AutoClip(zhouxiaoka/autoclip) — 긴 영상 링크 하나로 로컬에서 숏폼 10개 자동 추출하는 오픈소스
구독료 없이 내 PC에서 FFmpeg·Whisper로 긴 영상을 숏폼 10개로 잘라주는 오픈소스 AutoClip v1.5.8의 구조, 7.5분 실측 비용, 한계를 정리했습니다.

Q. 긴 팟캐스트나 강연 영상 링크 하나만 넣으면 정말 숏폼 10개를 무료로 뽑아주는 오픈소스가 있나요? 네,
zhouxiaoka/autoclip을 쓰면 됩니다. 앱 자체는 MIT 라이선스 무료 데스크톱 도구이고, 영상 자르기·화자 프레이밍·FFmpeg 렌더링을 내 PC에서 처리하므로 월 구독료가 없습니다. 1시간 43분짜리 자막 있는 인터뷰를 애플 실리콘 맥에서 돌린 공식 실측 기준으로 7.5분 만에 10개 클립이 나오며 텍스트 모델 비용은 약 0.09위안(약 18원) 수준이었습니다.
⚠️ 정확도 가드레일: 이 글은 2026년 11월 21일 기준 zhouxiaoka/autoclip 공식 GitHub 저장소(Stars 12,005, Forks 1,998, MIT 라이선스, 최신 정식 버전
v1.5.8), AutoClip 공식 제품 브리프(llms-full.txt), 그리고 토리스 스튜디오 유튜브 11월 20일 쇼츠를 직접 대조해 작성했습니다. 실측 시간과 비용은 2026년 10월 1일 애플 실리콘 맥에서qwen-plus텍스트 모델 기준으로 측정한 값이며, 클라우드 음성 인식(ASR)이나 AI 이미지 생성 비용은 포함되지 않았습니다.
30초 요약
- 구독형 클라우드 SaaS의 로컬 대안: OpusClip 같은 월정액 서비스와 달리 내 컴퓨터에서 FFmpeg와 Whisper를 돌려 커팅·화자 추적·인코딩을 처리합니다.
- 링크 하나로 7개 플랫폼 패키지 출력: YouTube, Bilibili 링크 또는 로컬 파일을 넣으면 TikTok, Reels, YouTube Shorts, YouTube(가로), Douyin, Xiaohongshu, Bilibili 규격에 맞춰 최대 10개 클립과 커버·제목·설명·해시태그·ZIP 패키지를 한 번에 뽑아줍니다.
- 문맥을 끊지 않는 Q&A 추출: 전체 자막을 한 번에 읽어 질문 시작부터 답변 끝·화자 휴지기까지 통째로 잘라내므로 숏폼 중간에 말이 잘리는 어색함을 줄입니다.
- 데스크톱·CLI·MCP 동시 지원: macOS Apple Silicon(
.dmg)과 Windows 10/11 x64(-setup.exe) 설치 파일에 Python과 FFmpeg가 내장되어 있고, 에이전트 연동을 위한 CLI·MCP·Docker도 같은1.5파이프라인을 공유합니다.
AutoClip이 기존 클라우드 숏폼 SaaS와 다른 점
AutoClip은 영상을 클라우드 서버에 통째로 올려 렌더링하는 SaaS가 아니라 내 PC의 컴퓨팅 자원으로 편집하고 자막 텍스트만 모델에 보내는 로컬 퍼스트(Local-first) 도구입니다.
보통 2시간짜리 인터뷰 원본은 파일 크기만 수 기가바이트에 달해 업로드하는 데만 한참 걸립니다. AutoClip은 이 병목을 없애기 위해 영상 파일 자체를 외부에 올리지 않습니다. 크리에이터 자막이 있으면 곧바로 내려받아 쓰고, 없을 때만 로컬 Whisper·SenseVoice(또는 선택형 클라우드 STT)로 자막을 추출합니다. 분석용 LLM(Qwen, DeepSeek, GPT, Gemini 등 BYOK 또는 로컬 Ollama·LM Studio)에는 추출된 자막 텍스트와 메타데이터만 전달되므로 프라이버시와 전송 시간, API 비용을 동시에 아낄 수 있습니다.

물론 영상 내용을 시각적으로 이해해야 하는 게임 플레이나 대사가 적은 영상에서는 선택적으로 샘플 프레임을 비전 모델에 보낼 수 있습니다. 하지만 기본 팟캐스트·인터뷰·강의 워크플로에서는 원본 영상과 최종 렌더링 파일이 내 디스크 밖으로 나가지 않으며, 발행 버튼을 직접 누르기 전까지 어떤 플랫폼에도 업로드되지 않습니다.
1회 클릭 파이프라인: 자막 추출부터 10개 클립 패키징까지
AutoClip의 핵심은 타임라인 편집기를 열거나 AI와 여러 번 채팅하지 않아도 단 한 번의 클릭으로 발행 가능한 결과물 세트를 완성하는 것입니다.

작업 흐름은 크게 세 단계로 나뉩니다.
- 소스 입력 및 플랫폼 선택: YouTube·Bilibili URL을 붙여넣거나 로컬 영상 파일을 고른 뒤 TikTok, Instagram Reels, YouTube Shorts, Douyin, Xiaohongshu, Bilibili, YouTube 중 원하는 타깃을 다중 선택합니다.
- 전체 자막 기반 하이라이트 선별: 대본 전체를 한 번에 훑어 완결된 질의응답(Q&A) 단위를 찾습니다. 2
3시간짜리 인터뷰 기준으로 보통 1833개의 후보 구간이 잡히며, 점수 상위 10개 클립은 즉시 자동 렌더링되고 나머지는 버튼 한 번으로 추가 생성할 수 있는 대기열에 남습니다. - 플랫폼별 레이아웃 및 카피 패키징: TikTok·Reels·Shorts는 기본 풀스크린 팟캐스트 세로 화면(9:16), Douyin·Xiaohongshu는 상·하단 분할 인터뷰 레이아웃, YouTube·Bilibili 일반 영상은 가로 원본 비율을 유지합니다. 화자를 자동으로 추적해 프레이밍하며, 외국어 발화는 타깃 플랫폼 언어 자막으로 번역하고 클립 분위기(차분함·진지함·경쾌함 등)에 맞춰 7가지 색상 팔레트와 자막 모션을 자동 선택합니다.
Q. 자동 생성된 클립의 자막이나 프레이밍이 마음에 들지 않으면 어떻게 하나요? AutoClip 데스크톱 앱 안에 내장 에디터가 포함되어 있어 컷 구간, 자막 줄바꿈, 레이아웃을 바로 손볼 수 있습니다. 또한 기본으로 붙는 1.8초 브랜드 아웃트로는 설정에서 끌 수 있고, 복사되는 게시물 본문에는 AutoClip 출처 문구가 들어가지 않습니다.
실측 속도와 비용, 그리고 실행 환경 스펙
공식 저장소가 2026년 10월 1일 애플 실리콘 맥에서 측정한 데이터에 따르면, 자막이 있는 1시간 43분짜리 영상은 7.5분 만에 10편이 완성됐고 텍스트 모델(qwen-plus 추정) 비용은 0.09위안이었습니다.
| 구분 | 원본 영상 조건 | 소요 시간 / 결과물 | 텍스트 모델 추정 비용 |
|---|---|---|---|
| 신규 파이프라인 (자막 있음) | 젠슨 황 인터뷰 1h 43m (영→샤오홍슈) | 7.5분 / 10클립 | ¥0.09 |
| 신규 파이프라인 (자막 없음) | TIM × 뤄융하오 2h 52m (중→더우인, 로컬 Whisper base) | 29.5분 / 10클립 | ¥0.20 |
| 구버전 파이프라인 | MrBeast 2h 06m (영→TikTok) | 65분 / 33클립 | ¥0.64 |
실행 환경은 세 가지 방식으로 열려 있습니다.

| 실행 방식 | 지원 환경 | 비고 |
|---|---|---|
데스크톱 앱 (v1.5.8) |
macOS 13+ Apple Silicon (.dmg 약 348MB), Windows 10/11 x64 (-setup.exe 약 195MB) |
Python + FFmpeg 내장. Intel Mac 미지원 |
| CLI / MCP | Python 3.10+(3.11 권장) + FFmpeg | uvx autoclip-mcp 또는 autoclip produce로 배치·에이전트 연동 |
| Docker / Web | Linux 등 Docker & Compose v2 환경 | 자체 웹 서버 호스팅 가능 |
에이전트 자동화 관점에서는 CLI와 MCP(start_quick_output / get_quick_output_status)가 데스크톱과 동일한 1.5 파이프라인을 쓴다는 점이 매력적입니다. 기존에 소개했던 CLI-Anything 하네스 가이드나 Plannotator 브라우저 검수 워크플로처럼 로컬 도구를 AI 에이전트에 직접 물려 콘텐츠 파이프라인을 자동화하려는 1인 개발자에게도 궁합이 잘 맞습니다.
도입 전 반드시 확인할 현실적인 한계
아무리 오픈소스가 무료라도 초기 실행 장벽과 보안 서명 부재는 도입 전에 꼭 짚고 넘어가야 합니다.
- OS 보안 경고 우회 필요:
v1.5.8기준으로 Apple 공증(notarization)과 Windows 코드 서명이 적용되어 있지 않습니다. macOS 15 이상에서는 더블클릭 후시스템 설정 → 개인정보 보호 및 보안 → 그래도 열기를 눌러야 하고, Windows에서는 SmartScreen추가 정보 → 실행단계를 거쳐야 합니다. - Intel Mac 데스크톱 미지원: 구형 Intel 맥 사용자는 데스크톱 설치 파일 대신 Docker나 CLI로 우회해야 합니다.
- 최종 검수는 필수: 공식 첫 실행 테스트 사례(2026-10-02)에서도 127.3초 영상에서 62.4초 만에 3개 쇼츠를 뽑아냈지만, 생성된 설명 문구 2건은 게시 전 수동 교정이 필요했습니다. 자동 추출된 클립의 문맥·번역 자막·원본 저작권 확인은 여전히 사람(또는 검수 에이전트)의 몫입니다.
- YouTube 일반 가로 영상 최소 길이: 숏폼(Shorts/Reels/TikTok)과 달리 일반 YouTube 가로 포맷으로 뽑을 때는 완결된 클립 길이가 최소 180초 이상이어야 합니다.
토리스의 판단
- 지금 바로 써볼 만한 분: 팟캐스트·강연·개발자 토크 같은 10분
3시간짜리 대화형 영상을 주기적으로 올리면서, 매달 나가는 숏폼 SaaS 구독료를 줄이고 로컬에서 빠르게 초안을 뽑고 싶은 1인 크리에이터와 개발자. (첫 테스트는 자막이 이미 붙어 있는 1030분짜리 영상 1개로 1~2개 플랫폼만 켜고 돌려보는 것을 권합니다.) - 다른 대안이 나은 분: Intel Mac을 쓰거나 사내 보안 정책상 미서명 실행 파일을 설치할 수 없는 환경, 또는 PC 사양 부담 없이 브라우저에서 모든 렌더링을 끝내고 싶은 분은 기존 클라우드 기반 도구가 더 편합니다.
출처
광고
YOUTUBE · TORIS STUDIO