Pernahkah Anda perlu memotong video tidak hanya berdasarkan durasi waktu, tetapi juga apa yang diucapkan seseorang di dalamnya? Mungkin Anda sedang menyunting podcast, ingin mengekstrak bagian tertentu dari rapat daring, atau menangkap momen lucu dari vlog yang panjang. Mencari "bagian ketika mereka mengatakan X" secara manual di timeline tentu memakan banyak waktu. Di sinilah FunClip: Automated Video Clipping hadir untuk mempermudah pekerjaan Anda.

Apa Itu FunClip?

FunClip mengambil transkrip audio dari video Anda, kemudian memungkinkan Anda memilih pembicara atau segmen teks tertentu, dan secara otomatis memotong video pada bagian tersebut. Alat ini dirancang untuk mengatasi masalah pemotongan video yang didasarkan pada konten ucapan, bukan hanya timestamp kaku. Anda tidak perlu repot dengan pengaturan Automatic Speech Recognition (ASR) eksternal atau pipeline yang rumit. Cukup pilih, potong, selesai.

Bagaimana FunClip Bekerja?

Di balik layarnya, FunClip memanfaatkan model ASR dari ModelScope untuk melakukan transkripsi audio video Anda. Setelah transkrip tersedia, Anda dapat memilih dua cara utama untuk memotong video:

1. Berdasarkan Segmen Teks: Pilih frasa atau kalimat tertentu dari transkrip, dan FunClip akan memotong video di sekitar segmen tersebut.
2. Berdasarkan Pembicara: Jika ada beberapa pembicara, Anda bisa memilih nama pembicara tertentu, dan FunClip akan mengekstrak semua bagian di mana orang tersebut berbicara.

Output dari proses ini adalah file video yang sudah dipangkas, hanya berisi segmen yang Anda inginkan.

FunClip dilengkapi dengan fitur Voice Activity Detection (VAD). Fitur ini secara otomatis memangkas keheningan di awal dan akhir klip, membuat hasil potongan lebih rapi. Anda juga dapat menyesuaikan margin atau durasi tambahan, beberapa detik sebelum atau sesudah klip. Model ASR yang digunakan pun dapat diganti dengan model lain dari ModelScope, sehingga Anda bisa menggunakannya untuk berbagai bahasa seperti Mandarin, Inggris, atau bahasa lainnya, tergantung pada model yang tersedia.

Skenario Penggunaan FunClip

FunClip bisa menjadi alat yang sangat berguna untuk berbagai kebutuhan, bahkan untuk hal-hal yang mungkin tidak terpikirkan sebelumnya:

• Wawancara: Potong jawaban menarik dari wawancara berdurasi 45 menit hanya dengan menemukan kalimat yang relevan.
• Rapat Daring: Ekstrak bagian yang diucapkan oleh individu tertentu dari rekaman rapat Teams atau Zoom.
• Belajar Bahasa: Ambil satu kalimat dari film berbahasa asing dan buat loop untuk latihan.
• Soundbite: Dapatkan soundbite dari klip yang lebih panjang tanpa perlu melakukan re-encoding seluruh file.

Cara Memulai dengan FunClip

Sebagai proyek sumber terbuka, FunClip tersedia di GitHub. Anda bisa memulai dengan mengkloning repository atau menjalankannya langsung di notebook.

Untuk menginstal dan menjalankan antarmuka web Gradio:

bash
git clone https://github.com/modelscope/FunClip
pip install -r requirements.txt
# Jalankan Gradio UI

Jika Anda ingin mengintegrasikannya ke dalam skrip Python, FunClip juga menyediakan API:

python
from funclip import FunClip

fc = FunClip()
result = fc.clip_by_text(
    video_path="input.mp4",
    text_to_match="frasa yang ingin dicocokkan"
)
result.save("output.mp4")

Selain itu, tersedia demo Colab yang tertaut di repository FunClip. Anda bisa mencobanya langsung tanpa perlu melakukan instalasi apa pun.

FunClip adalah alat yang spesifik, dirancang untuk memecahkan masalah pemotongan video berdasarkan ucapan dengan sangat efektif. Jika Anda seringkali harus memotong video berdasarkan konten lisan, alat ini akan menghemat banyak waktu yang sebelumnya terbuang untuk mencari gelombang audio secara manual. Ini bukan editor video lengkap atau alat produksi besar, melainkan utilitas yang fokus untuk pengembang dan pembuat konten yang membutuhkan cara cepat memotong video berdasarkan apa yang dikatakan.

Referensi

https://www.opensourceprojects.dev/post/funclip