video-autopilot-kit：CapCut JSON + ffmpeg 的 YouTube / Shorts 自動剪輯與字幕開源框架 | Allen 知識庫 | Allen 知識庫
Creator Automation / Video Pipeline / Open Source
video-autopilot-kit：把短影音剪輯流程拆成可填資料、可跑 demo、可 QA 的開源框架
Threads 推薦 Hao0321 的 video-autopilot-kit：不是給你一包神秘設定，而是一套 YouTube / Shorts 自動化骨架，結合 ffmpeg pipeline、CapCut draft JSON 工具、字幕與 b-roll 對位、QA gates，以及一份讓創作者填自己品牌/voice/素材路徑的 SETUP 問卷。
來源與查證：
GitHub reality check：2026-07-10 查詢時，repo 為 Python，MIT License，約 599 stars / 122 forks；README 宣稱 ships with zero private data，提供兩條 first-class path。
一句話判斷： 這不是「一鍵爆紅剪輯神器」，而是創作者把自己的 voice、品牌、素材、BGM、字幕與 QA 流程結構化的工具箱。對 BigIntTech / Kate 來說，它最值得學的是：把創作 workflow 產品化成問卷、profiles、pipeline、QA gates，而不是只自動剪一支影片。
@jayc07 稱讚 hao 大大開源自動剪輯與配字幕 GitHub 專案，免費、推薦，貼出：
github.com/Hao0321/video-autopilot-kit
Threads 可見的 GitHub preview 描述為：
Fill-in-your-own-data framework for YouTube / short-form video automation: CapCut JSON + ffmpeg tooling + an onboarding questionnaire. Ships with zero private data.
項目 查到的內容 Repo Hao0321/video-autopilot-kitLicense MIT License 語言 Python Topics capcut, content-creation,
閱讀資訊
閱讀時間 5 分鐘
段落層級 10
瀏覽 9
日期 2026年7月10日 creator-tools
ffmpeg
shorts
video-automation
youtube
Stars / forks 約 599 stars / 122 forks（時間點：2026-07-10）
核心聲明 不含作者私人數據；voice / 策略 / 社群數字都是空白模板，要填自己的。
最新 changelog v0.8.0：two-path repositioning + cross-platform support。
README 目前把工具分成兩條 first-class paths：
路徑 適合 平台/依賴 Kate 判斷 Path 1 — Programmatic 想全自動、不碰 CapCut、希望跨平台可重現 Python 3.9+、ffmpeg/ffprobe；Win/Mac/Linux 採用者預設應先走這條；可測、可 CI、可排程。 Path 2 — CapCut-assisted 需要 CapCut 特效、花字、雲端模板、作者本人 CapCut 工作流 CapCut Desktop + AI assistant Computer Use；Windows-first；版本敏感 有價值但脆弱；要先讀 TROUBLESHOOTING 和版本相容矩陣。
README 很誠實地寫：原作者私人流程以 CapCut 為主，但多數開源採用者應從 Programmatic path 開始，因為它跨平台、不吃 CapCut 版本變動、全程可重現。
longform_maker
教學長片模組，包含 premium motion engine、Ken Burns、bloom、light sweep、word-level caption timing 等。
silent_vlog_maker
純 ffmpeg pipeline，處理直式 Shorts、靜音 vlog、素材清理、BGM、字幕。
capcut_helpers QA gates
交付前機械化 QA：頻閃、死空檔、caption sync、全幀掃描、b-roll audit。
CapCut draft tools
CapCut draft JSON 直改、四級靜音、花字、AI 字幕校正；但版本敏感。
knowledge/
影片製作知識庫與避坑大全，例如字幕對位、screen recording cleanup、premium motion 等。
SETUP.md + templates
用問卷產生自己的 brand / voice / algorithm / community / content pipeline profiles。
repo 提供 examples/，README 說不用真素材、不用 CapCut：
Example 示範 需求 examples/01_vertical_short.py用 ffmpeg 合成測試素材，產出 1080×1920 直式 Short 需要 ffmpeg examples/02_caption_broll_match.py用檔名把 b-roll 對位到字幕，不用 keyword config 純 Python，不需要 ffmpeg
這點很重要：很多「AI 剪輯自動化」只展示概念，這個 repo 至少把最小可跑 demo 放出來，降低採用者驗證成本。
TROUBLESHOOTING 提到 CapCut / 剪映草稿格式差異：
CapCut 國際版 6.x–9.x：多數情境仍是明文 JSON，但新版可能有鏡像檔優先問題。
剪映專業版 CN 6.0+：AES 加密二進位，不可直接 JSON parse。
Mac：CapCut GUI 自動化沒有等效 AppleScript dictionary，建議直接走 Programmatic path。
動 draft JSON 前要先跑 detect_draft_format()。
採用提醒： 如果要放進正式創作流程，應先把 Path 1 Programmatic 跑通，再把 CapCut-assisted 當增強選項；不要把 CapCut GUI 自動化當成唯一 production path。
這個專案的架構其實很像一個「創作者 LifeOps / agentic workflow kit」：
video-autopilot-kit 做法 可借鏡到 BigIntTech / Kate 的地方 SETUP 問卷 → profiles 把客戶/使用者偏好變成可重複讀取的設定檔，而不是每次問一遍。 Programmatic path 優先建立可重現、可排程、可 CI 的 pipeline。 CapCut-assisted path 對 GUI-only 工具用 Computer Use 補足，但要承認脆弱性。 QA gates 影片交付前機械化檢查，對我們做簡報、KB、投標文件、影片產製都有參考價值。 zero private data 開源/交付時只給骨架，不外洩作者私人 voice、策略與社群數據。
KB 文章轉短影音： Allen KB 文章 → 摘要 script → b-roll keyword → caption → vertical short。旅遊行程影片： Google Drive 旅遊資料夾照片/影片 → 依每日行程自動剪短片。投標簡報 demo： 把系統架構/功能流程輸出成短 demo video，交付前跑 QA gates。創作者客戶產品化： 用 SETUP 問卷替客戶建立 brand/voice/content pipeline profiles。
注意： 本文只做 GitHub reality check，尚未 clone repo 實際跑 examples。因此「可跑 demo」是 README / examples 文件查證結果，不是 Kate 本機實測結果。若要投入使用，下一步應 clone、pin commit、跑 examples/01_vertical_short.py / 02_caption_broll_match.py，再評估是否封裝成 Hermes skill 或 BigIntTech 內部影片 pipeline。
2026-08-14 補充：Codex 20X 把 AI 自動剪輯推進 7 個版本 新訊號： Hao0321_Studio 在 Threads 表示，這兩天用 Codex 20X 直接把自己的 AI 自動剪輯推進了 7 個版本，並再次放出 Hao0321/video-autopilot-kit。這不是新的 repo，而是原本 video-autopilot-kit 的持續迭代訊號；適合更新到同一篇 canonical KB，避免重複建文。
項目 2026-08-14 實查 意義 Repo Hao0321/video-autopilot-kit 仍是 canonical upstream。 GitHub metadata Python、MIT License，查詢時約 1.78K stars / 295 forks。 和 2026-07 初次整理時相比成長很快，代表社群對 AI 剪輯 pipeline 有明顯需求。 README 版本 README 開頭標示 v0.16.0／架構 6.2。 專案已從單純 CapCut/ffmpeg 工具，擴張成長片、Shorts、Reels、訪談、QA gates、發佈包與成效學習的框架。 新貼文 claim 作者稱使用 Codex 20X 兩天推進 7 個版本。 這是作者自述，不是獨立 benchmark；但能說明 coding agent 對創作者工具迭代速度的影響。
產品化重點
README 現在強調三條同構生產線：教學長片、直式 Shorts、線上訪談；每條都拆成知識層、機械閘門與一鍵驅動。
安全邊界
repo 持續強調不包含私人數據，profiles、config、KPI、voice 等應由採用者自行填入；公開版提供方法論骨架，不提供作者私有後台數字。
採用路線
Mac / Linux 與不想碰 GUI 的使用者仍應先走 Programmatic path；CapCut-assisted 適合需要花字、特效或雲端模板，但版本敏感。
對 Allen / BigIntTech 的可用啟示： AI 自動剪輯真正可賣的不是「剪掉空白」，而是把創作者 workflow 變成 profile、rules、gates、examples、release package。 如果要做客戶 demo，先用低風險素材跑 examples/ 和 system_health.py --quick，再談導入真素材。 把 Codex/Claude 用在創作者工具上時，要要求每次版本推進都有 changelog、health check 與 demo artifact，不然「7 個版本」只會變成不可驗證的速度敘事。