命令行执行 vs gradio界面执行

[bbeyondllove]

python paraclipper/videoclipper.py --stage 1 --file bk_man_1.wav --output_dir ./output
这个命令执行大概要15秒左右，音频才3秒。不过在界面执行是很快的，找不到问题在哪。

[R1ckShi]

命令行调用在stage1需要load模型，通过gradio调用是模型的加载相关操作已经在启动服务时完成了。

[bbeyondllove]

命令行调用在stage1需要load模型，通过gradio调用是模型的加载相关操作已经在启动服务时完成了。

嗯，那是不是可以做成http api，先加载模型，然后命令行相当于client来调用，这样应该会快很多

[R1ckShi]

是可以的，但是我觉得这个应用的场景很少有批量自动调用的，都需要结合每一条视频的识别结果去选择需要的段落。所以主要推的是gradio界面的调用方式。

[LauraGPT]

上面的维护者回答仍然准确：这里慢的主要不是“3 秒音频的纯推理”，而是 CLI 进程冷启动时重新加载模型。

当前主干仍然是这个结构：

• videoclipper.py --stage 1 每启动一次进程，都会在 runner() 内重新构造 ASR、VAD、标点和说话人模型，然后才读取音频并识别（源码）。因此短音频的总耗时很容易被模型加载时间主导。
• Gradio 服务则在进程启动时创建一次 AutoModel 和 VideoClipper，后续请求复用同一个模型实例（源码）。

所以，如果需要批量或程序化调用，不要为每个文件执行一次 videoclipper.py --stage 1，而应启动常驻服务：

python funclip/launch.py --listen --port 7860

这也是当前 README 给出的本地 Gradio 服务方式。Gradio 本身就是 HTTP 服务；客户端建议使用 gradio_client，因为它会正确处理文件上传、队列和会话状态：

from gradio_client import Client

client = Client("http://127.0.0.1:7860")
print(client.view_api())

本地完整 FunClip 的 API 名称和参数应以 view_api() 的实时输出为准，不要把某个 Gradio 版本自动生成的路径硬编码进长期客户端。需要连续“识别后再剪辑”时，也要复用同一个 Client，因为中间的时间戳/句子状态属于该会话。

当前公开 API 的可运行示例

官方 FunClip Hugging Face Space 当前公开了三个固定端点，可以直接验证常驻模型的调用方式：

pip install gradio_client

from gradio_client import Client, handle_file

client = Client("FunAudioLLM/FunClip")
video = {
    "video": handle_file("input.mp4"),
    "subtitles": None,
}

text = client.predict(video, api_name="/transcribe_video")
selector = client.predict(api_name="/build_selector")

# 选择前两个片段；继续复用同一个 client。
selected = [item[1] for item in selector["choices"][:2]]
clip, info = client.predict(
    video,
    selected,
    api_name="/clip_video",
)

我在当前 Space revision e1344660、gradio_client==1.14.0 上用官方 33.833 秒示例视频实测：

/transcribe_video   8.566 s，返回 13 个带时间戳句段
/build_selector     2.178 s，取回同一会话的 13 个选项
/clip_video         7.162 s，前两个相邻片段合并为 2.640 s 视频
输出文件            125,356 bytes，FFprobe 可正常读取

公开 Space 使用共享的 CPU 实例，因此这些时间包含上传、排队和服务负载，不能当作本地模型 benchmark；这次实测只用于确认 API、会话复用和剪辑链路当前确实可用。该轻量 Space 目前只接收视频并使用中文 Paraformer；音频输入、多模型选择和完整 FunClip 功能请启动上面的本地服务。公开 Space 的实现也能看到模型是在模块加载阶段创建一次，而不是每个请求重新加载（源码）。

一句话总结：CLI 单次命令适合偶发任务；批量任务应让模型常驻，并通过同一个 Gradio/HTTP 客户端连续调用。