Scarlet 是一款面向 macOS、Windows 和 Linux 的开源 AI 视频编辑器。它的核心思路很直接:由 AI 代理负责修改剪辑决策列表,Scarlet 负责渲染视频,你负责做创作判断。你可以用文字、语音,或者直接在暂停的画面上画框,告诉 Claude Code 或 Codex 想改哪里,几秒内就能在时间线上听到修改后的效果,而原始素材始终保持不变。项目当前在 GitHub 上获得 593 颗星、72 次 Fork,主要使用 TypeScript 开发,采用 MIT 许可证。
它解决什么问题
传统剪辑流程中,改动一个片段往往要等待完整重新渲染,或者反复在时间线上翻找。Scarlet 的做法是只渲染受影响的几秒钟,其余部分从缓存片段中拼接,因此即使面对较长的录制素材,回放也能保持流畅。它特别适合对话密集的素材,例如访谈、口播视频、播客和屏幕演示,同时让每一次编辑都有版本记录,并且是非破坏性的。
功能特点
用对话、语音或画面标注来编辑
- 自带 AI 代理:在设置中连接 Claude Code 或 Codex,使用你已有的订阅。Scarlet 通过 MCP 在本地运行代理,不需要额外支付 AI 费用,也不用折腾终端。
- 语音或文字,整片或精确位置:在输入框中打字,或按住
V说话。既可以要求对整段视频做处理,也可以通过暂停、拖动时间线、在标尺上框选范围(支持帧级放大镜),或在转录文本中高亮词语来定位具体位置。 - 直接在画面上画(
M):在暂停的视频帧上涂画、框选或点选,让代理准确看到你指的是画面中的哪一部分。也可以把参考图或 PDF 品牌指南直接拖进消息框。 - 非破坏性版本历史:每次编辑都会保存一个新的时间线版本。可以在历史记录中回退到之前的剪辑,或用
⌘Z/Ctrl+Z撤销保留、拒绝和修改操作。
快速审阅、前后对比与实时转录
- 局部片段渲染:只重新渲染改动附近的几秒,其余部分从缓存拼接,长录制的回放速度不受影响。
- 即时前后对比(
):打开时间线上方的任意编辑卡片或剪切卡片,按即可在被移除的素材和新拼接点之间切换。点击剪切卡片上的转录图标,可以看到被划掉的删除词语及其所在句子。 - 聚焦式“For you”审阅队列:有把握的编辑直接进入工作时间线;需要判断或标记的编辑则留在 For you 队列中。用
↑/↓逐条浏览,按K(保留)、A(批准)、S(跳过)、R(修改)或×(拒绝)处理。 - 可搜索的转录栏:从菜单打开 Transcript,可以在播放器旁同步阅读、搜索说过的短语、点击任意词语跳转播放头,或选中一段话进行提问。
- 并行修改:可以同时对多个不同的剪切或编辑提出修改请求,Scarlet 会为每个请求运行代理,并安全地将整片请求排队。
内置编辑工作流(Skills)与 Learnings
在输入框中键入 / 即可运行 Scarlet 的内置编辑工作流。每个工作流都是一份可编辑的 Markdown 指南,在所有项目间共享,可以在设置中自定义,也可以把一次批准的编辑变成可复用的技能。
/dialogue-pass:删除错误开头、重复镜头、语气词和空白停顿,同时保留自然节奏,并标记需要人工判断的地方。/frame-screen:在屏幕录制中平滑缩放至活动窗格或朗读中的文字,同时让摄像头画中画避开屏幕文字。/punch-in:利用本地人脸跟踪,在口播跳切和关键台词之间切换宽景与近景。/add-captions:根据保留的语音生成干净可读的字幕轨。/motion-graphics:通过内置无头 Chrome 在本地将 HTML/CSS/JS 渲染为透明 ProRes 4444,生成下三分之一字幕、标题和标注。/b-roll:先把 B-roll 和图形插入点规划为待办事项,再只获取或创建你要求的部分。/speed-through-waits:加速安装、构建和加载画面,同时保持轨道同步、语音正常速度。/music-under-speech:在语音下压低音乐音量,让每个字都清晰,在较长停顿或无人说话处恢复音量。/fit-length:按目标时长裁剪,优先移除最不重要的段落。/tighten-pauses-here:将停顿收紧聚焦在选中段落或播放头附近区域。
Learnings:当某个请求听起来像反复出现的偏好(例如“保留笑声,只剪掉笑声之后的空白”),Scarlet 会把它作为建议规则呈现。你可以批准以自动更新技能、就地修改措辞,或忽略它。
本地媒体感知与剪切安全
为了让代理基于真实测量而不是猜测来编辑,Scarlet 会在你的机器上本地分析素材:
- 逐字转录与紧密词对齐:安装后默认使用 CrisperWhisper 2.0 large,开箱则使用内置的 Whisper large-v3-turbo,并通过本地 wav2vec2 CTC 强制对齐和声学语气词检测进行细化。同时支持本地自定义模型和 OpenAI Whisper(云端)。
- 音频与拼接安全:16 kHz 波形和房间底噪分析、多输入语音感知、可选音频交叉淡化,以及防止剪切边缘落入词语中间的安全门。
- 视觉理解:本地 OCR 读取屏幕录制中的文字,并与说话人朗读的内容对齐;本地人脸跟踪跟随面部和视线方向,用于推近和竖屏重构;屏幕运动和录制切点检测让屏幕插入更干净。
导出与 NLE 交接
- 直接导出 MP4:可导出完整剪辑或自定义时间范围,提供压缩、高质量(硬件加速)和原始质量三种选项。
- 字幕文件:可将字幕单独导出为 SubRip(
.srt)或 WebVTT(.vtt),支持整片或自定义范围。 - 在 NLE 中完成(高级导出):保存一个自包含的交接文件夹,包含
.fcpxml(DaVinci Resolve、Final Cut Pro)、.otio(Premiere Pro 26.5+、DaVinci Resolve)、所用素材副本、.srt字幕,以及一份说明如何在各应用中打开、哪些内容不会迁移的纯英文 Read me。 - 原生桌面应用与开放 MCP 引擎:基于 Tauri 2 构建(Rust 外壳 + 本地 SQLite/Node 引擎 + FFmpeg + 无头 Chrome),支持 macOS(Apple Silicon 与 Intel)、Windows x64 和 Ubuntu 24.04 x86-64。进阶用户也可以连接外部 MCP 客户端(
pnpm mcp)或通过 Docker 运行无头引擎(docker compose up -d)。
如何使用
- 导入素材。点击 New project,命名并选择文件,可以混合视频(MP4、MOV)、独立音频(WAV、MP3)和图片(PNG、JPEG)。代理和转录准备期间就可以开始编辑。在设置中连接 Claude Code 或 Codex。
- 提出修改。点击时间线上的某个点(或清除时间标签以编辑整段视频),然后打字或按住
V说话。例如试试“删除错误开头和重复镜头,保留每个回答前的停顿”,或输入/dialogue-pass完成第一版剪辑。 - 在上下文中审阅。从对话或时间线打开任意编辑,按
切换前后对比,展开剪切转录查看被删除的词语,用↑/↓在 For you 中逐条处理。 - 导出或交接。点击项目头部的 Export 保存 MP4 或字幕文件,或选择 Advanced export 生成面向 DaVinci Resolve、Final Cut Pro 或 Premiere Pro 的交接文件夹。
运行环境
Scarlet 正处于活跃的早期开发阶段。你可以在 macOS 13+(Apple Silicon 或 Intel)、Windows x64 或 Ubuntu 24.04 x86-64 上构建原生桌面应用。从源码运行需要 Git、Node.js 22.x 或 24.x、pnpm 12.16.1、Rust,以及 Tauri 先决条件中列出的平台构建工具。在 Ubuntu 上,还需要先安装桌面构建和播放依赖。项目还提供了一个无需额外设置的示例访谈,可直接打开原生编辑器,使用隔离的内存项目和模拟助手。
隐私与数据
- 默认本地:项目、转录、波形和渲染结果都存储在你的电脑上。
- 转录模型:CrisperWhisper 2.0 large 在单独许可的权重安装后是默认本地选择;在此之前,Scarlet 使用首次使用时下载的内置 Whisper large-v3-turbo。也可以在设置中配置自定义本地模型或 OpenAI Whisper。
- AI 提供商数据:你连接的 AI 提供商将收到编辑请求以及代理检查的项目上下文(例如转录片段和视频帧)。
- 可选遥测:打包版本会向 PostHog 发送匿名使用情况、编辑审阅决策和任务/导出结果。可以在设置中关闭 Send usage reports,或在启动前设置
SCARLET_TELEMETRY_ENABLED=false(0.1.3 及之前的 Early Access 版本使用环境变量)。
适用人群与注意事项
Scarlet 适合需要频繁处理对话类素材的创作者、播客制作者、采访者和屏幕演示录制者,也适合希望把 AI 代理接入剪辑流程、并保留 NLE 交接能力的高级用户。需要注意的是,项目仍处于早期开发阶段,功能与界面可能持续变化;使用云端 AI 提供商时,相关请求和项目上下文会发送给该提供商;遥测默认开启,可在设置或环境变量中关闭。项目采用 MIT 许可证,内置工作流部分改编自 Alex 的 DaVinci 编辑技能,声学语气词检测由 Desert Ant Labs 提供支持。
项目主页:https://github.com/Forward-Future/scarlet
项目地址:scarlet
相关推荐
Nexus:让 ChatGPT 等网页 AI 助手安全连接本地文件与终端的 MCP 控制平面
Ponytail:让 AI 编程代理学会“少写代码”的 Claude Code 技能
格知 AI · Gezhi Sheets:用一句话操作本地表格的开源 AI 助手,支持 GLM、Kimi、豆包、DeepSeek、Qwen
白板上的 AI 老师怎么教?开源项目 whiteboard-ai-tutor 用 288 次生成对比六款大模型
antialgorithm:让 Claude Code 在创意任务里先说出最普通的选择,再主动偏离它
MR Office 开源编辑器集:浏览器里跑文档、表格、演示、PDF、手写与代码编辑
NeonClipping:粘贴链接,约两分钟生成带字幕的竖屏切片
Blender AI 助手 mcp-for-blender-pro:把对话、场景操作与 MCP 服务装进 3D 工作区
最近更新
Scarlet:让 AI 代理动手剪片,你只管做创作判断的开源视频编辑器
Scarlet 是一款开源 AI 视频编辑器,支持 macOS、Windows 和 Linux。你通过文字、语音或画面标注告诉 Claude Code 或 Codex 想改哪里,它只渲染受影响的片段,让剪辑审阅更快,同时保持素材非破坏性和版本可追溯。
Nexus:让 ChatGPT 等网页 AI 助手安全连接本地文件与终端的 MCP 控制平面
Nexus 是一个通过 MCP 安全隧道把 ChatGPT、DeepSeek 等网页 AI 助手连接到本地文件、终端、Git 和桌面工具的本地控制平面,提供 332 个规范化工具、路径沙箱、命令风险过滤和令牌隔离等能力。
Ponytail:让 AI 编程代理学会“少写代码”的 Claude Code 技能
Ponytail 是一个让 AI 编程代理先读懂现有代码、再尽量少写新代码的开源技能,支持 Claude Code、Codex 等宿主,并提供代码审查、仓库审计和本地成本看板。
格知 AI · Gezhi Sheets:用一句话操作本地表格的开源 AI 助手,支持 GLM、Kimi、豆包、DeepSeek、Qwen
格知 AI · Gezhi Sheets 是一个运行在本机的 AI 表格工作台,支持 GLM、Kimi、豆包、DeepSeek、Qwen 五家模型。你选中数据、用中文说出需求,AI 生成可预览的结果,确认后再写入,并支持一次撤销。项目采用 MIT 许可证,在 GitHub 已获得 537 个 Star。
白板上的 AI 老师怎么教?开源项目 whiteboard-ai-tutor 用 288 次生成对比六款大模型
whiteboard-ai-tutor 是一个开源白板 AI 教学参考实现与多模型基准测试:模型输出 JSON 绘制指令,浏览器将其播放为手写动画,学生可中途打断。项目用同一提示词对比 Claude、Gemini、DeepSeek 六款模型,完成 288 次课程生成和 64 块盲审白板,并公开了排行榜、方法与局限。
antialgorithm:让 Claude Code 在创意任务里先说出最普通的选择,再主动偏离它
antialgorithm 是一个面向 Claude Code 等 Agent 的创意技能:它让模型先说出最普通的第一选择,再依据项目上下文主动偏离,并附带种子、动作记录、SVG 手工化与可读性检查脚本。
MR Office 开源编辑器集:浏览器里跑文档、表格、演示、PDF、手写与代码编辑
MR Office 开源了文档、表格、演示、PDF、手写和代码六款浏览器编辑器的源码,支持自有格式与部分通用格式,可自行构建和嵌入;读写 Microsoft Office 文件等完整能力则属于免费桌面应用。
NeonClipping:粘贴链接,约两分钟生成带字幕的竖屏切片
NeonClipping 是一个本地运行的视频切片工具,粘贴 YouTube/Twitch/Kick 链接或导入 MP4,即可生成带标题、钩子和字幕的 9:16 竖屏短片。项目用 Python 编写,支持快速与深度两种找亮点模式、11 种布局、多种字幕样式、直播切片和创作者自动切片,所有处理均在本机完成。
Blender AI 助手 mcp-for-blender-pro:把对话、场景操作与 MCP 服务装进 3D 工作区
mcp-for-blender-pro 是一个面向 Blender 的 AI 助手插件与内置 MCP 服务器,支持多模型接入、场景工具、可视化聊天和团队代理工作流,当前发布包面向 Windows x64 与 Blender 4.2+。
Timon:把多个 AI 编码代理放进同一台工作站的编排器
Timon 是一个本地运行的 AI 代理编排工作站,可把编码、审查、合并等任务分派给多个代理,并让它们在你已有的 CLI 订阅上工作。本文介绍其默认团队、功能、安装环境与适用场景。



