InsightCut.
InsightCut 品牌图标

InsightCut

本地优先、可编辑、可恢复的 AI 图片视频工作台

从主题或完整文稿出发，完成分镜、画面、配音、字幕、预览与剪映 / CapCut 导出。

简体中文 · English

CI 状态 GitHub Stars Python 3.11 React 19 本地优先 MIT License

成片案例 · 快速开始 · 产品界面 · 项目主页与文档 · 问题反馈

InsightCut 面向科普、认知、知识解说、观点表达和短视频创作。它不是只交付一个 MP4 的“一键成片”页面，而是一套可以持续工作的本地项目：文稿、分镜、图片提示词、图片、配音、字幕和导出记录都会被保留下来。

生成以后还能改
逐段修改文字、提示词、图片和配音，不必为一个细节重跑整条链路。		 失败以后接着做
任务中断不会清空已完成内容，只重试缺失或失败的素材。		 成片与工程都交付
输出 MP4、分镜素材包，以及可继续精修的剪映 / CapCut 草稿。

数据库、媒体文件、配置和声音克隆参考音频默认保存在本机。InsightCut 与剪映、CapCut、字节跳动没有隶属或合作关系。

从一句输入开始

在同一页面输入一句主题或完整文稿，并在生成前集中确认项目名称、画面比例、视觉风格与文案风格。主题模式会先扩写完整文稿并交给你确认；脚本模式严格保留原文。

InsightCut 新版文稿工作台真实界面

真实成片案例

下面的案例全部来自 InsightCut 本地任务，不是为 README 拼接的静态效果稿。任务完成后，对应的文稿、分镜、提示词、图片、配音、字幕和导出记录仍可继续修改。

浏览完整在线成片展厅 →

我是谁？我在哪？我要去何方？

主题模式 · 原始输入：我是谁？我在哪？我要去何方？

温暖感人文案 · 毛毡风 · 16:9 · 20 个分镜 · 01:09

模型从这 14 个字扩写完整文稿，再生成分镜、画面提示词、图片、配音、字幕和成片。没有为案例额外补写脚本。

https://github.com/user-attachments/assets/3c8061af-0100-453c-af08-614a55dd24f0

小岛经济学

脚本模式 · 输入：完整知识文稿

科普知识文案 · 毛毡风 · 16:9 · 01:02

https://github.com/user-attachments/assets/34833f83-5416-41b9-9a75-b47ddd0e5f05

30 年河东，30 年河西，莫欺少年穷

主题模式 · 原始输入：30 年河东，30 年河西，莫欺少年穷

知识科普文案 · 吉卜力 · 16:9 · 18 个分镜 · 00:44

https://github.com/user-attachments/assets/989b52b5-2f3e-4ed6-9a36-6c26fd02f606

成长就是最好的解药

脚本模式 · 输入：完整励志文稿

励志向上文案 · 电影质感 · 16:9 · 01:03

https://github.com/user-attachments/assets/de662301-8653-43bf-bf54-31a6d7d2dba1

为什么成年人越忙越需要刻意留白？

脚本模式 · 输入：完整知识文稿

知识科普文案 · 电影质感 · 9:16 · 00:55

https://github.com/user-attachments/assets/7d7b050e-25c2-4f4f-8cf5-1ab3f7157a95

别把忙碌误当成成长

脚本模式 · 输入：完整口播文稿

轻松口语文案 · 国风 · 3:4 · 00:52

https://github.com/user-attachments/assets/e4695fbc-2339-4102-b631-bcf61df63264

生产与资产界面

生产工作台

InsightCut 新版分镜生产工作台与素材版本界面

白色空间化工作台保留真实的 01–06 生产阶段：左侧浏览分镜，中间完成即时预览，右侧处理当前分镜、素材版本、项目素材和全片设置。

图片与配音不会在重新生成时覆盖旧文件。每次生成、重新生成、上传和跨分镜复用都会形成可追溯版本，可以随时查看、试听和恢复；恢复历史版本不会再次调用模型。

项目资产库

InsightCut 项目资产库：项目筛选、状态与真实画面封面

项目资产库集中展示草稿、生成中、可继续、已完成和失败可恢复的项目，并支持按状态、画面风格和时长筛选。项目卡片使用真实生成画面作为封面，可以直接回到对应项目继续预览、修复或导出。

InsightCut 是什么

一条完整的视频生产流程通常比想象中长：

主题 / 文稿
  → 脚本整理
  → 分镜与画面提示词
  → AI 图片
  → 配音与字幕
  → 预览和逐段修正
  → MP4 / 剪映草稿

普通“一键成片”很适合快速看到结果，但当画面不对、某句配音需要重来，或者生成进行到一半发生错误时，往往只能重新开始。InsightCut 把脚本、分镜、图片、音频、字幕和导出文件都保留下来，让一次生成变成一个可以继续工作的项目，而不是一个用完即走的结果文件。

为什么不是普通的一键成片

现在可以做什么

  1. 用一句主题生成文稿，或粘贴、导入自己的完整文稿。
  2. 选择画面比例、视觉风格和文案风格，提交后立即进入持续保存的生产工作台。
  3. 按照 01–06 阶段检查完整文稿、短分镜和逐段画面提示词，再确认全片音色与画面。
  4. 按需生成 AI 图片与 TTS 配音，并在同一工作台逐段查看真实进度和可操作错误说明。
  5. 单个素材失败时只重试对应图片或配音；已经完成的素材不会被恢复流程隐式重做。
  6. 查看图片与配音的不可变历史版本，上传替换素材，或从当前项目素材池中回选已有版本。
  7. 无需先生成 MP4 即可连续预览；需要时再生成完整视频预览，并在导出时复用同一文件。
  8. 导出完整视频、分镜素材包和剪映 / CapCut 草稿，三种交付互不替代。
  9. 使用生产模板保存画面、配音、字幕、并发和重试策略；多个项目运行时可通过全局任务胶囊切换查看。
  10. 在 API 配置页管理 LiteLLM 生文模型、Agnes 生图、豆包 TTS、小米 MiMo TTS 和本地克隆音色。

从零开始使用

1. 准备环境

当前后端需要 Python 3.11（CI 使用 3.11），前端使用 React 19、React Router 7 和 Vite 8。还需要 Node.js 22、npm，以及系统 PATH 中的 FFmpeg 和 ffprobe；PDF 提取还需要 Poppler 的 pdftotext。imageio-ffmpeg 不提供 ffprobe。开发和测试环境安装见贡献指南。

git clone https://github.com/SkyNotSilent/insightcut-jianying-image-video.git
cd insightcut-jianying-image-video

准备后端：

cd ai-kepu-video-server
python3.11 -m venv venv311
source venv311/bin/activate
pip install -r requirements.txt
cp .env.example .env

准备前端：

cd ../ai-kepu-video-web/frontend
npm install

2. 启动后端

在 ai-kepu-video-server/ 中运行：

source venv311/bin/activate
python -m uvicorn api_server:app --host 127.0.0.1 --port 2002 --reload

3. 启动前端

另开一个终端，在 ai-kepu-video-web/frontend/ 中运行：

npm run dev

前端默认打开 http://localhost:2001。前端在没有额外环境变量时会连接 http://localhost:2002；如需覆盖，可设置 VITE_API_BASE_URL。

4. 配置模型

打开 http://localhost:2001/settings：

  1. 在“生文模型”里选择服务商，填写该服务商要求的凭证。
  2. 选择内置模型，或点击“验证并同步”读取当前账号可用的生文模型。
  3. 填写 Agnes 生图 API Key，并检查图片尺寸。
  4. 启用豆包、MiMo 或两者，选择新任务默认使用的配音 Provider。
  5. 选择开放音色并试听；需要克隆音色时，进入 MiMo 配置完成授权确认和参考音频上传。
  6. 点击“保存配置”。密钥保存在本机配置中，不要把 data/config.json、.env 或截图中的凭证提交到 Git。

5. 完成第一次生成

回到文稿页，输入一个主题，或者切换到文稿模式粘贴完整内容。选择画面比例与视觉风格后生成内容预案；按需预览并编辑文稿、分镜和提示词，然后确认生产。图片、配音与 MP4 会在后台连续推进，无需中途再点击生成；剪映草稿在导出页按需构建。

6. 把结果写入剪映

剪映草稿和 MP4 是两份独立的交付结果。用户确认预案后会连续生成图片、配音和 MP4；剪映草稿只在请求导出时构建、打包或写入本机目录。所以“写入剪映”不是把已经合成的 MP4 重新导入，也不会再调用模型；它只是把现有图片、配音、字幕和时间轴安装到本机剪映的草稿目录。

推荐在任务完成后进入导出页：

  1. 在“剪映草稿”区域选择 Mac 或 Windows。
  2. 点击“选择”，指定剪映草稿根目录。Mac 通常为 /Users/你的用户名/Movies/JianyingPro/User Data/Projects/com.lveditor.draft；Windows 以剪映实际设置的草稿位置为准。
  3. 项目会自动验证这个目录，但不会在未经同意的情况下扫描整台电脑。
  4. 点击“写入剪映”。后端会创建独立的草稿文件夹，复制素材和草稿 JSON，再按目标系统重写素材路径。
  5. 如果剪映没有立即显示新草稿，完全退出并重新打开剪映专业版，然后在“本地草稿”中打开项目。

写入后的项目仍然保留独立的图片、配音、字幕、镜头顺序和时长，可以在剪映里继续修改。如果使用“下载草稿 ZIP”，需要先为它创建一个独立项目文件夹，再将 ZIP 内容完整解压到该文件夹并放入剪映草稿根目录。不要在剪映的“导入媒体”中选择 ZIP，那不会被识别为可编辑草稿。

生文模型怎么配置

生文调用由 LiteLLM 统一管理。普通配置不再要求先理解协议、Base URL 和模型 ID：先选择服务商，再选择模型即可。

API Key 只用于当前本地服务连接。请不要把密钥写进 README、Issue、截图或任何会被推送到远端的文件。

配音、试听与声音克隆

豆包和 MiMo 可以同时开放。tts.provider 只表示新任务默认选择哪一端，不会关闭另一端；任务与分段会保存当时的 Provider、音色和语速快照，所以以后修改全局设置不会悄悄改变旧项目。

豆包 TTS

豆包支持 App ID / Access Token 和 API Key 两种认证方式。项目内置 10 个预置音色，默认开放当前账号常用的“爽快思思”和“讲解小明”，默认音色为“讲解小明”。

豆包任务可以设置统一语速和 volume_ratio。只有账号真实有权限的音色才能正常生成；试听失败时，先检查认证方式、Cluster 和音色授权范围。

小米 MiMo TTS

MiMo 通过 OpenAI 兼容的 Chat Completions 形式返回音频，不使用常见的 /v1/audio/speech 路径。项目内置 9 个音色：mimo_default、冰糖、茉莉、苏打、白桦、Mia、Chloe、Milo 和 Dean。

除了统一语速，MiMo 还支持风格提示词，例如更克制、更有活力或更像知识讲解。预置音色可以在配置页按 Provider 全选、部分选择或关闭，所有已开放音色都可以先试听再决定。

MiMo 声音克隆

第一版完整支持 MiMo VoiceClone。你可以上传 MP3 / WAV，也可以直接使用浏览器录音。后端会把参考音频统一转换成 24 kHz、单声道 WAV，并保存在本地：

  1. 新建克隆音色并填写名称。
  2. 明确确认已经获得声音本人授权。
  3. 上传参考音频或完成录音。
  4. 输入试听文本，生成试听音频。
  5. 试听成功后再启用该克隆音色，并在生产配置中选择它。

参考音频转成 Base64 后不能超过 10 MB。小米当前没有为这条链路提供远端持久化 voice_id，因此每次克隆合成都从本地参考音频临时组装请求；音频 Data URL 不会写入数据库、配置或日志。已经被任务引用的克隆音色删除时只会隐藏，不会破坏旧任务。

失败以后，已经生成的内容怎么办

任务状态为 failed 只表示后续流程停止，不代表清空已经完成的内容。InsightCut 会尽量保存当前脚本、分镜、图片提示词、图片、音频和草稿文件，并继续在素材库或预览页展示。

你可以在已有内容上继续处理：

输出内容

技术栈

层 技术
前端 React 19、React Router 7、Vite 8、Axios、Lucide
后端 FastAPI、Python 3.11
数据库 本地 SQLite
生文 LiteLLM Provider Registry，兼容 OpenAI / Anthropic 协议
生图 Agnes Image 2.1 Flash，OpenAI-compatible Images API
配音 豆包 TTS、小米 MiMo TTS、MiMo VoiceClone
视频 FFmpeg、imageio-ffmpeg
剪映草稿 pyJianYingDraft
存储 本地 data/media/ 与 output/

项目结构

insightcut-jianying-image-video/
├── ai-kepu-video-server/          # FastAPI 后端
│   ├── api_server.py              # Web API 入口
│   ├── src/                       # 生文、生图、配音、任务和导出逻辑
│   ├── data/                      # 本地 SQLite、媒体和配置（不提交）
│   └── output/                    # 新任务生成结果（不提交）
├── ai-kepu-video-web/frontend/    # React 19 + Vite 前端
├── docs/
│   ├── assets/                    # README 品牌资源
│   ├── screenshots/               # 当前产品界面截图
│   ├── showcase/                  # 可在线播放的真实成片案例
│   └── prd/                       # 已确认的产品需求文档
└── scripts/                       # 仓库检查和维护工具

测试与构建

后端：

cd ai-kepu-video-server
source venv311/bin/activate
python -m pip install -r requirements-dev.txt
python -m pytest -q

前端：

cd ai-kepu-video-web/frontend
npm run test:all
npm run build

只做本地维护巡检时，可以在后端目录运行：

python scripts/maintenance_report.py --dry-run

只有显式改为 --apply 才会删除数据库未引用的媒体文件。

本地数据与安全

下面这些内容不应该进入版本库：

媒体服务统一通过 /media/{file_path} 访问，先查找 output/，再回退到 data/media/。项目当前只使用本地 SQLite 和本地文件存储，不会自动把密钥或克隆音频上传到 InsightCut 自有服务。

更多文档

当前阶段

InsightCut 仍是一个持续迭代的、本地优先的单用户产品原型。当前重点是把个人创作者最常用的一条链路做完整：文稿、模型配置、分镜、素材、配音、预览、失败恢复和导出。

多人协作、云端计费、多租户账号、模板市场和托管媒体存储不在当前版本范围内。

Keywords

AI video generation · AI image video · image-to-video · AI explainer video · AI cognition video · local-first video workflow · storyboard editor · TTS voiceover · voice cloning · MP4 export · Jianying draft · CapCut draft · FastAPI · React · Vite · FFmpeg

中文关键词：AI 视频生成、AI 图片视频、AI 认知视频、AI 解说视频、文稿转视频、分镜编辑、音色试听、声音克隆、剪映草稿导出、本地优先素材管理。

License

项目目前MIT License。在新增许可证前，请将本仓库视为 source-available 项目。

批量预案与自动成片

支持 2–50 个主题或完整文稿，批量设置独立，预案完成后可直接全选确认。确认后在后台连续生成图片、配音和 MP4，剪映草稿按需导出。每批并发默认 3、可选 1–10，FFmpeg 同时渲染 1 个。详见 流程、接口与验收说明。