下载安装

免费使用，全面支持 Windows 和 macOS 平台

最新版本：V1.0.0



macOS (Apple Silicon)

Apple Silicon（M 系列芯片）

文件大小：432M

Cloudflare R2 直链下载百度网盘下载提取码: a123

⚠️ macOS 安装注意事项

💻

macOS (Intel)

Intel 芯片 Mac

文件大小：108M 暂不提供

⊞

Windows (x64)

Windows 10 及以上系统

文件大小：420M 暂不提供

AI 模型下载

AI 模型约 37GB，主要有翻译模型、视觉模型、语音模型等。首次使用时自动下载，也可通过以下渠道手动下载后放入 VideoAI_Data/modules 目录。

🧠

AI 模型合集

约 37GB

☁️

百度网盘方式 1

适合国内用户，下载速度稳定，需提取码

百度网盘提取码: a123

🤗

Hugging Face 方式 2

全球开源模型托管平台，免费不限流量，支持断点续传。文件名：modules.zip（约 35GB）

HF 仓库

▶ 📥 HF 下载命令（点击展开）

# 方式1：用 hf CLI 下载 modules.zip（推荐）
hf download sven1985/aimodels modules.zip --repo-type=dataset --local-dir .

# 方式2：用 Python 下载
pip install huggingface_hub
python3 -c "from huggingface_hub import hf_hub_download; hf_hub_download('sven1985/aimodels', 'modules.zip', repo_type='dataset', local_dir='.')"

# 方式3：下载后解压到目标目录
unzip modules.zip -d <用户目录>/VideoAI_Data/

使用说明：下载后解压，将对应模型文件夹放入 <用户目录>/VideoAI_Data/modules/ 目录下即可。软件启动时会自动识别已存在的模型，无需重复下载。

📁 下载后目录结构

解压后将模型文件夹放入以下目录，软件启动时自动识别：

− 📂 <用户目录>/VideoAI_Data/ Mac: /Users/<用户名>/VideoAI_Data Win: C:\Users\<用户名>\VideoAI_Data

− └── modules/ 38G

− ├── models/ 38G AI 模型（手动下载）

│ ├── qwen2.5_vl/ 8.3G 视觉理解

│ ├── translate/ 6.8G 字幕翻译

│ ├── llm/ 4.4G LLM 精校

│ ├── iic/ 3.6G 语音识别

│ ├── siglip/ 3.3G 图文匹配

│ ├── asr/ 2.9G 语音识别

│ ├── tts/ 2.1G 声音克隆

│ ├── models--BAAI--bge-m3/ 2.1G 向量检索

│ ├── bi-ref-net/ 1.2G 通用抠图

│ ├── grounding-dino/ 1.1G 文字目标检测

│ ├── face/ 577M 面部关键点

│ ├── insightface/ 325M 人脸检测

│ ├── sam2/ 309M 图像/视频分割

│ ├── weights/ 226M 超分辨率

│ ├── bs-roformer-onnx/ 158M 人声分离

│ ├── Kim_Vocal_2/ 64M 人声清洗

│ ├── rvm/ 43M 视频抠图

│ ├── emoti-efflib/ 29M 表情识别

│ ├── pyannote/ 25M 声纹分离

│ └── ocr_models/ 17M OCR 文字识别

− ├── fonts/ 130M 字体（字幕渲染）

│ ├── NotoSansSC-*.ttf 思源黑体（9 种字重）

│ ├── SmileySans-Oblique.* 得意黑

│ ├── Alibaba_PuHuiTi-*.ttf 阿里巴巴普惠体

│ ├── YouSheBiaoTiHei.ttf 优设标题黑

│ ├── ZCOOL_QingKeHuangYou.ttf 站酷黄油体

│ ├── Charis_SIL_IPA.ttf 音标字体

│ ├── Inter-*.ttf Inter 英文（4 种字重）

│ └── DMSans-Variable.ttf DM Sans 英文

− ├── music/ 21M BGM 音乐

│ └── bgm/ 背景音乐

− └── assets/ 1.7M 特效素材

├── icons/ 特效图标 PNG

− ├── sfx/ 音效库

│ ├── mom_baby/ 宝妈 vlog 音效（30 款）

│ ├── alert_warning/ 警告

│ ├── key_emphasis/ 重点强调

│ ├── contrast_vs/ 对比

│ ├── question_curiosity/ 好奇提问

│ ├── call_to_action/ 行动号召

│ ├── trend_up/ 趋势上升

│ ├── trend_down/ 趋势下降

│ ├── time_transition/ 时间转场

│ ├── emotion_burst/ 情绪爆发

│ ├── money_value/ 金钱价值

│ ├── checklist/ 清单

│ └── sfx_database.json 音效索引

└── emotion_rules.json 表情规则配置

更新日志

V1.0.0 正式版 | 2026.08.31

✨ 新增

本地声音克隆：上传参考音频即可一键克隆音色，全程本地推理，无需上传云端，隐私安全有保障
图片去水印：智能识别图片中水印区域，一键无损擦除，还原干净画面
长视频音频转文字：支持超长视频一键转写，自动断句分段，精准对齐时间轴
语言翻译：支持多语言互译，视频台词一键翻译，保留原时间轴与字幕样式
不同语言的音标展示：英语等多语言台词自动生成国际音标，一键匹配字幕时间轴，适配语言教学场景
一键 Vlog 输出：智能筛选优质片段，自动拼接剪辑、匹配转场与 BGM，一键导出完整 Vlog 成片
根据文字快速找视频片段：输入台词或关键词，毫秒级定位对应视频画面，无需逐帧翻找
图片放大：AI 超分辨率放大，低清图片一键提升至高清，保留细节不失真
图片抠图：一键智能抠图，精准分离主体与背景，支持人像、商品、物体等多种场景
图片信息展示：自动识别并展示图片 EXIF 信息、分辨率、色彩空间等元数据

V2.0.0 版本预告 | 即将上线

🔜 即将新增

云端工作流组件调用：支持调用不同的云端 AI 工作流组件，包括文生图、H3 文生视频、H3 图生视频等，一键提交云端渲染，结果自动回传本地
AI 换脸：支持视频人物面部一键替换，自然贴合表情与光影，适配剧情、口播、短视频场景
AI 换装：支持视频人物服装一键替换，自动适配人物动作与体型，无违和感
人物替换：支持视频中指定人物一键替换为其他人物，保持场景与动作连贯
AI 美妆：支持视频人物一键智能美妆，自动识别面部特征，自然美化肤色与妆容
本地视频批量处理：支持对本地视频文件进行批量修改，包括批量转码、批量加水印、批量裁剪、批量提取音频等，大幅提升处理效率
更多云端工作流组件持续接入中，敬请期待

系统要求

⊞ Windows

Windows 10 (64位) 及以上
推荐 16GB+ 内存
软件本体约 1GB 可用磁盘空间
AI 模型约 37GB（首次使用时自动下载到 VideoAI_Data/modules 目录）

 macOS

macOS 11 (Big Sur) 及以上
Apple Silicon 或 Intel 芯片
软件本体约 1GB 可用磁盘空间
AI 模型约 37GB（首次使用时自动下载到 VideoAI_Data/modules 目录）

说明： 软件安装包约 1GB，安装后软件本体占用约 1GB 磁盘空间。 AI 模型文件（约 37GB）不包含在安装包内，首次使用相关功能时自动下载到 VideoAI_Data/modules 目录，主要有翻译模型、视觉模型、语音模型等。建议预留 45GB 以上磁盘空间。
Mac: /Users/<用户名>/VideoAI_Data/modules Win: C:\Users\<用户名>\VideoAI_Data\modules

智能剪辑

核心功能

🎬 视频剪辑核心能力

我们的愿景

🎯 核心使命

🚀 强势推广