本中两个词之间未被识别为词语的语音（识别器跳过的声音、呼吸声或半个词），并播放该片段。由你试听并决定。
• 微调任意拼接处，每次调整 10 ms，并试听拼接处前后的内容。
• 清理音频：通过一个开关即可降噪、调整音量、进行轻度压缩，并将响度调至 -14 LUFS。录音时长不会改变。
• 修正误听词语（E），无需改动媒体文件。字幕使用修正后的文本。
• 导出 MP4、WAV、SRT/VTT 字幕，或导出 FCPXML，以便在 Final Cut Pro 或 DaVinci Resolve 中继续编辑，并保留所有可调整的剪辑点。
• 不会破坏任何内容。 编辑内容保存在视频旁的一个易读 JSON 文件中。原始文件永远不会被修改，导出文件也不会覆盖原始文件。

与编码 Agent 搭配使用

TrimScript 自带 MCP 服务，因此 Claude Code、Codex 或任何 MCP 客户端都能读取转录文本并提出剪辑建议。Agent 的剪辑绝不会静默应用：它们会作为带有原因说明的建议显示在已打开的编辑器中，由你决定。

claude mcp add trimscript -- uvx trimscript mcp

然后可以提出以下要求：

• “在 my-video.mp4 中，我在视频中途重新开始了演示。建议删除第一次尝试的部分。”
• “讲话者的产品名是 Acme，请修正转录文本中所有误听该名称的地方。”

工具：transcribe、get_transcript、suggest_removal、correct_text、list_edits、withdraw、enhance_voice、export。

同样的操作也可在命令行中执行：

trimscript transcribe talk.mp4
trimscript show talk.mp4 --words      # transcript with item ids
trimscript remove talk.mp4 w120 w188 --reason "repeats the intro"
trimscript fillers talk.mp4            # remove every um and uh
trimscript pauses talk.mp4             # tighten pauses over a second
trimscript accept talk.mp4             # accept the agent's suggestions
trimscript export talk.mp4 -o talk-edit.mp4

键盘

按键	功能
拖动、Shift+点击	选择词语
⌫	移除所选内容；如果已经移除，则恢复该内容
Space	播放编辑内容
双击	从该词开始播放
Tab / Shift+Tab	切换到下一个 / 上一个建议（若没有待处理的建议，则切换到下一个 / 上一个编辑），并试听其前后内容
Enter / Shift+Enter	接受 / 拒绝所选建议；选择一段内容会接受其中的所有建议
L	试听所选内容或已移除部分的前后内容
← → / Shift+← →	将所选已移除部分的起点 / 终点移动 10 ms
E	更正所选内容的文本
⌘Z / Shift+⌘Z	撤销 / 重做

工作原理

• 每个已移除部分都覆盖一段转录项（词语、填充词、停顿）。移除时长根据词语推算，因此预览和导出结果始终一致。
• 编辑点落在词语中间，或在遇到停顿时保留一小段静音。语音识别器往往会把句末词语延长到后续静音中；TrimScript 会将词语边界回退到语音实际结束的位置。
• 导出时会按完整视频帧切分，并以约 1 毫秒的精度切割音频，因此无论有多少处编辑，声音都不会与画面错位。
• 编辑器、CLI 和 MCP 服务都会读写同一个项目文件。可从任何位置进行编辑；已打开的编辑器会实时更新。在编辑器中撤销只会还原编辑器自身所做的更改。

真实演讲测试

测试了 3 场来自 38C3 的单人演讲。每场演讲都按以下步骤处理：转录、修剪填充词、缩短停顿、开启 Clean audio 后导出，再用更大的模型（Whisper large-v3-turbo）重新转录导出内容，以检查剩余内容。

	LoRa mesh	ACE up the sleeve	Going Long
时长	32.9 分钟	40.2 分钟	36.2 分钟
移除时长（修剪填充词、缩短停顿后）	5.2 分钟	3.4 分钟	6.5 分钟
导出中仍能听到的填充词	9	11	31
导出时长与预期的差值	-0.20 秒	-0.16 秒	-0.10 秒
响度	-14.1 LUFS	-14.3 LUFS	-14.3 LUFS
转录耗时	1.2 分钟	1.8 分钟	1.7 分钟

• 三场演讲共修剪了 582 个填充词；导出后仍能听到 51 个。填充词数量反映的是识别器听到的内容，并非对任何演讲者的评判。
• 保留词语中有 3.0% 至 4.5% 在第二份转录中的识别结果不同。大多数差异都远离编辑点：这是两个不同识别器对术语的理解不同，并非编辑时截断了词语。
• 在 M1 Pro 上测得。测试方法和原始数据：spikes/e2e-real。

演讲内容："Building Your First LoRa Mesh Network From Scratch"，演讲者 WillCrash；"ACE up the sleeve: Hacking into Apple's new USB-C Controller"，演讲者 stacksmashing；以及 "Going Long! Sending weird signals over long haul optical networks"，演讲者 Ben Cartwright-Cox。由 C3VOC 在 38C3 录制，并以 CC BY 4.0 许可发布于 media.ccc.de。录音不属于此代码库，且未经过修改；这里只报告测量结果。演讲者并未审阅或认可 TrimScript。

范围

通过转录文本编辑录制语音由来已久，至少从 Whittaker 和 Amento 的《Semantic Speech Editing》（CHI 2004）以及 Berthouzoz、Li 和 Agrawala 的《Tools for Placing Cuts and Transitions in Interview Video》（SIGGRAPH 2012）开始就有相关研究，此后也出现在许多编辑器中。TrimScript 是一种小巧、独立、本地化的实现，面向演讲、教程、播客、访谈等口语录音。

它没有多轨时间线、屏幕录制、声音克隆或协作功能。需要完整编辑器时，请导出 FCPXML。

致谢

• whisper.cpp 和 OpenAI 的 Whisper small.en 权重（MIT），通过 pywhispercpp（MIT）运行
• 可选：NVIDIA 的 Parakeet TDT 0.6B v2（CC BY 4.0），采用 mlx-community 的 MLX 转换版本，通过 parakeet-mlx（Apache 2.0）运行（trimscript[parakeet]、--engine parakeet）
• noisereduce，MIT
• FFmpeg，作为独立程序调用，不随 TrimScript 一同分发
• 编辑器 UI：React、基于 Radix UI 的 shadcn/ui 组件、Tailwind CSS、Sonner、clsx 和 tailwind-merge（MIT）、class-variance-authority（Apache 2.0）、Lucide 图标（ISC，部分基于 Feather 衍生，MIT）。完整许可证文本随软件包一同提供，见 THIRD_PARTY_NOTICES.md 和 src/trimscript/static/THIRD_PARTY_LICENSES.txt。
• 演示语音：Nari Labs 的 Dia，Apache 2.0

商标

Final Cut Pro 是 Apple Inc. 的商标。DaVinci Resolve 是 Blackmagic Design 的商标。Claude Code 是 Anthropic 的商标。Codex 是 OpenAI 的商标。提及这些名称仅为说明 TrimScript 可与之配合使用。TrimScript 是一个独立项目，与这些公司均无关联，也未获得其赞助或认可。

许可证

MIT。请参阅 LICENSE。