Как перестать вручную искать вирусные моменты в двухчасовых записях

Сколько раз вы сидели над записью стрима, подкаста или вебинара и пытались на глаз выловить те самые 40 секунд, которые выстрелят в Reels? Я, честно говоря, сбился со счёта. Это медитативное занятие вроде разбора носков: делать надо, а удовольствия ноль. Именно эту боль пытается закрыть проект JayWebtech под названием AutoShorts.

Что это вообще такое

AutoShorts — десктопное приложение, которое берёт длинное видео или аудио, разбирает его на части и предлагает готовые кандидаты в короткие вертикальные клипы формата 9:16. Причём не просто нарезает наугад, а ранжирует моменты по «виральности» с помощью LLM.

Собрано на Tauri 2: фронтенд на React и TSX, бэкенд на Rust, база — локальный SQLite. Всё, что касается транскриптов, кандидатов и данных рендера, хранится на вашей машине. Забегая вперёд: у проекта уже больше тысячи звёзд и почти 200 форков, что для утилиты с довольно узкой задачей довольно бодро.

Что умеет

Автоматический конвейер. Вы кидаете файл, приложение вытаскивает звук, прогоняет его через Deepgram для транскрипции и дальше само анализирует текст, находя и оценивая потенциально цепляющие фрагменты. Один прогон вместо десятка ручных прослушиваний.

Поддержка разных LLM. По умолчанию используется DeepSeek, но можно переключиться на Claude от Anthropic. Разница ощутима: DeepSeek дешевле и хорошо справляется с поиском моментов, а Claude, по словам автора, лучше пишет хуки и эмоциональнее формулирует. Выбор живёт в настройках, ключи можно менять на лету.

Кроп под вертикаль. Landscapes-видео автоматически центрируется и обрезается в вертикальный H.264 через нативный ffmpeg. Это тот самый рутинный шаг, на котором обычно и сдаются.

Менеджер проектов. Создать, открыть, переименовать, удалить проект — всё с дашборда. Мелочь, но когда работаешь с десятком записей, экономит время.

Подсказки о нехватке настроек. Если не задана переменная окружения или что-то не подключено, приложение прямо в интерфейсе предупредит. Звучит как базовое поведение, но встречается редко.

Локально или в облаке

Интересная деталь — возможность работать полностью офлайн. На первом запуске вас встречает мастер настройки, где предлагаются два пути.

Первый — локальный: Ollama с моделью вроде LLaMA 3.2 3B или Qwen 2.5 3B/7B плюс транскрипция через openai-whisper. Весь процесс остаётся на вашей машине.

Второй — облачные API: Deepgram для транскрипции, DeepSeek или Claude для анализа.

И вот здесь README честно, без маркетинга, говорит вещь, которую я редко встречаю в описаниях проектов: локальные модели для поиска вирусных моментов работают плохо. Причина простая — маленькие модели на 3B-7B не тянут рассуждения над длинным транскриптом и часто выдают фрагменты неправильной длины, путаясь с таймстампами. Автор прямо рекомендует DeepSeek, обещая стоимость меньше тысячной доли цента за прогон. Claude называют премиум-вариантом примерно за $0.01–0.05.

Такая откровенность подкупает. Обычно в подобных описаниях «полностью локально» подаётся как безусловный плюс, а тут прямо предупреждают о подводных камнях.

Что под капотом

Стек современный и модный: Tauri 2 позволяет собирать нативное приложение, а не электронный монолит, что сказывается на размере и потреблении памяти. Rust отвечает за тяжёлые операции вроде вызова ffmpeg и работу с медиа, React — за интерфейс. SQLite держит всё локально, никакой серверной части.

Единственное внешнее требование — установленный в системе ffmpeg и ffprobe в PATH. Без них ни кроп, ни извлечение аудио, ни динамические субтитры не заработают. Ставится везде одинаково просто:

# macOS
brew install ffmpeg

# Windows (PowerShell)
winget install Gyan.FFmpeg

# Linux
sudo apt install ffmpeg      # Debian/Ubuntu

Для разработчиков запуск тоже незамысловатый:

cp .env.example .env
npm install
npm run tauri:dev

Сборка пакета делается командой npm run tauri:build, результаты складываются в src-tauri/target/release/bundle/.

Готовые сборки есть для macOS (отдельно Apple Silicon и Intel), Windows (.msi и портативный .exe) и Linux (.deb и .AppImage). Правда, пакеты самоподписанные, так что Gatekeeper на macOS и SmartScreen на Windows будут ворчать. Обходится это стандартно: правый клик и «Открыть» на маке, «Подробнее» → «Выполнить в любом случае» на винде. Для .app на macOS есть и команда:

xattr -cr /Applications/AutoShorts.app

Кому это пригодится

Первым делом — тем, кто ведёт соцсети и регулярно режет длинные записи в короткие. Стримеры, подкастеры, ребята из маркетинга. Для них основная ценность в том, что приложение снимает рутину поиска моментов и кропа.

Разработчикам, которым интересна связка Tauri с Rust и локальными LLM, проект тоже любопытен как рабочий пример: тут и вызов нативных бинарников, и оркестрация нескольких AI-провайдеров, и локальное хранилище.

Стоит ли пробовать

Если вы уже замучились вручную выискивать удачные куски в записях, AutoShorts может заметно ускорить процесс. Идея запустить один пайплайн и получить готовые вертикальные кандидаты — привлекательная.

Но будьте готовы к компромиссам. Проект молодой, лицензия в репозитории не указана, и это стоит держать в голове, если собираетесь использовать его в коммерческих задачах. Зависимость от внешних API (Deepgram, DeepSeek) означает расходы, пусть и небольшие, а офлайн-режим на локальных моделях, по признанию самого автора, для поиска виральных моментов подходит слабо. Про качество итоговых клипов README молчит: насколько хорошо LLM угадывает действительно цепляющие моменты, придётся проверять самому.

Начать проще всего с готовой сборки под вашу систему и облачных ключей Deepgram плюс DeepSeek: это самый быстрый путь к рабочему результату. Локальный режим оставьте на потом, если принципиально важна приватность данных. И да, не забудьте про ffmpeg — без него приложение просто не поедет.