Clipper OS
Van lange video naar scherpe clips: transcriberen, markeren en leveren via één pipeline.
Waarom dit gebouwd moest worden
Content-creators knip handmatig highlights uit lange video's. Transcriberen, de goede momenten vinden, bijsnijden en exporteren kost uren per video — tijd die niet naar creëren gaat.
Hoe we het aangepakt hebben
Ik bouwde een persoonlijke video-pipeline die de audio transcribeert, de interessante segmenten markeert en de clips automatisch rendert en levert.
Wat er gebouwd is
Django + HTMX + Alpine.js op SQLite, lokaal gedraaid op een Intel MacBook. Snelle whisper-transcriptie, FFmpeg-rendering via hardware-acceleratie (h264_videotoolbox), Huey taakwachtrij en Telegram-bot voor levering. YouTube-uitdagingen opgelost via een Deno-runtime naast yt-dlp.
Tech: Django, HTMX, Alpine.js, SQLite, faster-whisper, FFmpeg, Huey, Telegram-bot
Wat het opgeleverd heeft
Een persoonlijke tool die het handmatige knipwerk uit handen neemt: van upload tot geleverde clip in één doorlopend proces.