BaoCut 是一款支援 macOS 與 Windows 的影片智能體工具，它把轉錄、字幕、翻譯、配音與剪輯都掛到同一條時間軸上。你交給它素材或一句話簡報，它交回來的不是一次算完的成片，而是一部還能繼續編輯的影片。

交一個檔案的做法，卡在改第二遍

生成影片常見的交付方式，是描述需求、等算圖、拿一個檔案。片子裡哪句話譯得不準，或者某個鏡頭想換，只能重新描述一遍再等一次算圖。前面那些等待與調整都留不下來。BaoCut 換了交付物：文稿、譯文、字幕層、章節、配音與動態圖形都屬於同一個影片物件，而影片檔、字幕檔、音訊與文稿檔是它匯出的結果。

一條時間軸，兩種操作者

介面分成三塊。左邊是預覽，下邊是軌道，右邊是字幕清單。原文與譯文各佔一條軌道，共用一套樣式，可以調換上下順序，也能再疊一種語言。點開任一句就能直接改，改完只影響那一句。

更特別的地方是這套編輯器由人和智能體共用。你拖動片段，智能體改寫字幕，雙方透過同一套指令、交易與復原機制提交修改，所以你隨時可以接手，也能撤回它剛做過的事。智能體改完會回傳一份變更回執，說明改了什麼、檢查了什麼、哪些地方還需要你自己聽一遍。它自主執行的範圍、存取模式與預算都可以事先劃定，破壞性操作會先徵得同意。

轉錄、翻譯、配音各自怎麼做

轉錄能在本機跑，也可以指向線上介面，時間精確到詞，片段在任務進行時陸續進入時間軸。本機模型有 Whisper large-v3 與 v3-turbo、Qwen3-ASR，以及帶說話者區分的 MOSS。字幕可以是原文、譯文或雙語，每部影片保存自己的字幕樣式。

跨語言配音的鏈路更完整一些。先逐句翻譯，再用 HTDemucs 把人聲與背景聲分開，然後用複製音色或預設音色合成新音軌，直接落進時間軸。口播剪輯那一塊負責去掉口頭語、長停頓、重錄和說到一半重來的內容，原始素材檔案保持完整。章節、摘要、標題與短影音這類衍生內容，也按帶時間資訊的文稿生成，每個說法都能用時間戳找回出處。

沒有素材也能從一句話起手

內建 24 個創作樣板，涵蓋知識講解、產品發布、預告片、教學、資料故事、文字動畫這些常見形態。智能體先規劃腳本，一次合成旁白，再按旁白安排畫面與節奏。需要動態圖形時它寫自包含的 HTML 合成，例如下三分之一字幕條、醒目數字、標註和品牌短動畫，烘焙成影格後放進時間軸。靜態畫面可以用本機的 Qwen-Image，也能指向線上服務。

模型自己選，帳自己算

轉錄、語音合成、圖片生成與文字生成這些能力與供應方解耦，本機跑或線上接都行。

本機推論

Apple 晶片走 MLX 與 Core ML。Windows 走 whisper.cpp 與 candle，分 CPU、CUDA、Vulkan 三個版本。

線上接入

OpenAI、Anthropic、Google、ElevenLabs、DeepSeek、Moonshot、Qwen、智譜、MiniMax、火山引擎等，任何 OpenAI 相容介面都能掛。

用量

帳本記錄每個任務的消耗，一台機器的本機模型也能共享給區域網路裡的其他裝置。

版本

3.19.1 Build 96，2026 年 11 月 11 日發布。

前提條件與邊界

智能體功能要先登入一個智能體引擎。Claude Code 與 Codex CLI 做過端到端驗證，GitHub Copilot CLI、Pi、OpenCode 已內建接入，Gemini CLI、Cursor Agent、Grok、Kimi Code 透過 Agent Client Protocol 走統一驅動。媒體分析、轉錄與匯出還需要系統裡找得到 FFmpeg 與 ffprobe，安裝包不帶這兩樣。

平台只有 macOS 14 以上的 Apple 晶片版和 Windows x64，Linux 沒有安裝包。BaoCut 用社群許可公開原始碼，允許拿它做商業內容創作和企業內部使用，但把 BaoCut 本身或其程式碼商業化需要另外取得書面授權，因此它不屬於 OSI 定義的開源軟體。專案匯出的 .baocut 包可以把影片連同全部檔案版本與素材版本帶走，換台機器打開繼續編輯，這一點對多人協作和長期專案比較實用。

它適合願意自己掌控素材與模型、又不想被一次性算圖綁住的人。要的是那種改一句字幕不用重做整片的體驗，這套設計才對得上。