输入一篇知识文章或口播稿，输出一条数分钟的剪辑成片。核心是一个基于 Qwen3.5-9B 训练的策略模型：每一步读当前的结构化剪辑状态（章节、镜头、旁白、素材、模板、配乐、渲染），只发出一个工具调用——分章、规划镜头、合成旁白、检索素材、套动画模板、选配乐、评审、反思、修复、拼接，一条成片大约 12 次调用；流程不写死，护栏只拒绝非法调用、不替模型做决定。训练数据来自“剪辑反推 + 验证回放”：把 3,750 条成片还原成可执行的剪辑决策，得到 13 万多条训练样本。
点赞 14 · 代码星数 13
理由
- 放得全：9B 策略权重（抱脸 tencent/WeVisCut）、与训练时同一套 12 个工具和状态格式的 Studio 运行时、以及产出训练轨迹的数据构造管线 data_construct_pipeline 都已开放，代码 Apache-2.0。
- 作者称在统一工具环境下明显超过基座模型，效果与 Claude Opus 5 相当，而每分钟成片生成的 token 少约 33 倍；还自建了 100 个任务、5 项指标的基准，同时衡量剪辑质量和交付可靠性。
- Studio 是能继续改的：八条同步轨道（章节、镜头、旁白、字幕、素材、模板、配乐、渲染），可暂停 / 继续、手动改或用聊天改（“换掉开场白”“替换 0:15 的画面”），只重渲改过的镜头，支持版本回滚。
用法
- 安装：git clone github.com/Tencent/WeVisCut → pip install -r requirements.txt（GPU 机器先装对应 CUDA 的 PyTorch，再 pip install -r requirements-gpu.txt）→ bash scripts/setup_external_tools.sh（拉 ffmpeg、Node 和渲染器，约 1.1 GB）。
- 权重：hf download tencent/WeVisCut --local-dir checkpoints/weviscut-9b；bf16 推理需要约 24 GB 显存的 NVIDIA GPU，Python ≥ 3.11。
- 启动：bash run_studio.sh（先可用 --check 检查路径），浏览器打开 http://<主机>:8081/，粘贴口播稿开始；只看界面不加载模型用 --no-model。
- 素材和配乐来源在 studio_config.yaml 里改，可指向自己的 HTTP 接口、本地文件夹或 Python 插件。
风险
- 它不是文生视频模型：画面来自素材检索和动画模板，成片质量取决于你配置的检索、TTS 和渲染服务；模型卡称不保证事实准确和成片质量，发布前要人工审看。
- 默认素材 / 配乐来自开放网络检索，版权要自己把关；抱脸权重许可标为 other，README 只写“权重和第三方组件各按其许可”，商用前要核对（基座为 Qwen3.5-9B）。
- 加载权重需要注册了 qwen3_5 的 ms-swift；与 Claude Opus 5 的对比和 token 节省数字为作者报告，基准是作者自建的。
编辑：适合做知识类、讲解类口播视频的粗剪：先让它出一版，再在时间线上逐镜头改。