AutoJLP — 大宝全自动智能纪录片解说剪辑神器

放入原片和字幕，自动生成解说、配音和成片。全程无需手动剪辑。

🎬 60 秒成品演示

▶ 点击播放演示视频 · 1080P 高清 · 60 秒

🚀 一键安装（小白版）

方式一：Docker 一条命令（推荐，什么都不用配）

git clone https://github.com/DaBaoAgent/AutoJLP.git && cd AutoJLP && docker compose build

方式二：Python 手动安装

git clone https://github.com/DaBaoAgent/AutoJLP.git
cd AutoJLP
cp .env.example .env
cp config/settings.example.json config/user_config.json
python -m pip install -r requirements.txt

觉得好用的话，给仓库点个 ⭐ Star，让更多纪录片创作者找到它！

💡 它能做什么

输入	输出
原始视频 + 中/英字幕	成片 MP4 + 配音 + 字幕 + 匹配报告 + 可选 BGM/封面/发布文案

• 来源锚定文案：每句解说都对应原字幕时间范围，不脱离素材瞎编
• 全局无重复画面：整部成片统一分配视频区间，不出现重复镜头
• 多种配音：支持 GPT-SoVITS、通义千问、CosyVoice 和系统音色
• 自动后处理：字幕、BGM、封面、发布标题和简介一键生成
• 断点续跑：长任务中断后可从缓存继续，不用重来
• 全 Agent 兼容：Claude Code / Codex / Hermes / OpenClaw / OpenCode 都能用

⚡ 30 秒快速开始

把 API Key 写进本地 .env，原片和 SRT 放进同一个文件夹，然后：

# 1. 环境预检（推荐先跑）
python autojlp.py check "/你的素材文件夹路径"

# 2. 开始自动剪辑
python autojlp.py run "/你的素材文件夹路径"

Docker 用户（素材放进 materials/ 后）：

docker compose run --rm autojlp check /materials
docker compose run --rm autojlp run /materials

每次命令结束会输出 AUTOJLP_RESULT=<json>，看到 "status": "success" 就是完成了。

🤖 让 AI 帮你剪（Agent 用户）

Claude Code：打开项目后直接说

用 autojlp 技能检查 D:/documentary/materials，只生成解说文案

Hermes：一条命令装成技能

hermes skills install https://raw.githubusercontent.com/DaBaoAgent/AutoJLP/main/SKILL.md --name autojlp

Codex / OpenClaw / OpenCode：项目里已内置 Skill 文件，打开仓库就能用。

📝 常用命令

# 只生成来源锚定解说文案
python autojlp.py script "/你的素材文件夹路径"

# 指定时长（20 分钟成片）
python autojlp.py run "/你的素材文件夹路径" --target-minutes 20

# 用通义千问配音
python autojlp.py run "/你的素材文件夹路径" --voice-provider qwen

📁 一次完整任务会生成

✓ 成片.mp4                 最终视频
✓ 字幕.srt                 同步字幕
✓ 匹配报告.json            解说与画面匹配报告
✓ 发布信息.txt/.json       发布标题和简介
✓ 封面_3x4.jpg             可选封面
✓ 配音稿.txt / 配音.wav    解说文案和配音

⚙️ 配置说明

1. 复制 .env.example 为 .env，只在本机填写密钥
2. 复制 config/settings.example.json 为 config/user_config.json，按需配置配音、字幕、画面、封面和 BGM
3. 用 GPT-SoVITS 时填写引擎目录、参考音频和与音频一致的参考文本
4. 不要提交 .env、config/user_config.json、config/secrets.bin、config/.secret.key 或私人音色

素材目录至少需要一个视频和一个 SRT 文件，推荐同时提供中英文字幕。原始媒体不会被修改，生成缓存默认保留，方便中断后续跑。

🗺️ 路线图

• 来源锚定中文解说
• 全局防重复画面匹配
• 多配音后端与可恢复缓存
• Docker 与跨 Agent Skill
• 公开成品演示
• 全平台回归测试（Linux / Windows / macOS）
• 更多语言文案与配音模板
• 社区案例库

🤝 贡献指南

欢迎提交 Issue、文档、测试和 Pull Request。提交前请阅读 CONTRIBUTING.md 与 SECURITY.md。维护者与贡献者：Dabao。

📄 License

AutoJLP 使用 MIT License 发布。使用者需自行确保对输入媒体、字体、音乐、模型与生成结果拥有必要权利。