Mark Ku's Blog
v0.23.0 · MIT 開源

AI Music Cut

AI Podcast/音訊粗剪桌面工具。丟進一段錄音,它會剪掉贅字與口吃、平衡音量、保留句尾的呼吸感,並在輸出前讓你逐個接縫聽過。也有 CLI,可以接進 CI。

完全免費 · MITWindows · macOS · Linux
ai-music-cut · 主編輯畫面
主編輯畫面:波形、候選色塊、逐字稿與右側決策面板
贊助

涵蓋全球 190+ 目的地的旅遊 eSIM

落地掃碼就上網,免換卡、免漫遊費。開幕慶全館 75 折。

看 eSIM 226 方案

含聯盟推廣連結

它幫你做掉什麼

不是「一鍵變好聽」那種黑箱。每一項都看得到它動了哪裡、為什麼。

🗣

剪贅字與口吃

嗯/呃/那個/就是,以及講到一半重講的片段。以自然順暢為最高原則:句首的「然後」、有節奏感的語助詞會留著,不是全部剪光。

🎚

逐段音量平衡

逐段 BS.1770 量測 → 增益規劃(±12 dB、峰值守門、3-tap 平滑、階差 ≤3 dB)→ EBU R128 loudnorm 兩趟 + 限幅器。成品落在你選的目標響度。

🫁

留得住呼吸感

剪完不是把句子黏成一團。句中留 170 ms、句尾 340 ms、段落之間 575 ms;靜音不夠長時補 room tone,而不是硬接。

✂️

剪在完整波形上

剪點先貼字邊界,再貼到 ±30 ms 內的能量最低點,最後對齊 ±3 ms 內最近的上升零交越。每一刀都有漸弱漸強,安靜處 4 ms、語音接語音 24 ms。

👂

兩個 agent 互相把關

剪輯 agent 提議、審核 agent 只挑「剪了會壞」的那幾筆。兩邊意見相反時它不自己決定,標成「分歧」交給你裁決。

輸出後還要驗收

成品每段的波形包絡跟來源做正規化互相關,抓出接錯段或位置偏移;有逐字稿時再重新 ASR 逐字比對,列出漏字、該剪沒剪、可疑接縫。

它還能做的事

AI 是選項不是前提:波形、手動剪、輸出這條路完全在本機,不需要任何金鑰。

🌊

開檔就有波形

不必先分析。幾秒內看到整段波形與時間尺,馬上可以播放、縮放。

🖱

手動也能剪

按 S 切選取工具,拖一段就能播放(可循環)、剪掉、只保留、靜音、淡入淡出、增益。Wave Editor 式右鍵選單。

📝

在逐字稿上剪

Shift + 點選一段範圍,或雙擊某個字直接剪掉它。

🥁

節拍格線與貼齊

從波形能量自動抓 BPM,時間軸畫出拍線與小節線,選取自動吸附拍點。抓錯可以 ÷2 / ×2,或跟著音樂敲三下重抓。

自動精華片段

選 15 / 30 / 60 / 90 秒,依能量與律動挑出最像副歌的一段,有拍網格時起訖貼齊小節。

🎵

AI 配樂

描述風格就生出純器樂 BGM,長度帶入目前選取、BPM 帶入偵測到的拍速,生好直接進媒體清單就能剪。

🎨

曲風轉換

選一段音訊,描述目標曲風(Lo-fi 化/原聲吉他/電影感/8-bit),用它當參考做 audio2audio。貼近度滑桿決定保留旋律還是自由發揮。

🎤

去人聲 / 分軌

一鍵分成人聲 + 伴奏(2 軌)或人聲/鼓/貝斯/其他(4 軌)。伴奏軌就是去人聲版本,可以接著剪。

🤖

AI 助手(工具迴圈)

本機 claude CLI 透過內建的 MCP server 直接操作剪輯決策:「把 10 分鐘後的『就是』都剪掉,但句首的留著」。每個工具呼叫都看得到。

⌨️

鍵盤審核模式

一次一筆、自動預聽剪後結果,A 接受 / R 拒絕並自動前進。整組相同的贅字可以一次決定。

🔍

三種預覽

原始 / 剪後(即時近似)/ 剪後(成品)。成品預覽走與正式輸出同一個剪接器,關掉逐段平衡時與成品逐 byte 相同。

💾

專案存檔

存成 *.aicut.json,含逐字稿、候選、決策、效果與 AI 判讀快取。同一個音檔重開沿用快取,不重跑 ASR。

實際畫面

上方是四步流程列,中間波形疊著候選色塊與拍線,右側是決策 / 助手 / 驗收側欄。

主編輯畫面:波形、候選色塊、逐字稿與右側決策面板
主編輯畫面:波形、候選色塊、逐字稿與右側決策面板

開始之前要知道的三件事

說在前面,免得你下載完才發現。

  1. 1

    不用金鑰也能用一半

    看波形、手動剪、套效果(靜音/淡入淡出/增益)、輸出 mp3 / m4a / wav,全部在本機跑,不需要任何金鑰或連線。

  2. 2

    語音辨識與音樂功能需要 ttls API key

    逐字稿(faster-whisper large-v3)、去人聲(demucs)、AI 配樂與曲風轉換(ACE-Step)走自架的 ttls 伺服器,需要一把 API key。金鑰只存在作業系統的鑰匙圈,不會進專案檔、設定檔或 log。

  3. 3

    AI 判讀與 AI 助手需要 Claude Code CLI

    用你本機已經登入的 claude CLI,預設模型 sonnet(可在設定改)。沒裝也不影響前面兩項。

技術棧

音訊的重活在 Rust,介面在 React。

桌面殼層Tauri 2
前端React 18 + TypeScript 5 + zustand
波形wavesurfer.js 7.12.11
音訊處理Rust(ebur128 / hound / blake3)
轉檔與編碼ffmpeg(Windows 內建 LGPL 版)
AIClaude Code CLI + 自架 ttls

下載

v0.23.0 共 9 個安裝檔,每個都附 sha256。

Windows 10 / 11

x64-setup.exe(46.9 MB)· x64_en-US.msi(62.7 MB)

安裝檔內建 LGPL 版 ffmpeg,裝完直接能用。你自己裝的 ffmpeg 優先權更高。

macOS

aarch64.dmg · x64.dmg(各約 5 MB)

Apple Silicon 與 Intel 各一版。需要自行安裝 ffmpeg 7 以上(brew install ffmpeg)。

Linux

amd64.deb · x86_64.rpm(各 5.2 MB)· amd64.AppImage(78.9 MB)

deb / rpm 已宣告相依 ffmpeg,套件管理員會一起裝。AppImage 需自行準備 ffmpeg。

Windows 版比其他平台大 40–60 MB,差額就是壓縮後的內建 ffmpeg。目前沒有 Windows ARM64 與 Linux aarch64 版本,這兩個平台請從原始碼建置。

從原始碼建置

  1. 1

    npm install --legacy-peer-deps:peer 依賴刻意用 legacy 解法,不加這個旗標會裝不起來。

  2. 2

    node scripts/fetch-ffmpeg.mjs(選用):抓內建的 LGPL ffmpeg,URL 與 sha256 釘死在 scripts/ffmpeg-manifest.json,對不上就直接失敗。不跑也能開發,只是會退回用 PATH 上的 ffmpeg。

  3. 3

    npm run tauri dev:前端跑在 1420,Rust 首次編譯要 5 到 10 分鐘,之後就快了。

一行版(複製後貼進終端機):

也有 CLI: aicut

無視窗跑完整條流程,verify 有問題會回 exit code 2,可以直接接進 CI。

打包成單檔(Node 20+)

npm run cli:build

只要逐字稿

node dist-cli/aicut.mjs transcribe ep12.m4a

分析並存成專案檔(含 AI 判讀)

node dist-cli/aicut.mjs analyze ep12.m4a --judge --project ep12.aicut.json

一步剪完輸出

node dist-cli/aicut.mjs cut ep12.m4a --judge -o ep12_cut.mp3

去人聲

node dist-cli/aicut.mjs separate song.mp3 --format wav

抓 BPM 與拍點

node dist-cli/aicut.mjs beats song.mp3 --bars

生成 BGM

node dist-cli/aicut.mjs music "lofi hip hop, warm" --duration 30 --bpm 90

驗收成品(CI 用)

node dist-cli/aicut.mjs verify ep12.m4a ep12_cut.mp3

金鑰可以用 --key、環境變數 AICUT_TTLS_API_KEY,或放在 repo 根目錄的 .env.local;不會被印出、也不會寫進任何輸出。要注意 CLI 只做全域 loudnorm,沒有桌面版的逐段音量平衡。

授權與第三方元件

AI Music Cut 本身是 MIT。Windows 安裝檔內建 LGPL-2.1-or-later 授權的 ffmpeg(n8.1.2,下載 URL 與 sha256 釘死在 repo 的 scripts/ffmpeg-manifest.json,對不上就讓 build 失敗),以獨立程序加動態連結的方式使用,不會連進主程式,也不是 ffmpeg 的衍生作品。你可以換成自己 build 的 ffmpeg 放同一個目錄,或在設定裡指到別的路徑。完整聲明與 LGPL 全文見 repo 的 THIRD-PARTY-NOTICES.txt。

看 THIRD-PARTY-NOTICES.txt

把粗剪的時間還給你

贅字、音量、接縫這些機械活交給它,你留著判斷什麼該講、什麼該刪。MIT 授權,程式碼全部可以看。

eSIM 226

站長優惠

出國工作,網路也要跟著走

eSIM 226 是涵蓋全球 190+ 目的地的旅遊 eSIM:出發前線上把方案買好,落地掃 QR Code 就有網路,免換實體卡、免付天價漫遊費,原門號留在手機裡照樣收銀行簡訊。日本 3GB/15 天約 3.4 美元起,短程旅行不用買整個月。

  • 190+ 目的地,日韓歐美一次涵蓋
  • 掃碼即開通,不必等實體卡寄送
  • 走當地資費,回國不會收到漫遊帳單

含聯盟推廣連結

看方案
AI Music Cut:免費開源的 AI Podcast 音訊粗剪工具(audio cut) - Mark Ku's Blog