AutoCut Studio

面向体育赛事录像的自动字幕与高光剪辑展示工作台。它复用了已有的四阶段处理链路：字幕/音频解析、双模态高光检测、语义化精剪、字幕烧录与渲染。

启动

python -m pip install -r requirements.txt
python -m uvicorn app:app --reload --port 8000

打开 http://127.0.0.1:8000，上传赛事视频，设置成片时长并开始处理。

前置依赖

• Python 3.11+
• FFmpeg：必须安装并加入系统 PATH（Windows 可用 winget install Gyan.FFmpeg）
• CUDA（可选）：推荐 NVIDIA 显卡以加速 Whisper、OCR 与视觉分析；无显卡时回退到 CPU

模型权重

本仓库不包含 yolo26n.pt（团队视觉分析模块所需的 YOLO 检测权重，约 5 MB）。 请从原工程包获取该文件，并将其放置于仓库根目录，程序即可正常加载。 若缺失该文件，team_visual_agent 会在运行时提示模型未找到。

隐私与安全说明

• 本仓库代码中不包含任何硬编码的 API Key、Token 或密码。
• config.py 中的 LLM / DeepSeek API Key 均通过环境变量（DEEPSEEK_API_KEY、LLM_API_KEY）读取，默认值为空。
• 网页端填写的 Token Plan API Key 仅用于本次会话，通过内存临时传入，不会写入任何本地文件。
• 请勿将个人密钥填入代码或提交到版本控制；如需持久化，仅在本地创建 .env 文件并加入 .gitignore。

答辩展示建议

1. 先展示「处理工作流」和候选卡片如何解释模型决策。
2. 上传一段 1–3 分钟的视频；本机首次运行 Whisper 会下载模型。
3. 成片生成后，用预览区播放并展示候选的时间区间、关键词和评分。

API Key 是可选项；不填写时仍使用本地字幕、音量突增和关键词完成高光筛选。