dawn-cut

# dawn-cut ### 一款开源视频编辑器，您的素材永远不会离开您的电脑。 像编辑文档一样编辑视频 - **自动字幕、基于文本的剪辑和自动去除静音，100%本地化。** 无需云存储，无需账户，无需水印，无需订阅。 <p> <img alt="100% 本地化" src="https://img.shields.io/badge/100%25-local-2ea44f"> <img alt="无水印" src="https://img.shields.io/badge/no-watermark-2ea44f"> <img alt="无订阅" src="https://img.shields.io/badge/no-subscription-2ea44f"> <img alt="无需账户" src="https://img.shields.io/badge/no-account-2ea44f"> <img alt="许可证：MIT" src="https://img.shields.io/badge/license-MIT-blue"> </p> **中文** · [한국어](README.ko.md) > **状态：v0.1.** 确定性编辑核心是真实的、经过测试的、并且可以使用 - 基于文本的剪辑、去除静音、韩语自动字幕、**一键自适应自动增强**、**低置信度字幕审查和纠正**、色彩分级、9:16/1:1 重新构图、图像/贴纸/GIF 叠加层、一键式风格包、TTS 和 SRT/章节导出，所有这些都是 100% 本地化的。自然语言 AI 编辑和无头 **MCP** 代理服务器也本地工作，但标记为 **实验性** - 它们需要一次性本地模型下载，并且仍在成熟中。 我们诚实地标记一切：[今天有效的内容](#今天有效的内容) · [实验性（可选）](#实验性（可选）) · [路线图](#路线图)。 --- ## 演示 <!-- TODO(release): add a license-clean hero GIF (original clip → captioned, graded cut) at assets/hero.gif, then restore the image line below. Kept commented so the README doesn't render a broken image before release. --> <!--  --> _(演示 GIF 随第一个版本发布而来 - 请参见 `docs/PRODUCTION.md`)_ > _占位符._ 一个可复制的端到端运行（真正的 `whisper.cpp` + FFmpeg）已经存在于 [`demo-output/`](demo-output/README.md) 下：一个 23.6 秒的英语叙述剪辑被转录、文本编辑、去除静音至 17.3 秒，并导出带有混合 **软（可切换）字幕轨道** + SRT + 可重复使用的 `.dawn` 项目。（UI 还可以 *烧录* 字幕；韩语由单元 + 集成测试覆盖。）使用 > `pnpm demo:assets && pnpm demo:run && pnpm demo:ui` 重新生成。 --- ## 为什么选择 dawn-cut 每款流行的“AI 视频编辑器”都要求您在二者之间做出选择：**隐私** 或 **AI 辅助**。云工具会带走您的素材；本地工具无法思考。 dawn-cut 的设计使您不必做出选择。 | | dawn-cut | CapCut | Vrew | Descript | OpenCut | |---|---|---|---|---|---| | 100% 本地运行 | **是** | 否（云） | 否（云 STT） | 否（云） | 是（浏览器） | | 无需账户 / 无水印 / 无订阅 | **是** | 否 | 免费层有限 | 积分/限制 | 是 | | 单词级 STT + 基于文本的编辑 | **是** | 否 | 部分 | 是 | 否 | | 自动字幕（包括韩语） | **是（本地）** | 云 | 云 | 云 | 否 | | 确定性、可验证的编辑核心（EDL + 不变量） | **是** | 否 | 否 | 否 | 否 | | 开源 | **是（MIT）** | 否 | 否 | 否 | 是（MIT） | - **vs CapCut** - 您的视频永远不会离开您的笔记本电脑。 无需遥测，无需声称拥有您的面部和声音的许可的条款，无需导出水印。 - **vs Vrew** - 可比较的韩语自动字幕（whisper `large-v3-turbo`），但本地、无限制且免费。 dawn-cut 从 whisper token 中无损地重新组装韩语 *eojeol*（单词 + 粒子）- 请参见 [`whisper.ts`](packages/core/src/whisper.ts)。 - **vs Descript** - 相同的“删除一个句子，删除素材”的基于文本的编辑 - 但无需云、无需积分、无需上传。 - **vs OpenCut** - OpenCut 拥有通用、手动编辑的浏览器时间线。 dawn-cut 填补了它留下的空白：**单词级 STT、基于文本的编辑和确定性编辑核心，机器可以驱动** - 代理编辑的基础。 --- ## 今天有效的内容 诚实列表 - 以下每个项目都在 [`packages/core`](packages/core) 中实现，并涵盖了单元/属性测试，或通过 Electron UI 连接。 - **单词级转录** - `whisper.cpp`（MIT，本地）生成每个单词的时间戳；韩语 *eojeol* 无损重建（验证字符准确性，无 mojibake）。 - **基于文本的编辑** - 删除一个单词范围，相应的素材被剪辑并无缝隙地 rippled（`deleteWordRange`、`cutSourceRange`）。 - **自动去除静音** - 检测静音间隔并修剪它们，具有可配置的填充（`removeSilences`）。 - **填充词检测** - 保守的韩语填充词典，仅精确匹配（`detectFillers`）。 - **字幕准确性审查和纠正** - 浮现低置信度（可能听错）的 *eojeol*，从 whisper token 概率中，突出显示在转录中，跳转到它们，并内联修复一个单词 - 纠正流入提示/ SRT / 烧录并且记录在审计日志（`correctWord` 动词）。 - **一键自适应自动增强** - 分析实际素材（FFmpeg `signalstats`：亮度/对比度/饱和度）并应用计算出的色彩分级 - 使暗淡的剪辑更亮，使 dull 的剪辑更鲜活 - 而不曾过度纠正（`analyzeVideo` → 纯 `autoEnhanceParams` → `applyAutoEnhance`; 长度不变，确切的数字记录在 EDL 中）。 - **自动字幕** - 将实时单词分组为程序定时提示，根据句子结尾/剪辑/单词上限断开，每个单词 **显示/卡拉 OK** 动画，导出 **SRT** （`transcriptToCues`、`captionFrames`、`formatSrt`）。 - **自动章节** - 基于规则的 YouTube `M:SS title` 章节列表来自转录（`extractChapters`、`formatChapters`）。 - **词典替换** - 转录中确定性的术语替换（`applyGlossary`）。 - **色彩分级** - 6 种预设（暖/冷/冲/电影/平面/鲜活）具有强度加权，通过命令总线应用并使用 FFmpeg `eq`/`curves`渲染（`applyColorgrade`、`COLOR_PRESETS`）。 - **9:16 / 1:1 重新构图** - 将横向素材变成垂直短视频/方形视频，具有叠加层感知的中心裁剪（`cropForAspect`、`renderEdl({ reframe })`）。 - **图像/贴纸/GIF 叠加层** - 位置、缩放、透明度、z 顺序、旋转、混合模式和多关键帧运动路径，**合成到导出的视频** 中，通过 FFmpeg 叠加层过滤器（`OverlayClip`、[`overlay.ts`](packages/core/src/overlay.ts)、[`draw.ts`](packages/core/src/draw.ts)、`renderEdl`）。 - **一键式风格包** - 6 种类型预设（viral-punch、mukbang-sizzle、beauty-glow、golden-hour、city-night、talk-clean）表示为计划（`EditCommand[]` 包），因此 GUI、LLM 计划器和 MCP 都共享它们（`STYLE_PACKS`、`templates.ts`）。 - **TTS 配音** - 合成旁白（macOS `say`）并将其混合到导出中。 - **确定性 EDL 导出** - 时间线编译为导出决策列表，由 FFmpeg 边车渲染（`timelineToEdl`）。 - **转录 ↔ 时间线同步** - 单词和节目时间之间的可证明的双向映射（`wordToProgram`、`programToWord`）。 - **项目保存/打开** - 版本化 `.dawn` JSON；完整的撤销/重做（[`history.ts`](packages/core/src/history.ts)）。 - **Electron 桌面应用** - 导入媒体，转录，通过文本编辑，擦除，实时预览字幕并导出。 ### 建立在数据契约之上，而不是凭感觉 编辑核心是护城河。它是 **纯 TypeScript** - 它可能不导入 `electron`、`fs`、`child_process` 或 `path`（由 `dependency-cruiser` 强制执行）。每个模型都受验证的不变量约束： - **时间是整数微秒（µs）**；间隔是半开的 `[start, end)`。 - `validateSync` 证明转录 ↔ 时间线往返（SYNC-INV）。 - `validateEdl` 证明导出列表是连续的和总时长精确的（EDL-INV）。 - `validateCues` 证明字幕是顺序的、非重叠的和在边界内的（SUB-INV）。 - 命令是 **纯函数** 返回 `{ before, after, removedProgramUs }`，因此每个编辑都是可撤销和可重放的。 这些属性 - 确定性、验证、撤销、无头执行 - 正是 AI 编辑代理所需的非功能性需求。 --- ## 实验性（可选） 这些 **今天在本地和端到端运行**，但标记为实验性，因为它们依赖于一次性模型下载和/或已知差距。它们是真实的，不是模拟的 - 只是成熟中。 有意启用它们；核心永远不依赖于它们。 - **自然语言编辑（本地 LLM 计划器）** - 输入 *“剪掉填充词并使其具有电影效果”*，本地 `llama.cpp` 计划器（默认 **Qwen2.5-1.5B**，Apache-2.0）发出 **验证的 `EditCommand` 计划**，您可以在应用前预览（干预差异）。语法约束解码保持输出符合模式；如果没有安装模型，则回落到确定性规则计划器。设置：`pnpm setup:llm`。 _注意事项：_ 需要模型下载；计划质量受 1.5B 模型的限制；CI 验证规则路径（LLM 路径手动执行）。 - **MCP 代理服务器** - 无头 [Model Context Protocol](https://modelcontextprotocol.io) 服务器（`@dawn-cut/mcp`）允许外部代理（Claude Desktop / Cursor）驱动 **相同的** 命令总线超过 `.dawn` 项目：`open_project → command_manifest → plan → dry_run → apply → save_project → render`（包括 9:16/1:1 重新构图）。每个编辑都经过相同的变量 + 哈希链审计日志，就像 GUI 一样。 _注意事项：_ `render` 尚未烧录字幕/叠加层（仅剪辑 + 颜色 + 缩放 + 重新构图）；通过工作区运行无头（`npx` 安装的可执行文件尚未发布）。请参见 [`docs/P4-MCP.md`](docs/P4-MCP.md)。 --- ## 愿景 > **说出您想要的；AI 提出编辑；您审查时间线/EDL；然后渲染。** 不是一个黑盒。 最终目标是一个编辑器，您输入 *“剪掉死空气并在关键点上添加字幕”*，一个 LLM 发出一个 **验证的、可序列化的 `EditCommand` 列表**，确定性核心应用并渲染 - 带有您预先批准的干预差异。因为核心已经公开了可审查的中间表示（时间线 + EDL）并验证每个步骤，所以代理的编辑是可复制和自动检查的，而不是不透明的。 其中大部分 **现已构建**。 命令总线（Zod 派生的 `EditCommand` + 变量验证 + 哈希链审计日志），一键式风格包（模板表示为 **计划**），以及 9:16/1:1 重新构图都已在核心中发布；本地 `llama.cpp` 计划器（自然语言 → 计划 → 干预 → 批准）和无头 **MCP 服务器** 带有 `render` 工具（外部 AI 通过 `.dawn` 项目驱动）作为 [实验性](#实验性（可选）) 发布。 仍开放：实时应用 ↔ MCP 桥接，MCP 字幕烧录，过渡/节拍同步和多轨。 请参见下面的路线图和 [`docs/PRODUCTION.md`](docs/PRODUCTION.md)。 --- ## 路线图 - **阶段 1 - 命令总线.** 将分散在 UI 存储中的编辑操作提升到一个单一的可序列化 `EditCommand` 联盟，具有一个 `applyCommand` 调度器，每个动词都由一个 Zod 模式支持（→ TS 类型 + 运行时守卫 + JSON-Schema 清单）。 后置门控运行变量验证器在每个命令后。 - **阶段 2 - 干预/差异/提交 + 审计日志.** 在克隆状态上预览编辑，显示差异（删除的 µs，改变的提示，长度 delta），通过追加的哈希链日志提交。 为 punch-in zoom 和色彩分级添加真正的渲染管道（效果感知 EDL）。 - **阶段 3 - 本地 LLM 计划器（区分器）。** 一个 `llama.cpp` 边车（重用 `whisper.cpp` IPC 模式）具有语法约束解码，生成一个验证的 `EditCommand` 计划来自自然语言，干预 + 批准 + 提交 - 100% 本地，无云。 - **阶段 4 - MCP 服务器 + OTIO + 多轨.** 将命令注册表公开为 MCP 服务器，供外部代理（Claude Desktop / Cursor），推广到多轨/多源（B-roll，PIP，音乐），并添加 OTIO 导出以支持 Premiere/Resolve/FCP 互操作。 --- ## 快速开始 需要 **Node ≥ 20**，**pnpm 10**，以及（用于转录）**cmake** + **FFmpeg**。 ```bash pnpm install # 安装工作区依赖 pnpm verify # 校验 + 核心边界检查 + 构建 + 单元测试 + 端到端测试 # （依赖 whisper 的步骤自跳过；集成运行时存在fixture） pnpm setup:binaries # 构建 whisper.cpp + 下载模型（需要 cmake + ffmpeg） # 默认模型：large-v3-turbo（~1.6GB）; # 更轻的设置：DAWN_WHISPER_MODEL=base pnpm setup:binaries pnpm make:fixture # 生成确定性测试视频（使用 macOS `say`） ``` 其他有用的脚本：`pnpm test:unit`，`pnpm test:int`，`pnpm test:e2e`， `pnpm demo:assets && pnpm demo:run && pnpm demo:ui`（完整的真实媒体演示）。 --- ## 架构 三个层级，具有严格的核心可移植边界： ``` UI / shell ──► 编辑核心 ──► AI / 渲染边车 （Electron, React） （纯 TS） （Node 子进程包装器） ``` - **`packages/core`** - 可移植的纯 TypeScript 编辑核心：转录 / 时间线 / 同步 / 命令 / EDL / 字幕 / 叠加层 / 章节。 无 Node，无 Electron（强制）。 这是未来代理将驱动的内容。 - **`packages/ui`** - React UI + Zustand 存储（`@dawn-cut/ui`）。 - **`apps/desktop`** - Electron 外壳（`@dawn-cut/desktop`）。 - **`sidecar/stt`** - `whisper.cpp` 子进程包装器，单词级时间戳（MIT）。 - **`sidecar/ffmpeg`** - FFmpeg / ffprobe 子进程包装器（LGPL，仅子进程）。 - **`sidecar/tts`** - 文本转语音（macOS `say` 默认离线；Piper 可选）。 **EDL** 是分离 *编辑* 和 *导出* 的确定性 IR：核心生成它，FFmpeg 边车消耗它，因此相同的编辑始终渲染相同的输出。 完整设计：[`docs/ARCHITECTURE.md`](docs/ARCHITECTURE.md) 和 PoC 文档在 [`docs/poc/`](docs/poc/README.md) 下。 ### 校验驱动 每个里程碑门控都由自动化测试支持。 `pnpm verify` 退出 `0` 是“完成”的必要条件。 请参见 [`docs/poc/03-TEST-GATES.md`](docs/poc/03-TEST-GATES.md)。 --- ## 许可证 **MIT** - 请参见 [LICENSE](LICENSE) 和 [NOTICE](NOTICE)。 核心保持免费和本地，永久。