BaoCut 是一款支持 macOS 与 Windows 的视频智能体工具，它把转录、字幕、翻译、配音和剪辑都挂到同一条时间线上。你交给它素材或一句话简报，它交回来的不是一次性渲染好的成片，而是一部还能继续编辑的视频。

交一个文件的做法，卡在改第二遍

AI 生成视频常见的交付方式，是描述需求、等渲染、拿一个 MP4。片子里哪句话译得不准，或者某个镜头想换，只能重新描述一遍再等一次渲染。前面那些等待和调整都留不下来。BaoCut 换了交付物：文稿、译文、字幕层、章节、配音和动态图形都属于同一个视频对象，MP4、SRT、音频和文稿文件是它导出的结果。

一条时间线，两种操作者

界面分成三块。左边是预览，下边是轨道，右边是字幕列表。原文与译文各占一条轨道，共用一套样式，可以调换上下顺序，也能再叠一种语言。点开任意一句就能直接改，改完只影响那一句。

更特别的地方是这套编辑器由人和智能体共用。你拖动片段，智能体改写字幕，双方通过同一套命令、事务与撤销机制提交修改，所以你随时可以接手，也能撤回它刚做过的事。智能体改完会返回一份变更回执，说明改了什么、检查了什么、哪些地方还需要你自己听一遍。它自主执行的范围、访问模式和预算都可以事先划定，破坏性操作会先征得同意。

转录、翻译、配音各自怎么做

转录能在本地跑，也可以指向在线接口，时间精确到词，片段在任务进行时陆续进入时间线。本地模型有 Whisper large-v3 与 v3-turbo、Qwen3-ASR，以及带说话人区分的 MOSS。字幕可以是原文、译文或双语，每个视频保存自己的字幕样式。

跨语言配音的链路更完整一些。先逐句翻译，再用 HTDemucs 把人声与背景声分开，然后用克隆音色或预设音色合成新音轨，直接落进时间线。剪辑口播那一块负责去掉口头语、长停顿、重录和说到一半重来的内容，原始媒体文件保持完整。章节、摘要、标题和短视频这类衍生内容，也按带时间信息的文稿生成，每个说法都能用时间戳找回出处。

没有素材也能从一句话起手

内置 24 个创作模板，覆盖知识讲解、产品发布、预告片、教程、数据故事、文字动画这些常见形态。智能体先规划脚本，一次合成旁白，再按旁白安排画面和节奏。需要动态图形时它写自包含的 HTML 合成，比如下三分之一字幕条、醒目数字、标注和品牌短动画，烘焙成帧后放进时间线。静态画面可以用本地 Qwen-Image，也能指向在线服务。

模型自己选，账自己算

转录、语音合成、图片生成和文本生成这些能力与供应方解耦，本地跑或在线接都行。

本地推理

Apple 芯片走 MLX 与 Core ML；Windows 走 whisper.cpp 与 candle，分 CPU、CUDA、Vulkan 三个版本

在线接入

OpenAI、Anthropic、Google、ElevenLabs、DeepSeek、Moonshot、Qwen、智谱、MiniMax、火山引擎等，任何 OpenAI 兼容接口都能挂

用量

账本记录每个任务的消耗，一台机器的本地模型也能共享给局域网里的其他设备

版本

3.19.1 Build 96，2026 年 11 月 11 日发布

前提条件与边界

智能体功能要先登录一个智能体引擎。Claude Code 与 Codex CLI 做过端到端验证，GitHub Copilot CLI、Pi、OpenCode 已内置接入，Gemini CLI、Cursor Agent、Grok、Kimi Code 通过 Agent Client Protocol 走统一驱动。媒体分析、转录和导出还需要系统里能找到 ffmpeg 与 ffprobe，安装包不带这两样。

平台只有 macOS 14 以上的 Apple 芯片版和 Windows x64，Linux 没有安装包。BaoCut 用社区许可公开源码，允许拿它做商业内容创作和企业内部使用，但把 BaoCut 本身或其代码商业化需要另外取得书面授权，因此它不属于 OSI 定义的开源软件。项目导出的 .baocut 包可以把视频连同全部文档版本与素材版本带走，换台机器打开继续编辑，这一点对多人协作和长期项目比较实用。

它适合愿意自己掌控素材与模型、又不想被一次性渲染绑住的人。要的是那种改一句字幕不用重做整片的体验，这套设计才对得上。