想把一段视频自动做成中文解说开源工具按用法分四类本地网页界面、桌面应用、命令行以及装进编程 Agent 的 skill。分好类再核对四件事工具靠什么看懂视频模型和配音调用谁、怎么付费能不能导出剪映草稿继续改许可证允不允许你的用法。利益相关本文作者参与维护 video-recap-skills它也在对比之列。所有项目按同一组标准列出事实取自各项目的仓库、README 和 LICENSE截至 2026-10-31。星标数和更新日期会变引用前请回仓库核对。表中“未说明”指 README 没写不代表没有这项能力。一、总表项目GitHub 路径用法许可证星标 / 最近推送怎么看懂视频剪映草稿模型从哪来NarratoAIlinyqh/NarratoAI本地网页界面有 Windows / macOS 整合包和 DockerMIT11,643 / 10-24抽帧给视觉模型Fun-ASR 转字幕支持OpenAI 兼容接口自配云端 keyJJYB_AI_VideoAutoCutjianjieyiban/JJYB_AI_VideoAutoCutWindows 桌面应用作者自定个人使用许可未授权禁止商用1,175 / 10-18TransNetV2 或 OpenCV 切镜头可选视觉模型faster-whisper 或 FunASR 转写支持自配多家视觉模型movie-narratorzcbacxc/movie-narrator命令行PyPI另有网页界面包AGPL-3.01,149 / 09-16先按 TMDB公开电影资料库的影片资料写稿配音再做场景检测和片段匹配未说明默认本地 Ollama也支持智谱、百炼、硅基流动等dramaxisAgions/dramaxis桌面应用TauriMIT449 / 10-27FFmpeg 场景检测加多模态关键帧本地 Whisper 提字幕支持列出 11 家含 Ollama、LM StudiosuperAIAutoCutVideoxiaohu2206/superAIAutoCutVideo桌面应用Tauri FastAPIMIT209 / 04-19FunASR 字幕加 moondream 看帧短剧解说目前只用字幕支持OpenRouter 等聚合接口解说猫 JSMUUUBBB/JSMWindows 桌面程序仓库未声明69 / 07-02视觉模型分析场景和角色TransNet 切镜头用 GPU支持另可导出 Premiere XML自配更新日志提到激活码narrator-ai-cli-skillNarratorAI-StudioAgent skill 命令行调用商业平台客户端 MIT3,080 / 07-05在平台服务端完成方式未说明未说明向厂商申请 key按积分扣费video-recap-skillszenstory-ai本文作者参与Agent skill适配 Claude Code、Codex、OpenCode 等MIT598 / 10-30场景检测加抽帧小米 MiMo 做语音识别和画面理解支持可选识别和配音需 MiMo key按量付费写稿用 Agent 自己的模型只想把外语片翻译成中文配音、不改剪辑结构的看 pyvideotrans、YouDub-webui 这类视频翻译工具更直接。解说要重写文案、挑片段、重新剪是另一类任务。二、按你的情况选要图形界面装好就用。先看 NarratoAI星标最多有整合包不强制要显卡配音可选项多。只用 Windows 的可以再看 JJYB_AI_VideoAutoCut 和解说猫 JSM。前者把镜头时长装不下配音的情况处理得很明确会拒绝生成不靠定格凑时长但未经授权不能商用后者要激活码也没声明许可证。superAIAutoCutVideo 半年没更新README 自述还不稳定。模型尽量在本机跑。看 dramaxis 和 movie-narrator两者都能接 Ollama。movie-narrator 先按公开影片资料写稿再匹配画面适合有 TMDB 条目的电影注意它是 AGPL-3.0默认的 Edge-TTS 音色仅限非商用。已经在用编程 Agent。narrator-ai-cli-skill 和 video-recap-skills 走的是两条路。前者是商业平台的客户端写稿、合成都在服务端平台自带影片和音色素材按积分付费。后者在本机用 ffmpeg 剪辑渲染只有识别、画面理解和配音调用 MiMo每一拍旁白记录取自哪段素材的哪一秒、依据是语音还是画面方便事后核对。三、动手前用一段熟悉的片子试跑README 很少说明工具怎样防止模型补出画面里没有的情节这一点只能自己测。挑一段你看过很多遍的 3 到 5 分钟片段跑出解说稿后逐句做三件事圈出动机、身份和结果类的词比如“偷走”“早有预谋”“终于认错”每个都回到原片找对应的画面或对白。找不到的就是模型补的。只读描述动作的句子看它们是否准确。人物拿起一个箱子稿子写“拿走了箱子”还算贴近写“偷走了箱子”就越界了。核对字幕里的人名和关键词。自动转写常把同音人名写错错的人名会一路带进后面的解说。举个原创的例子画面里一个人在下雨时把工具箱从露天桌挪到棚下后来被问起时说了位置。好的解说写“他把箱子挪到棚下事后说明了位置”越界的写成“他趁乱拿走箱子被发现后谎称避雨”。三项核对做完基本能看出一个工具写稿的分寸。四、再核对三件事能否商用。MIT 项目NarratoAI、dramaxis、superAIAutoCutVideo、video-recap-skills对工具本身限制最少JJYB_AI_VideoAutoCut 未授权禁止商用AGPL 的 movie-narrator 以服务形式提供修改版要公开源码JSM 未声明许可证。配音音色的许可要单独看影视素材本身的版权和平台规则也与工具许可证无关。费用花在哪。工具免费钱花在视觉模型、语音识别和配音调用上片子越长、抽帧越密越贵。README 给出实测数字的很少video-recap-skills 自报一条完整视频约 1.3 元。最可靠的估算方式是用自己常做的片长跑一条看账单。剪映草稿。自动成片很少一次到位能导出剪映草稿就能在剪映里接着调片段、字幕和配音。表里标“支持”的有六个项目。常见问题需要显卡吗多数不需要画面理解和配音走云端接口。要显卡的是本地部分比如 JSM 的镜头检测以及 IndexTTS 这类本地配音模型8GB 以上显存。能直接生成可以发布的成片吗能出成片但建议导出剪映草稿再过一遍尤其是字幕人名和解说里的判断性措辞。video-recap-skills 的安装方法和流程说明见仓库https://github.com/zenstory-ai/video-recap-skills