Guide · IA & agents

6 outils open source pour remplacer OpusClip en local

Six outils open source pour bâtir un workflow local de clipping : transcription, sélection, découpe, recadrage, sous-titres et montage final.

Six briques d’un pipeline de découpe vidéo locale.

Remplacer OpusClip en local ne consiste pas à installer un clone unique. Les projets open source les plus fiables couvrent chacun une partie du travail : transcrire, repérer les changements de plan, enlever les silences, suivre un visage, générer le fichier final ou reprendre le montage à la main. Il faut donc assembler un pipeline et garder une validation humaine avant publication.

En bref. Auto-Editor est le point de départ le plus direct pour raccourcir une prise parlée. WhisperX fournit le texte horodaté, PySceneDetect découpe la structure visuelle, OpenCV aide à construire un recadrage suivi et FFmpeg exécute les transformations. Kdenlive est l’outil complet de la sélection pour revoir la timeline, corriger les sous-titres et exporter. Tout peut fonctionner sur la machine, mais certains modèles doivent d’abord être téléchargés. Vérification effectuée le 4 novembre 2026.

Tableau des 6 alternatives open source

L’ordre suit les étapes d’un workflow, pas un classement. La colonne « type » évite surtout une confusion : Kdenlive est un logiciel de montage complet, Auto-Editor est un automatiseur spécialisé, et les quatre autres sont des briques de pipeline. Aucun des six ne reprend seul la sélection éditoriale, le recadrage automatique, les sous-titres stylés et la publication d’OpusClip.

OutilTypeRôle dans le clipping localLicence du dépôtPlateformes ou environnementActivité vérifiée en 2026Limite principale
Auto-EditorAutomatiseur spécialiséCouper ou accélérer selon l’audio ou le mouvementUnlicenseWindows, macOS, LinuxVersion 31.8.0 publiée le 30 octobreNe choisit pas les meilleurs passages selon leur sens
WhisperXBrique de pipelineTranscrire, aligner les mots et séparer les locuteursBSD-2-ClausePython ; CPU, CUDA sous Linux ou WindowsVersion 3.8.6 publiée le 25 maiProduit des horodatages, pas une décision éditoriale
PySceneDetectBrique de pipelineDétecter les coupes, fondus et changements de planBSD-3-ClausePython 3.10+ ; Windows, macOS, Linux ou conteneurVersion 0.7.2 publiée le 12 octobreDétecte une structure visuelle, pas l’intérêt d’un extrait
OpenCVBibliothèque à intégrerDétecter ou suivre une zone pour préparer un recadrageApache-2.0C++ et Python ; installation locale multiplateformeVersion 5.0.0 publiée le 6 juinDemande du code et une logique de cadrage propre au projet
FFmpegBrique d’exécutionCouper, recadrer, convertir, incruster et encoderLGPL-2.1 ou GPL selon la compilationWindows, macOS, Linux et autres systèmesVersion stable 9.0.2 publiée le 18 septembreN’analyse pas seul la valeur d’un passage
KdenliveLogiciel de montage completRelire, sélectionner depuis un transcript, sous-titrer et exporterGPL-3.0Linux, Windows, macOSVersion 26.08.2 proposée au téléchargementLa sélection des moments forts reste à valider par une personne

Les licences indiquées sont celles des dépôts officiels. Les modèles téléchargés par WhisperX, OpenCV ou Kdenlive peuvent avoir leurs propres conditions. Vérifiez-les séparément avant une diffusion commerciale ou une redistribution du pipeline.

1. Auto-Editor pour retirer les silences et accélérer le dérushage

Auto-Editor analyse par défaut l’audio d’une vidéo et coupe les zones considérées comme inactives. Sa documentation permet aussi de définir une expression fondée sur le mouvement, de conserver certaines plages, d’en retirer d’autres et de lisser les coupes trop courtes. C’est le projet le plus proche d’un bouton « raccourcir cette prise » dans cette sélection.

Page du dépôt GitHub WyattBlue/auto-editor : description du projet, fichiers et README.
GitHub, github.com, capture du 12 novembre 2026

Son rôle reste plus étroit que celui d’OpusClip. Une baisse de volume n’est pas un mauvais passage, et une phrase forte peut être dite calmement. Auto-Editor est adapté au nettoyage d’un tutoriel, d’une capture commentée ou d’une intervention enregistrée face caméra. Il ne donne pas un score éditorial aux idées et ne sait pas pourquoi une anecdote mérite de devenir un clip.

Installation documentée

Le projet recommande ses binaires officiels pour Windows, macOS et Linux. Téléchargez celui de votre système depuis la page des versions, renommez-le en auto-editor si nécessaire, puis rendez-le exécutable sous macOS ou Linux. Homebrew est aussi documenté :

brew install auto-editor

La commande suivante contrôle simplement que le binaire répond :

auto-editor --help

La documentation précise que le CLI n’est plus publié sur PyPI et que les paquets apt disponibles sont anciens. Il vaut mieux ne pas recopier un vieux tutoriel fondé sur pip install auto-editor.

Le dépôt est sous Unlicense et n’était pas archivé lors de la vérification. La version 31.8.0 datait du 30 octobre 2026. Auto-Editor applique des règles de coupe, pas un jugement sur le contenu. Prévisualisez ses statistiques et relisez la timeline avant le rendu.

2. WhisperX pour obtenir un transcript horodaté

WhisperX produit une transcription avec des horodatages au niveau des mots. Il peut aussi ajouter des étiquettes de locuteurs grâce à une étape de diarisation. Dans un workflow de clips, ce résultat sert d’index : vous cherchez une formulation dans le texte, récupérez son début et sa fin, puis transmettez ces timecodes à FFmpeg ou à un logiciel de montage.

Page du dépôt GitHub m-bain/whisperX : description du projet, fichiers et README.
GitHub, github.com, capture du 12 novembre 2026

Cette brique aide donc à sélectionner des segments, mais elle ne fait pas la sélection à votre place. Un script peut repérer un mot, une durée ou un changement de locuteur. Il ne peut pas conclure sans règle supplémentaire qu’un extrait est compréhensible hors contexte. La relecture du passage avant et après les timecodes reste nécessaire.

Installation documentée

L’installation simple publiée par le projet passe par PyPI :

pip install whisperx

Le dépôt documente aussi uvx whisperx et une exécution sur CPU avec un type de calcul adapté. L’accélération GPU demande CUDA 12.8 dans la documentation consultée. FFmpeg peut également être requis. Pour la diarisation, il faut un jeton Hugging Face en lecture et accepter les conditions du modèle pyannote concerné ; cette étape n’est donc pas entièrement autonome dès la première exécution.

WhisperX est publié sous BSD-2-Clause. La version 3.8.6 datait du 25 mai 2026 et le dépôt recevait encore des modifications en octobre. Le projet signale ses limites : parole superposée mal gérée, diarisation imparfaite et besoin d’un modèle d’alignement adapté à la langue. Corrigez les noms propres et rallongez un extrait si son sens dépend de la phrase précédente. Le guide sur le montage vidéo par IA détaille les contrôles humains qui restent nécessaires.

3. PySceneDetect pour retrouver la structure visuelle

PySceneDetect détecte les changements de plan et les fondus. Son CLI peut produire une liste CSV de scènes, enregistrer des images de contrôle, créer une timeline OTIO ou séparer la vidéo avec FFmpeg. Cette information complète le transcript : WhisperX indique quand une phrase est prononcée, tandis que PySceneDetect montre si cette phrase traverse plusieurs plans.

Page du dépôt GitHub Breakthrough/PySceneDetect : description du projet, fichiers et README.
GitHub, github.com, capture du 12 novembre 2026

L’outil propose plusieurs détecteurs. detect-content compare le contenu visuel entre images, detect-adaptive tient compte d’une moyenne glissante pour limiter certains faux positifs liés au mouvement, et detect-threshold vise les fondus. Ces méthodes analysent des variations d’image. Elles ne mesurent ni la clarté d’une idée ni son potentiel sur un réseau social.

Installation documentée

PySceneDetect demande Python 3.10 ou une version plus récente. L’installation standard officielle est :

pip install --upgrade scenedetect

Le projet fournit aussi scenedetect-headless pour un serveur sans bibliothèques graphiques et une image de conteneur officielle qui inclut FFmpeg, mkvmerge et les backends optionnels. Une première commande peut lister les scènes sans lancer de montage complexe :

scenedetect -i entretien.mp4 detect-adaptive list-scenes

Le dépôt est sous BSD-3-Clause. La version 0.7.2 avait été publiée le 12 octobre 2026 et le dépôt n’était pas archivé. Pour réellement séparer les fichiers, il faut rendre FFmpeg ou mkvmerge accessible dans le PATH, sauf si vous utilisez l’image de conteneur complète.

Une interview filmée avec une caméra peut contenir plusieurs bons clips sans changement de scène. À l’inverse, une démonstration d’écran peut produire trop de frontières. PySceneDetect propose des points de coupe, pas un message à publier.

4. OpenCV pour construire un recadrage suivi

OpenCV est une bibliothèque de vision par ordinateur, pas un éditeur vidéo. Elle fournit les opérations nécessaires pour lire des images, détecter des objets ou des visages avec un modèle compatible, suivre une zone et calculer les coordonnées d’un cadrage. Un pipeline peut ensuite lisser ces coordonnées et demander à FFmpeg de produire une version verticale.

Cette distinction évite une promesse trompeuse. Installer OpenCV ne crée pas un bouton de recadrage automatique. Il faut choisir ce que le cadre suit, définir le comportement quand la détection disparaît, empêcher les déplacements brusques et conserver des marges autour du sujet. Une conversation à deux personnes demande aussi une règle différente d’un monologue face caméra.

Installation documentée

La documentation OpenCV conseille les binaires PyPI pour Python quand ils conviennent. Sous Ubuntu, elle documente également le paquet de la distribution :

sudo apt-get install python3-opencv

Le projet publie en parallèle une procédure CMake pour compiler les modules C++ sous Linux. Cette voie permet de choisir les composants et dépendances, mais elle est plus lourde qu’un paquet préparé. OpenCV est disponible sous Apache-2.0. La version 5.0.0 avait été publiée le 6 juin 2026 et la branche principale recevait encore des changements lors de la vérification.

La qualité du recadrage dépend du code, du modèle et des images. Prévoyez un cadre de repli quand aucun sujet n’est détecté, puis vérifiez l’entrée d’un second visage. Le guide IA vidéo gratuite ou payante aide à séparer logiciel, calcul et services annexes.

5. FFmpeg pour fabriquer les clips finaux

FFmpeg est la couche d’exécution du pipeline. Il sait lire une plage temporelle, couper un fichier, changer le format d’image, appliquer un recadrage, joindre des segments, ajouter une piste de sous-titres ou incruster ces sous-titres dans l’image. Auto-Editor et PySceneDetect s’appuient eux-mêmes sur des opérations de ce type pour produire leurs sorties.

Page d'accueil officielle de FFmpeg, qui présente le produit et ses fonctions principales.
FFmpeg, ffmpeg.org, capture du 12 novembre 2026

FFmpeg n’est pas une IA de sélection. Il applique précisément les timecodes, filtres et codecs que vous lui donnez. Cette prévisibilité est utile après l’analyse : WhisperX fournit des repères textuels, PySceneDetect propose des frontières visuelles et OpenCV peut calculer une zone de cadrage. FFmpeg transforme ensuite ces décisions en fichier.

Installation documentée

La page officielle distribue le code source signé et renvoie vers des compilations pour les principaux systèmes. Sous Linux, les distributions fournissent généralement leur propre paquet ; sous Windows et macOS, choisissez un binaire référencé depuis la page de téléchargement officielle. Contrôlez ensuite la présence du programme :

ffmpeg -version

La licence demande une lecture plus attentive qu’une simple étiquette. FFmpeg est principalement sous LGPL 2.1 ou ultérieure, mais certaines parties optionnelles et certaines configurations passent sous GPL. La page juridique du projet explique que la licence du binaire final dépend des options utilisées lors de la compilation. Cela compte si vous redistribuez votre propre application, moins si vous exécutez un paquet local sans le republier.

FFmpeg 9.0.2, publié le 18 septembre 2026, était la version stable la plus récente de la branche 9.0 au moment de la vérification. Le projet indique que le développement actif se fait sur la branche principale. Sa limite n’est pas un manque de filtres, mais l’absence de décision éditoriale et d’interface guidée. Une commande valide peut encore couper une phrase trop tôt ou placer des sous-titres sur le visage. Faites un rendu court avant de lancer une série.

6. Kdenlive pour contrôler la timeline et exporter

Kdenlive est le seul logiciel de montage complet de cette liste. Il réunit une timeline multipiste, les proxys, les titres, les effets, les sous-titres et le rendu. Sa documentation décrit deux moteurs locaux de reconnaissance vocale, VOSK et Whisper, pour créer des sous-titres ou un transcript.

Le Speech Editor peut transcrire un clip du chutier, laisser l’utilisateur sélectionner des blocs de texte, puis insérer les segments correspondants dans une timeline. Il peut aussi retirer les zones marquées comme non parlées avec VOSK. Cette méthode rapproche Kdenlive d’un workflow de clipping assisté, tout en gardant la personne devant le texte et les raccords.

Installation documentée

La page officielle propose des téléchargements pour Linux, Windows et macOS. Sous Linux, le site fournit notamment une AppImage et renvoie vers Flatpak. Prenez une version stable plutôt qu’une build quotidienne pour un projet à conserver, car le projet avertit que les builds de test peuvent être instables et endommager un fichier de projet.

Le dépôt Kdenlive est sous GPL-3.0. La version 26.08.2 était affichée le 4 novembre 2026, et le dépôt recevait encore des modifications. Les moteurs de transcription et leurs modèles doivent être configurés séparément dans les préférences. Le premier téléchargement d’un modèle peut être volumineux, puis la reconnaissance peut rester locale.

Kdenlive ne sélectionne pas automatiquement le meilleur argument d’un entretien. Son avantage est ailleurs : il rassemble la transcription, le choix des passages, le contrôle du rythme, la correction des sous-titres et l’export dans une interface. C’est là que vous vérifiez les respirations coupées, les changements de cadre et les mots mal reconnus. Pour organiser cette phase dans un processus plus large, consultez le workflow YouTube avec l’IA.

Un pipeline local réaliste avec ces outils

Commencez par un transcript WhisperX ou Kdenlive. Relisez-le, marquez des passages autonomes et gardez une marge autour de chaque phrase. PySceneDetect peut ensuite signaler les changements de plan. Sur une prise parlée, Auto-Editor prépare une version resserrée en traitant les silences, mais chaque raccord doit être revu.

FFmpeg applique les timecodes et le format de sortie. Ajoutez OpenCV seulement si un recadrage fixe ne suffit pas, car le suivi demande du développement. Terminez dans Kdenlive pour corriger le contexte, le cadre et les sous-titres. Gardez le transcript, la liste de scènes et le projet afin de reprendre un clip sans relancer toute l’analyse. Pour comparer ce montage à un service hébergé, le guide open source ou SaaS propose des critères de maintenance et de données.

Comment choisir les bonnes briques

Pour une longue vidéo face caméra, commencez par Auto-Editor et WhisperX. Ajoutez PySceneDetect si les changements de plan comptent. Kdenlive convient quand la correction visuelle doit rester au centre du travail. FFmpeg devient indispensable pour traiter une série de fichiers avec les mêmes paramètres. OpenCV est le composant le plus coûteux à intégrer ; réservez-le aux cadrages qui ne peuvent pas rester fixes.

Validez l’ensemble sur une vidéo courte mais représentative. Incluez un passage calme, un chevauchement de voix et une sortie du sujet hors cadre. Ce contrôle indique si vos règles fonctionnent ensemble, sans prétendre mesurer une performance générale.

Questions fréquentes

Existe-t-il un clone open source complet d’OpusClip ?

Cette sélection n’en retient aucun qui couvre seul la détection des passages, le recadrage, les sous-titres stylés, le montage et la publication avec une expérience équivalente. Kdenlive est un monteur complet, mais la sélection éditoriale reste humaine. Les autres outils sont des automatiseurs spécialisés ou des bibliothèques à assembler.

Peut-on tout faire sans envoyer la vidéo dans le cloud ?

Oui pour les traitements décrits ici, une fois les logiciels et modèles installés sur la machine. Certains téléchargements initiaux et certaines fonctions optionnelles demandent toutefois un accès réseau, comme les modèles de transcription ou la diarisation de WhisperX. Vérifiez aussi les paramètres de chaque extension avant d’ouvrir un fichier sensible.

Quel outil choisit automatiquement les meilleurs moments ?

Aucun des six ne prouve qu’un passage est le « meilleur » au sens éditorial. Auto-Editor repère une activité audio ou visuelle, WhisperX fournit le texte et PySceneDetect repère des changements d’image. Vous devez encore décider si l’extrait a un début compréhensible, une idée complète et une fin propre.

Faut-il une carte graphique pour ce workflow ?

Pas pour toutes les étapes. FFmpeg, PySceneDetect, Auto-Editor et Kdenlive peuvent fonctionner sans GPU dédié selon les codecs et la taille du projet. WhisperX documente un mode CPU, tandis que CUDA accélère certains calculs. OpenCV peut aussi fonctionner sur CPU, mais le temps dépend de la détection choisie et de la résolution.

Quelle licence faut-il vérifier avant de redistribuer le pipeline ?

Regardez la licence de chaque dépôt, celle du binaire FFmpeg réellement utilisé et les licences des modèles téléchargés. Les sorties vidéo ne deviennent pas automatiquement GPL parce que Kdenlive ou FFmpeg les a produites. En revanche, redistribuer un logiciel modifié, un binaire ou un modèle peut déclencher des obligations distinctes ; lisez les textes concernés avant de publier votre paquet.

Sources