打完球，最不想做的事，往往是回家后再花几个小时剪视频。
Basketball Highlight Editor 会先帮你把整场比赛里可能的进球片段找出来，你只需要快速看一遍、删掉误检，再导出自己的集锦。
English · 简体中文
完全本地运行 · 免费使用 · 自动找片段 · 人工可控
🏠 官网 bhe.jafir.top · ⬇ 下载最新版 · 开始使用 · 功能介绍 · 交流群 · 文档
如果你拍过整场篮球比赛，应该遇到过这些情况：
- 比赛打了几十分钟，真正想留的进球可能只有十几个；
- 回家后需要反复拖进度条，找球、看回放、记时间点；
- 剪一个视频不难，但剪完整场很磨人，眼睛和耐心都消耗在来回找片段上；
- 全自动剪辑看起来省事，实际经常把误检也剪进去，最后还是得重新检查；
- 比赛视频通常比较大，不想为了剪一场球上传到云端，更不想被订阅和按分钟收费绑住。
这个项目的做法比较直接：让机器负责找，让你负责决定。
不用从头到尾盯着进度条找进球。Engine 会扫描视频，先给出一批疑似进球候选。你从“找素材”变成“看候选”，通常会轻松很多。
候选片段默认保留。大多数时候，你只需要排除误检，必要时调整片段前后几秒，不用每个候选都点一次确认。
分析、预览、审核和导出默认在自己的电脑上完成。不需要账号，也不依赖在线接口；比赛视频可以留在本地。
项目提供免费、本地部署的使用方式，不按视频时长或导出次数收费。需要准备的是自己的电脑、运行环境和有权使用的模型/素材。
它不是“按一下就替你决定一切”的黑盒。候选可以保留、排除、改时间、加备注、标记球员，也可以手动补上漏掉的片段。最后导出的内容由你决定。
- 自动扫描疑似进球：针对固定机位、单篮筐比赛视频生成候选片段；
- 自动建议检测区域：失败时可以手动框选和调整 ROI（感兴趣区域）；
- 快速模式 / 标准模式：想先快速看结果就用快速模式，重要比赛可以用标准模式做更完整分析；
- 候选审核工作台：视频区域优先，边播放边切换候选；
- 候选默认保留：只需要排除误检，不用逐条确认；
- 时间范围调整：把进球前后的铺垫和落地过程留得更合适；
- 手动补漏：自动检测没找到的片段，可以从原视频当前时间直接加入；
- 按标签整理集锦：标签不只可以标记球员，也可以标记三分、扣篮、犯规、精彩防守等场景；标签名称由你自己定义，支持批量标记和按标签导出；
- 一场比赛多段视频：同一场比赛分成几段录的，可以放进一个项目，按录制时间排好顺序后排队逐段分析，审核和导出都在一起完成；
- 两种导出方式：合并成一条集锦，或为每个候选分别导出；
- 导出后打开目录：不用再手动翻文件夹找成片；
- 任务进度和耗时记录：知道现在处理到哪一步，也方便比较快速/标准模式的速度。
导入比赛视频
↓
设置分析范围和篮筐区域
↓
选择快速模式或标准模式
↓
等待自动分析
↓
在审核工作台快速过一遍候选
↓
排除误检、调整时间、补漏
↓
合并导出或分别导出
候选是“疑似事件”，不是模型盖章的最终答案。固定机位、篮筐清晰、画面稳定时，通常更适合当前版本；机位变化很大、篮筐被遮挡或一段视频里有多个篮筐时，建议认真审核结果。
这也是这个工具比较适合球队和训练赛的地方。分析完成后，你可以在审核工作台给每个进球选择球员：
- 先创建球员名称，例如“张三”“李四”；
- 在候选片段上标记对应球员，也可以批量给多个候选设置同一个标签；
- 进入导出页，选择某一位球员，只导出他的进球集锦；
- 需要团队集锦时，可以选择多位球员，或直接导出全部保留的候选。
被排除的误检不会进入任何人的集锦。没有标记球员的片段也不会被悄悄丢掉，导出时可以选择是否把“未分配球员”的候选一起带上。
审核时，视频区域会尽量保持足够大，候选列表放在旁边，方便连续查看：
下面这段录屏展示了从导入视频、分析候选到审核和导出的完整操作流程：
点击封面即可打开 OSS 上的操作录屏。仓库不保存大体积演示视频，避免下载项目时额外占用 Git 空间。
下面是一个适合快速了解操作流程的短版演示：
recording-demo-preview.mp4
排除的候选不会被删除，之后仍然可以恢复或复核：
审核完成后，可以按标签筛选片段，再合并成一条集锦，或者分别导出每个片段：
一场比赛里有多人时，可以给进球标记对应球员；想整理不同类型的片段，也可以自己创建标签，例如：
- 球员：
张三、李四； - 得分：
三分、扣篮、上篮； - 比赛场景：
犯规、精彩防守、关键回合。
同一个片段可以有多个标签。导出时可以只选某位球员、某种场景，或同时选择多个标签，分别制作个人集锦、三分集锦、扣篮集锦和整场集锦。
更多页面、按钮、快捷键和白色主题截图见 docs/USER_FLOW_V1.md 以及 docs/README.md。
BHE 现在也提供 Android 和 iOS 移动端版本。移动端适合在手机上导入比赛视频、查看项目、审核候选片段，并把保留的片段分别导出或合并导出；Android 当前还接入了本地原生分析路径，iOS 的本地分析能力取决于 Rust Runtime 和 ONNX Runtime 是否完成构建链接。
Android 标准分析和桌面端一样会做篮筐逐帧复核，确认没进的候选默认排除。骁龙 8 至尊版第五代手机使用 NPU 分析，10 分钟视频约 4.5 分钟；其他手机使用 CPU，会明显更慢。
移动端界面保持和桌面端相同的核心流程：先准备项目，再查看视频和候选，最后进入导出页。手机上审核时可以在竖屏查看候选，也可以横屏获得更大的视频画面。
横屏审核会把视频、候选列表和审核操作集中到同一工作区：
审核完成后，可以分别导出所有保留片段，也可以合并成一条集锦：
移动端构建、真机测试和原生推理依赖见 apps/mobile/README.md；跨端能力边界见 docs/MOBILE_PC_FEATURE_MATRIX.md。
项目在持续维护，基本每周都会发新版本。每个版本的完整改动见 CHANGELOG.md。
| 版本 | 日期 | 主要更新 |
|---|---|---|
| v0.1.11 | 2026-10-23 | 桌面端和安卓可以在 App 里检查更新，下载后校验安装包再安装；反馈入口可一键复制诊断信息，出错时能直接反馈；运行日志记录运行环境、视频参数、各阶段耗时和失败原因；安卓安装包固定签名，以后可以直接覆盖升级；修复多段项目审核页无法播放视频 |
| v0.1.10 | 2026-10-23 | 桌面端一个项目可以放同一场比赛的多段视频，按录制时间排序、排队逐段分析、合在一起审核和导出；单独导出的片段文件名带球员名；球员名单可以存成分组在其他项目一键导入；桌面端运行日志写入固定目录，可从「关于」打开；修复中文 Windows 分析卡在 1% 和 iPhone 空间音频视频导出失败 |
| v0.1.9 | 2026-10-22 | Android 在骁龙 8 至尊版第五代上用 NPU 分析，10 分钟视频约 4.5 分钟；Android 加入篮筐逐帧复核和粗扫兜底候选，结果与桌面端对齐；机位中途偏移不再漏掉后半段进球；手机审核支持按复核结果和球员筛选、时间轴范围编辑，首页显示项目封面 |
| v0.1.8 | 2026-10-21 | 篮筐复核改为只按看到的证据排除，三个已审核视频上漏判从 47 个降到 0 个；审核列表可按复核结果筛选；Windows 生成代理用显卡解码、导出用显卡编码；修复 Windows 非 16:9 视频四周黑边和浅色主题文字看不清 |
| v0.1.7 | 2026-10-20 | 标准分析新增篮筐逐帧复核，自动排除没进的候选；首页支持拖入视频新建项目并显示项目封面；重做片段范围编辑，数字键快速设置球员标签；修复一批审核和导出的卡顿与状态问题 |
| v0.1.4 – v0.1.6 | 2026-10-17 | 审核视频铺满面板；修复 Windows 发布包的代理生成和导出，之后 10-18 至 10-20 又发布了多个 Windows 热修复 |
| v0.1.1 – v0.1.3 | 2026-09-16 – 09-23 | 桌面端和移动端完整中英文界面；修复 Android 原生库加载和 ONNX Runtime 版本 |
| v0.1.0 | 2026-09-14 | 首个正式预览版：自动构建 macOS、Windows 安装包和 Android 测试包，可从官网下载；移动端完成桌面算法移植 |
你可以从官网下载安装包，GitHub Releases 作为备用下载入口；每次推送 v* tag 后，GitHub Actions 会自动生成 macOS Intel、macOS Apple Silicon、Windows x64 和 Android arm64-v8a 版本。Android 包为 debug-signed 侧载测试包，不是 Google Play 正式签名包。想参与开发或自己构建时，再按下面的源码部署步骤准备环境。
需要 Python 3.11、Flutter stable 和 FFmpeg/FFprobe：
brew install ffmpeg
git clone https://github.com/fly7632785/basketball-highlight-editor.git
cd basketball-highlight-editor
python3.11 -m venv .venv
.venv/bin/python -m pip install --upgrade pip
.venv/bin/python -m pip install -r requirements-dev.txt
.venv/bin/python scripts/check_runtime.py \
--root . \
--python .venv/bin/python
cd apps/desktop
flutter pub get
flutter run -d macos启动后按“新建项目 → 选择视频 → 分析 → 审核 → 导出”操作即可。
Windows 可以使用一键搭建脚本：
git clone https://github.com/fly7632785/basketball-highlight-editor.git
cd basketball-highlight-editor
powershell -ExecutionPolicy Bypass -File scripts\setup_windows.ps1也可以按手动方式安装 Python、Flutter Windows 工具链和 FFmpeg，具体命令见 docs/MACOS_PACKAGING_V1.md。当前 Windows 全流程已经过本地验证，但仍属于持续完善中的平台路径。
完整源码包含默认模型：
models/bball_model.pt
models/bball_model.onnx
正常 clone 后不需要再从陌生地址下载模型。模型、比赛视频、训练数据和第三方依赖仍然要遵守各自的授权条件；不要把没有公开处理权的素材提交到仓库。
| 模式 | 适合什么时候用 | 取舍 |
|---|---|---|
| 快速模式 | 想先快速看一版候选，或者只是找几个大概时间点 | 等得更短，但可能漏掉部分事件 |
| 标准模式 | 重要比赛、希望尽量完整地找候选 | 分析更慢，但会做更完整的筛选 |
两种模式的审核和导出方式一样。快速模式只是帮你更快得到第一版结果，不会替你做最终选择。
- Flutter：桌面端界面和审核工作台；
- Python + OpenCV + YOLO：视频采样、篮球/篮筐检测和候选生成；
- SQLite：保存项目、任务、候选和审核状态；
- FFmpeg / FFprobe：读取视频信息、生成预览和导出片段；
- Rust + ONNX Runtime：移动端本地推理路径。
技术细节、Engine 协议、数据库结构和移动端边界见 docs/README.md 和 docs/architecture/。
目前最适合：
- 固定机位；
- 单场比赛；
- 单个篮筐；
- 需要快速整理校队、业余联赛或训练赛集锦的球员、教练和拍摄者。
暂时不把多机位、多篮筐、实时直播、云端协作和“完全无人审核”当作当前版本能力。项目会优先把本地分析、候选审核和导出这条主路径做好。
扫码加作者微信，备注「BHE」拉你进群。新版本会先在群里测，用着有问题可以直接找我，也欢迎提需求。
- 用户流程：从导入到导出的操作和异常路径；
- 产品需求：当前 V1 范围、已实现能力和剩余工作；
- 决策记录：快速/标准模式、审核语义和工程边界；
- 架构说明：模块职责和任务生命周期；
- Engine 协议：Flutter 与 Python Engine 的 JSONL 契约；
- SQLite 结构：项目数据库结构；
- macOS 打包：运行时、构建和分发边界；
- 审核数据导出：导出人工审核数据的用法；
- 性能基准：快速/标准模式实测记录。
项目在模型、检测流程和产品工作流上参考了 HoopCut、basketball-highlights、ShotMarker、basketball_clipper、ball-yolo、ClarkWang1214/basketball-highlights 和 ai-sports-cut-agent。感谢这些项目公开分享的思路和实践。
视频默认只在本地处理，不上传到云端。源码、模型、训练数据、比赛画面和第三方依赖的授权范围并不相同，发布或分发前请查看 docs/research/LICENSE_NOTES.md 和 docs/research/THIRD_PARTY_MANIFEST.md。
如果你用它剪过一场比赛，欢迎反馈：哪些地方真的省时间，哪些误检最烦，哪些操作还不顺手。这个项目最需要的不是漂亮的宣传语，而是这些真实使用反馈。
感谢 Linux.do 社区。