Må jeg bli på siden mens den behandler?

Nei. Jobben kjører på serveren, så du kan lukke fanen eller laptopen. De ferdige klippene ligger i biblioteket ditt når du kommer tilbake, og vi sender deg en e-post i det øyeblikket de er klare.

Hvilke filformater og lengder kan jeg sende inn?

Vanlige videofiler og videolenker, opptil ti timer (600 minutter) kilde per kjøring. Podkastepisoder, webinarer, intervjuer, foredrag og strømopptak på flere timer går gjennom den samme pipelinen. Lengre kilder tar proporsjonalt lengre tid og koster proporsjonalt flere kreditter, fordi én kreditt er ett minutt kilde. Et opptak som er lengre enn taket, må kortes ned først, og det gjør også regningen lavere.

Kan jeg endre det AI-en valgte?

Ja. Omkadrerings-, undertekst- og hook-trinnene er åpne i stedet for skjult, så et klipp der du misliker beskjæringen eller hooken kan justeres uten å eksporteres til et eget redigeringsprogram. Utvelgelsen av øyeblikk er et utgangspunkt, ikke en dom.

Hvilke språk håndterer den?

Språket som snakkes, oppdages automatisk, og karaoke-underteksten er verifisert fra ende til ende på engelsk, spansk, tysk og russisk. Separat kan et ferdig klipp dubbes til 31 språk med talerens stemme bevart, og den dubbede lyden transkriberes på nytt slik at underteksten samsvarer med det nye språket i stedet for det gamle.

Hvor lang tid tar det for Clippen å behandle en video?

Lengre enn et øyeblikk og kortere enn en ettermiddag – hele opptaket transkriberes før ett eneste kutt gjøres. Vi oppgir ikke noe tall, fordi det avhenger av kilden og av hvor travel køen er, og et tall vi bommer på er verre enn ikke noe tall. Jobben kjører på serveren: lukk fanen, så sender vi deg en e-post i det øyeblikket klippene er klare.

Hvorfor starter ikke Clippen-klipp midt i en setning?

Transkripsjonen har et tidsstempel på hvert enkelt ord, og de visuelle kuttpunktene kommer fra scenedeteksjon. Modellen som velger øyeblikk får begge sammen, så et klipp kan begynne på en ordgrense som også er en ren bildegrense. At utsnittet er selvstendig er en del av utvelgelseskriteriene, så et utsnitt som bare gir mening i sammenheng blir ikke valgt.

Hvordan bestemmer Clippen hva som beholdes i en vertikal beskjæring?

Den velger et oppsett per scene i stedet for å beskjære alt til midten. En enkelt taler spores med ansiktsdeteksjon og et dempet kamera. To talere i samme bilde stables i halvbilder. Lysbilder og delte skjermer stables over den som presenterer. Et strømoppsett med webkameraboks bygges om til skjerm øverst og kamera under.

Hva skjer med videofilen min?

Den lastes opp, behandles gjennom de seks pipeline-stegene på serverne våre og blir til klipp du kan laste ned eller publisere. Ingenting publiseres noe sted med mindre du kobler til en sosial konto og velger å publisere. Du beholder alle rettighetene du allerede hadde i kilden og klippene.

Hjem Slik fungerer det

Slik gjør Clippen ett langt opptak om til vertikale klipp

Av Clippen-teamet·Publisert 2026-08-23·Oppdatert 2026-10-01

Kort fortalt

Hvert ord i kilden transkriberes med sitt eget tidsstempel, og hver scenegrense finnes. Deretter leses transkripsjonen og grensene sammen for å velge de sterkeste selvstendige øyeblikkene på 15 til 60 sekunder. Hvert av dem klippes ut, omkadreres til 9:16 rundt den som snakker, og får undertekster ord for ord.

Seks steg kjører i rekkefølge, og ingen av dem trenger deg. En kilde på 60 minutter kommer tilbake som omtrent 10 klipp i 1080×1920. Vi sender deg en e-post i det øyeblikket de er klare.

Betalt, fra 11,66 $ i måneden fakturert årlig, eller 19,99 $ måned for måned. Kreditter belastes per minutt kildevideo, ikke per klipp.

Hva skjer med videoen din etter at du har sendt den inn?

Du gir Clippen ett langt opptak: lim inn en lenke eller last opp filen. Fra da av skjer arbeidet på serverne våre, ikke i nettleseren din. Du kan lukke fanen, og klippene venter på deg når du kommer tilbake.

Jobben kjører som en kø med seks steg i fast rekkefølge, fordi hvert steg trenger resultatet fra det forrige. Transkripsjonen må finnes før en modell kan vurdere hvilke seksti sekunder som er verdt å beholde. Scenegrensene må finnes før et kutt kan plasseres et annet sted enn midt i et bilde. De utvalgte øyeblikkene må finnes før det er noe å omkadrere.

Ingenting publiseres noe sted som del av behandlingen. Klippene er dine å laste ned, og publisering til TikTok, Instagram Reels eller YouTube Shorts skjer bare når du kobler til en konto og trykker på publiser. Clippen er laget for å klippe video du eier eller har rett til å bruke – din egen podkast, din egen strøm, ditt eget foredrag. Du beholder alle rettighetene du allerede hadde i kilden og i klippene; Clippen tar ingen lisens utover å behandle filen du sender inn. Å klippe andres opplasting er mellom deg og plattformen den skal ut på: YouTubes retningslinjer for uautentisk innhold fra juli 2025 nevner gjenbrukte klipp eksplisitt.

De seks stegene, i rekkefølge

Transkripsjon med tidsstempler på ordnivå

Kildelyden transkriberes med et tidsstempel på hvert enkelt ord, ikke bare på hver setning. Timing på ordnivå gjør at et klipp kan starte på en ordgrense i stedet for en halv staving inne i ordet, og det er det som får karaoke-undertekstene til å treffe riktig bilde. Språket som snakkes, oppdages automatisk.

Deteksjon av scenegrenser

Videoen skannes etter klipp og harde visuelle overganger. Disse grensene hindrer at et klipp åpner midt i et bilde, som er den vanligste grunnen til at et automatisk klipp virker maskinlaget.

Utvelgelse av øyeblikk

Den tidsstemplede transkripsjonen og scenegrensene går til modellen sammen, og den returnerer de sterkeste selvstendige utsnittene på 15 til 60 sekunder hver, vurdert etter hvor hardt åpningen treffer, om utsnittet har en payoff, og om det fortsatt gir mening for noen som ikke har hørt resten av episoden. Den sikter mot omtrent ti klipp fra ethvert opptak som er langt nok til å romme dem, og returnerer færre bare når kilden er for kort.

Omkadrering til høyformat

Hvert klipp settes sammen på nytt fra 16:9 til 9:16. Én modus følger én enkelt taler med ansiktsdeteksjon, dempet av en stabilisator som holder kameraet i ro innenfor en sikker sone i stedet for å jage hver hodebevegelse. GENERAL beholder full bredde over en uskarp bakgrunn for gruppebilder og landskap. SPLIT stabler to talere i halvbilder når begge faktisk er i samme bilde. SCREENCAST og INSET tar seg av lysbilder, delte skjermer og strømoppsett der meningen ligger utenfor midten av bildet.

Undertekster, hooks og tempo

Underteksten gjengis ord for ord fra transkripsjonen og brennes inn, med det uttalte ordet uthevet idet det sies. En AI-skrevet hook-overskrift dekker åpningssekundene, der en seer av kortvideo bestemmer seg for om vedkommende blir. Valgfrie punch-ins zoomer inn på slagene i klippet, slik at et stillestående kamera ikke gir et stillestående klipp.

Eksport og publisering

Klippene kommer ut i 1080×1920 i 9:16, 1:1 og 16:9. Last dem ned, eller publiser til TikTok, Instagram Reels og YouTube Shorts fra oversikten. Stemmedubbing kan oversette et klipp til 31 språk mens talerens stemme beholdes, og den dubbede lyden transkriberes på nytt slik at underteksten samsvarer med det nye språket.

Hvor lang tid tar det?

Vi sender deg en e-post i det øyeblikket de er klare. Jobben kjører på serverne våre, ikke på maskinen din, og på ekte kilder av alle lengder – en podkastepisode, et konferanseforedrag på 20 minutter, en strøm på fire timer – ikke på en kort demofil.

Det er verdt å vite, fordi det endrer hvordan du planlegger. Å klippe en episode på en time for hånd – finne øyeblikkene, klippe dem ut, omkadrere hvert til høyformat, skrive og time underteksten – tar det meste av en arbeidsdag, og det er grunnen til at de fleste sitter på et arkiv som ligger upublisert. Behandling uten tilsyn er en annen type beslutning. Du starter jobben ved slutten av opptaksøkten, og klippene venter på deg når du kommer tilbake.

Nesten all tiden går til transkripsjon og videokoding. Modellkallet som velger øyeblikkene er en liten brøkdel av det, og det er grunnen til at en lengre kilde tar omtrent proporsjonalt lengre tid i stedet for å gi plutselige hopp.

Hvorfor starter ikke klippene midt i en setning?

Fordi to separate signaler brukes til å plassere kuttet, og hvert av dem fanger opp det det andre går glipp av.

Transkripsjonen har et tidsstempel på hvert enkelt ord, ikke på hver setning. Det gjør det mulig å starte et klipp nøyaktig på den første konsonanten i det første ordet i stedet for en brøkdel av et sekund ut i det, noe som er det hørbare tegnet på at et klipp er klippet av en maskin. Timing på ordnivå er også det som gjør at underteksten kan utheve hvert ord idet det faktisk sies.

Scenedeteksjon står for den andre halvdelen. En transkripsjon alene kan finne en brilliant setning uten å ane at kameraet klipper midt i den. Scenegrenser alene kan finne rene visuelle kutt uten noe som er verdt å si mellom dem. Modellen som velger øyeblikk får begge sammen, så den kan velge et utsnitt som både er siterbart og visuelt helt.

Utvelgelsen vurderes også ut fra om utsnittet står på egne ben. En passasje på seksti sekunder som åpner med «og det er akkurat derfor jeg er uenig» er ubrukelig for en seer som ikke har hørt de foregående ti minuttene, uansett hvor god replikken er. At et utsnitt er selvstendig er et utvelgelseskriterium, ikke noe man tenker på etterpå.

Hvordan bestemmer den vertikale beskjæringen hva som beholdes?

Et 16:9-bilde som settes sammen på nytt til 9:16 mister omtrent tre fjerdedeler av bredden sin, så noe må avgjøre hva den bredden var til for. Clippen velger et oppsett per scene i stedet for å bruke én beskjæring på hele videoen.

TRACK følger én enkelt taler ved hjelp av ansiktsdeteksjon. Kameraet er dempet: det holder seg i ro innenfor en sikker sone og beveger seg bare når motivet forlater den, fordi en beskjæring som jager hver hodebevegelse svinger synlig og virker amatørmessig selv når utsnittet teknisk sett er riktig.
GENERAL beholder full bredde over en uskarp bakgrunn, for gruppebilder og landskap der beskjæring til ett enkelt punkt kaster bort motivet.
SPLIT stabler to talere i halvbilder, men bare når begge ansiktene faktisk er i samme bilde over en vedvarende del av scenen. Den testen skiller et ekte bilde med to personer fra en klipping mellom bilde og motbilde, der stabling ville vist den samme personen to ganger.
SCREENCAST og WIDE håndterer lysbilder og delte skjermer. Innhold som spenner over det meste av bildet tåler ikke beskjæring, så det stables over den som presenterer eller beholdes i full bredde i stedet for å bli klippet bort.
INSET håndterer strømoppsettet: en skjerm i full bredde med en liten webkameraboks i et hjørne. Skjermen legges øverst, og webkameraet forstørres under.
Talerklipp og punch-ins ligger oppå oppsettet: harde kutt til den som snakker, og et forsiktig innzoom på slagene, slik at et stillestående kamera ikke gir et klipp som ser stillestående ut.

Hvorfor dette betyr mer enn det høres ut som

De fleste klippere antar at motivet er et ansikt midt i bildet. Den antakelsen stemmer for en vlogg med talende hode og er feil for en podkast med to gjester, et webinar med lysbilder og en strøm med spillbilde – som er det meste av den lange videoen som faktisk finnes. Å velge feil oppsett gir ikke et litt dårligere klipp, det gir et klipp av feil ting.

Hva koster en kjøring?

Clippen er et betalt verktøy og fakturerer etter lengden på det du mater inn: én kreditt er ett minutt kildevideo, og den ene belastningen dekker hele kjøringen – alle klippene videoen gir, omkadreringen til høyformat, underteksten og hooken. En podkast på 60 minutter koster 60 kreditter, enten den gir seks klipp eller tolv. Abonnementene starter på 19,99 $ i måneden for 150 kreditter (11,66 $ i måneden fakturert årlig) og går opp til 59,99 $ i måneden for 800 kreditter. Det finnes ikke noe gratisnivå.

Enheten betyr noe når du sammenligner verktøy. Fakturering per minutt kilde betyr at kostnaden for en episode er kjent før du trykker på start: et intervju på 45 minutter er 45 kreditter, uansett hva som kommer tilbake. Fakturering per ferdig klipp betyr at kostnaden følger et resultat du ikke kan forutsi.

Vanlige spørsmål

Må jeg bli på siden mens den behandler?: Nei. Jobben kjører på serveren, så du kan lukke fanen eller laptopen. De ferdige klippene ligger i biblioteket ditt når du kommer tilbake, og vi sender deg en e-post i det øyeblikket de er klare.
Hvilke filformater og lengder kan jeg sende inn?: Vanlige videofiler og videolenker, opptil ti timer (600 minutter) kilde per kjøring. Podkastepisoder, webinarer, intervjuer, foredrag og strømopptak på flere timer går gjennom den samme pipelinen. Lengre kilder tar proporsjonalt lengre tid og koster proporsjonalt flere kreditter, fordi én kreditt er ett minutt kilde. Et opptak som er lengre enn taket, må kortes ned først, og det gjør også regningen lavere.
Kan jeg endre det AI-en valgte?: Ja. Omkadrerings-, undertekst- og hook-trinnene er åpne i stedet for skjult, så et klipp der du misliker beskjæringen eller hooken kan justeres uten å eksporteres til et eget redigeringsprogram. Utvelgelsen av øyeblikk er et utgangspunkt, ikke en dom.
Hvilke språk håndterer den?: Språket som snakkes, oppdages automatisk, og karaoke-underteksten er verifisert fra ende til ende på engelsk, spansk, tysk og russisk. Separat kan et ferdig klipp dubbes til 31 språk med talerens stemme bevart, og den dubbede lyden transkriberes på nytt slik at underteksten samsvarer med det nye språket i stedet for det gamle.
Hvem eier klippene?: Det gjør du. Du beholder alle rettighetene du allerede hadde i kildevideoen og i klippene som lages av den. Clippen tar ingen lisens utover å behandle filen du sender inn, og ingenting publiseres på noen plattform med mindre du kobler til en konto og velger å publisere det.
Hvor lang tid tar det for Clippen å behandle en video?: Lengre enn et øyeblikk og kortere enn en ettermiddag – hele opptaket transkriberes før ett eneste kutt gjøres. Vi oppgir ikke noe tall, fordi det avhenger av kilden og av hvor travel køen er, og et tall vi bommer på er verre enn ikke noe tall. Jobben kjører på serveren: lukk fanen, så sender vi deg en e-post i det øyeblikket klippene er klare.
Hvorfor starter ikke Clippen-klipp midt i en setning?: Transkripsjonen har et tidsstempel på hvert enkelt ord, og de visuelle kuttpunktene kommer fra scenedeteksjon. Modellen som velger øyeblikk får begge sammen, så et klipp kan begynne på en ordgrense som også er en ren bildegrense. At utsnittet er selvstendig er en del av utvelgelseskriteriene, så et utsnitt som bare gir mening i sammenheng blir ikke valgt.
Hvordan bestemmer Clippen hva som beholdes i en vertikal beskjæring?: Den velger et oppsett per scene i stedet for å beskjære alt til midten. En enkelt taler spores med ansiktsdeteksjon og et dempet kamera. To talere i samme bilde stables i halvbilder. Lysbilder og delte skjermer stables over den som presenterer. Et strømoppsett med webkameraboks bygges om til skjerm øverst og kamera under.
Hva skjer med videofilen min?: Den lastes opp, behandles gjennom de seks pipeline-stegene på serverne våre og blir til klipp du kan laste ned eller publisere. Ingenting publiseres noe sted med mindre du kobler til en sosial konto og velger å publisere. Du beholder alle rettighetene du allerede hadde i kilden og klippene.
Hva koster én kjøring?: Clippen er et betalt verktøy og fakturerer etter lengden på det du mater inn: én kreditt er ett minutt kildevideo, og den ene belastningen dekker hele kjøringen – alle klippene videoen gir, omkadreringen til høyformat, underteksten og hooken. En podkast på 60 minutter koster 60 kreditter, enten den gir seks klipp eller tolv. Abonnementene starter på 19,99 $ i måneden for 150 kreditter (11,66 $ i måneden fakturert årlig) og går opp til 59,99 $ i måneden for 800 kreditter. Det finnes ikke noe gratisnivå.

Kilder

Hastighet, antall klipp og dekning av undertekstspråk er målt på Clippens egne kjøringer fra ende til ende. Sist oppdatert 2026-10-01.
YouTube Help, Inauthentic content policy, i kraft fra juli 2025.

Relaterte sammenligninger

YouTube til Shorts-konverterLim inn en lenke, få 9:16-klipp med undertekster brent inn.Gjør en podkastepisode om til vertikale shortsEpisoder med to talere uten å beskjære bort noen.En AI-klipper for deg som eier den lange videoenHva en AI-klipper gjør, og hva denne nekter å gjøre.