Как Clippen превращает одну длинную запись в вертикальные клипы

Что происходит с вашим видео после отправки?

Вы передаёте Clippen одну длинную запись: вставляете ссылку или загружаете файл. С этого момента работа идёт на наших серверах, а не в вашем браузере. Вкладку можно закрыть, и клипы будут ждать вас, когда вы вернётесь.

Задача проходит как очередь из шести этапов в строго заданном порядке, потому что каждому нужен результат предыдущего. Транскрипт должен существовать до того, как модель сможет решить, какие шестьдесят секунд стоит оставить. Границы сцен должны существовать до того, как разрез можно будет поставить не в середине плана. Выбранные моменты должны существовать до того, как появится что кадрировать.

В ходе обработки ничто нигде не публикуется. Клипы вы скачиваете сами, а публикация в TikTok, Instagram Reels или YouTube Shorts происходит, только когда вы подключаете аккаунт и нажимаете «опубликовать». Clippen создан для нарезки видео, которое принадлежит вам или которое вы вправе использовать, — вашего подкаста, вашего стрима, вашего выступления. Все права на исходник и на клипы, которые у вас уже были, остаются за вами; Clippen не получает никакой лицензии, кроме обработки файла, который вы отправляете. Нарезка чужой загрузки — дело между вами и платформой публикации: политика YouTube в отношении неоригинального контента от июля 2025 года прямо называет переиспользуемые клипы.

Шесть этапов по порядку

Транскрипция с метками времени по словам

Звук исходного видео расшифровывается с меткой времени на каждом отдельном слове, а не только на каждом предложении. Именно тайминг на уровне слов позволяет клипу начаться на границе слова, а не на середине слога, и именно он заставляет субтитры в стиле караоке попадать в нужный кадр. Язык речи определяется автоматически.

Поиск границ сцен

Видео сканируется на склейки и резкие визуальные переходы. Эти границы не дают клипу начаться посреди плана, а это самая частая причина, по которой автоматически созданный клип выглядит сделанным машиной.

Выбор моментов

Транскрипт с метками времени и границы сцен передаются модели вместе, и она возвращает самые сильные самодостаточные фрагменты по 15–60 секунд каждый. Оценивается, насколько сильно начало цепляет, оправдывает ли фрагмент ожидание и остаётся ли он понятным тому, кто не слышал остальной выпуск. Модель нацелена примерно на десять клипов из любой записи, достаточно длинной, чтобы их вместить, и возвращает меньше, только если источник слишком короткий.

Вертикальное кадрирование

Каждый клип перекомпоновывается из 16:9 в 9:16. Один режим следит за единственным говорящим с помощью распознавания лиц, сглаженного стабилизатором, который удерживает камеру неподвижной внутри безопасной зоны, а не гоняется за каждым движением головы. GENERAL сохраняет полную ширину поверх размытого фона для групповых кадров и пейзажей. SPLIT ставит двух говорящих друг над другом в половинах кадра, когда оба действительно находятся в одном плане. SCREENCAST и INSET справляются со слайдами, демонстрацией экрана и макетами стримов, где смысл находится не в центре кадра.

Субтитры, хуки и темп

Субтитры отрисовываются слово за словом по транскрипту и вшиваются в видео, а произносимое слово подсвечивается в момент, когда звучит. Заголовок-хук, написанный ИИ, закрывает первые секунды, когда зритель коротких видео решает, оставаться ли ему. Необязательные наезды приближают кадр на акцентах клипа, чтобы неподвижная камера не превращала клип в неподвижный.

Экспорт и публикация

Клипы выходят в 1080×1920 в форматах 9:16, 1:1 и 16:9. Скачайте их или опубликуйте в TikTok, Instagram Reels и YouTube Shorts из панели. Дубляж голосом может перевести клип на 31 язык с сохранением голоса говорящего, а дублированная озвучка расшифровывается заново, чтобы субтитры соответствовали новому языку.

Сколько это занимает?

Мы отправим письмо, как только они будут готовы. Задача выполняется на наших серверах, а не на вашем компьютере, и проверена на реальных источниках любой длины — выпуск подкаста, 20-минутное выступление на конференции, четырёхчасовой стрим, — а не на коротком демонстрационном файле.

Это стоит знать, потому что это меняет планирование. Нарезать часовой выпуск вручную — найти моменты, вырезать их, кадрировать каждый в вертикальный формат, набрать и выверить субтитры — это почти целый рабочий день, и именно поэтому архив большинства авторов лежит неопубликованным. Обработка без вашего участия — решение иного рода. Вы запускаете задачу в конце сессии записи, и клипы ждут вас, когда вы вернётесь.

Почти всё это время уходит на транскрипцию и кодирование видео. Вызов модели, которая выбирает моменты, занимает лишь малую его долю, поэтому более длинный источник обрабатывается дольше примерно пропорционально своей длине, а не скачками.

Почему клипы не начинаются посреди предложения?

Потому что для разреза используются два независимых сигнала, и каждый ловит то, что упускает другой.

Транскрипт несёт метку времени на каждом отдельном слове, а не на каждом предложении. Благодаря этому клип можно начать точно на первой согласной первого слова, а не спустя долю секунды после неё, — именно эту долю слышно как признак того, что клип нарезала машина. Тайминг на уровне слов также позволяет субтитрам подсвечивать каждое слово в тот момент, когда оно действительно произносится.

Поиск сцен даёт вторую половину. Один транскрипт может найти блестящее предложение и не знать, что посреди него камера переключается. Одни границы сцен могут найти чистые визуальные склейки, между которыми нечего сказать. Модель, выбирающая моменты, получает оба сигнала вместе, поэтому может выбрать фрагмент, который одновременно цитируем и визуально цел.

Выбор также оценивается по тому, стоит ли фрагмент сам по себе. Шестидесятисекундный отрывок, который открывается словами «и именно поэтому я не согласен», бесполезен зрителю, не слышавшему предыдущие десять минут, как бы хороша ни была реплика. Самодостаточность — критерий отбора, а не запоздалая мысль.

Как вертикальное кадрирование решает, что оставить?

Кадр 16:9, перекомпонованный в 9:16, теряет около трёх четвертей ширины, поэтому кто-то должен решить, ради чего эта ширина была. Clippen выбирает макет для каждой сцены, а не применяет один кроп ко всему видео.

• TRACK следит за единственным говорящим с помощью распознавания лиц. Камера сглажена: она стоит неподвижно внутри безопасной зоны и двигается, только когда объект её покидает, потому что кроп, гоняющийся за каждым движением головы, заметно качается и выглядит любительски, даже когда кадрирование технически верное.
• GENERAL сохраняет полную ширину поверх размытого фона — для групповых кадров и пейзажей, где обрезка по любой одной точке выбрасывает объект.
• SPLIT ставит двух говорящих друг над другом в половинах кадра, но только когда оба лица действительно находятся в одном плане на протяжении заметной части сцены. Эта проверка отличает настоящий кадр с двумя людьми от монтажа «план — контрплан», где такая раскладка показала бы одного и того же человека дважды.
• SCREENCAST и WIDE справляются со слайдами и демонстрацией экрана. Контент, занимающий большую часть кадра, не переживёт кроп, поэтому он ставится поверх ведущего или сохраняется на всю ширину, а не отрезается.
• INSET справляется с макетом стрима: экран на всю ширину и маленькое окно веб-камеры в углу. Экран идёт наверху, а веб-камера увеличивается под ним.
• Смены по говорящему и наезды накладываются поверх макета: резкие переходы к тому, кто говорит, и плавное приближение на акцентах, чтобы неподвижная камера не давала неподвижно выглядящий клип.

Сколько стоит запуск?

Clippen — платный сервис, и оплата зависит от длины того, что вы в него загружаете: один кредит — одна минута исходного видео, и это единственное списание покрывает весь запуск — все клипы, которые даст видео, вертикальное кадрирование, субтитры и хук. Подкаст на 60 минут стоит 60 кредитов независимо от того, вернётся он с шестью клипами или с двенадцатью. Тарифы начинаются от 19,99 $ в месяц за 150 кредитов (11,66 $ в месяц при оплате за год) и доходят до 59,99 $ в месяц за 800 кредитов. Бесплатного тарифа нет.

Единица списания важна при сравнении сервисов. Оплата за минуту исходного видео означает, что стоимость выпуска известна до нажатия на кнопку: 45-минутное интервью — это 45 кредитов, что бы ни вернулось. Оплата за готовый клип означает, что стоимость зависит от результата, который предсказать нельзя.