reddit · SideProject · 10-27 21:50 47 分 ← 返回列表

Upload a full movie, get a 60-second voiced recap for Shorts and TikTok. 6 months of work, here is the demo.

Some context the video can't fit. Pipeline: WhisperX for transcription, an LLM writes the script with timestamps, CLIP plus a vision model picks the shots that actually match each line, Qwen3-TTS narrates, ffmpeg renders 9:16 with burned-in subtitles. Runs on a rented GPU, about $0.20 and 7 minutes per video. The parts nobody warns you about: The narrator literally laughed mid-sentence during a funeral scene. Whisper writes [laughs] into the transcript and the TTS perfor

五维评分

付费意愿

需求真实度

个人可落地

竞争空间

新鲜度

AI 分析

痛点：长视频（整部电影）转成 60 秒带配音和字幕的竖屏解说短片，流程繁琐、成本高，创作者需要自动化流水线

目标用户：电影解说/影视剪辑类短视频创作者、MCN 运营、影视发行方社媒团队

证据：279 people tried it, 0 paying so far. Free tier is 1 video, no card. / Runs on a rented GPU, about $0.20 and 7 minutes per video.

变现：按视频条数计费的订阅（免费1条，付费解锁批量与去水印）；或面向 MCN/影视发行方做团队版席位订阅，并叠加每部影片的定制解说包

MVP：聚焦「电影→60秒解说」单一场景：WhisperX 转写 + LLM 生成 11 行带时间戳脚本 + CLIP 关键帧匹配 + TTS 配音 + ffmpeg 9:16 烧字幕；两周内先做 Web 上传队列，不做多语言和模板库，用现成 API 不训模型

竞品：Opus Clip、Klap、Vizard、2short.ai、Munch

摘要：作者用 WhisperX+LLM+CLIP+Qwen3-TTS+ffmpeg 搭出电影转 60 秒竖屏解说的流水线，单条成本约 $0.20、耗时 7 分钟。6 个月做出产品，279 人试用但 0 付费，说明需求真实存在但转化路径尚未验证。主要坑：TTS 会把转写里的 [laughs] 念出来、镜头匹配需 CLIP+视觉模型重排、响度需两遍 loudnorm。