Concat:13K 星的开源剪映替代品,内置 MCP 让 AI 直接剪视频
剪映(CapCut)的平替已经喊了好几年,国内外加起来能叫出名字的开源剪辑器不少于十个。但真正动过手的人都知道,这个领域有个尴尬的分裂:桌面级的开源剪辑器(Shotcut、Kdenlive、Olive)功能全、但 AI 能力基本为零;带 AI 字幕、AI 配音的新东西,大多是把素材往云上传的网页服务。想要「字幕、配音、抠像全在本地跑,素材一个字节都不出硬盘」,同时又想要一个能用的多轨时间线,中间这块几乎是空的。
这周冒出来的 jub0t/Concat 就是冲着这个空档来的。它自称「真正免费、开源、本地优先、跨平台的剪映替代品」,2026 年 8 月 25 日建仓,68 天做到 13,310 星、1,643 次 fork,最近五个版本被下载 35 万次。而它最特别的地方不是「免费」,是另一句话:它内置了一个 MCP 服务器,AI agent 可以直接调用它剪视频。
先看它是什么水平
先把硬指标摆出来,都是 GitHub 接口和发布页上一手可查的:
- 仓库:
jub0t/Concat,主语言 Rust,许可证 AGPL-3.0-or-later,未归档,最后提交在 10 月 28 日; - 版本:最新 v0.2.8(2026-10-20)。往前数 0.2.7 是 10 月 13 日、0.2.6 是 10 月 6 日——一周一版,节奏很紧;
- 下载量:0.2.8 单版 157,543 次,其中 Windows 安装包 58,946、安卓 APK 52,709、iOS 侧载包 11,361、macOS ARM 版 8,350;
- 平台:Windows(x86_64)、macOS(Intel / Apple 芯片)、Linux(x86_64 / ARM,deb / rpm / AppImage / Arch 包,社区还做了 Flatpak)、Android 手机平板、iOS 侧载;
- 语言:界面 26 种,仓库里
locales/目录下确实有zh-Hans.json和zh-TW.json,有简体中文界面。
作者是 Jareer A.(GitHub 账号 @jub0t),挂着 @standalonesorg 组织,个人账号 2019 年就注册了。项目目前靠 Patreon 赞助和一家代理服务商的付费广告位维持,README 里那句 “Concat needs your donations to continue development, we have come too far to back down now” 说得相当直白——这是一个人的项目,而且它自己也知道这一点。
剪映该有的,它基本都对着做了
它没有打算做「专业调色软件」,目标很明确:把普通人打开剪映的真实理由一件件补齐。官方列的能力清单里,下面这些是有实际分量的:
- 自动字幕:本地跑 Whisper,模型大小自己选,出字后直接落到时间线上;
- 文字转语音 + 声音克隆:一批免费本地音色,也可以拿几秒钟录音克隆一个;
- 一键抠背景:人物、物体都能抠,抠不准还能自己涂蒙版;
- 关键帧:位置、缩放、旋转、不透明度、音量、特效参数,带曲线编辑器;
- 特效库:官方自述「100 种效果、滤镜和转场」,GPU 渲染,预览实时可见;
- 剪辑基本功:分割、修剪、波纹删除、合并、定格、变速,磁吸时间线可选;
- 多轨多时间线:视频、图片、标题随便叠,画中画、混合模式(滤色、相加、正片叠底)、裁切、翻转;
- 标题排版:字体、描边、阴影、底板,有预设;
- 人声一键处理:降噪、增强、响度拉平,外带花栗鼠、机器人、电话音这些变声套路;
- 导出:H.264、HEVC、AV1,最高 4K 60 帧、10 bit 色彩。
再叠加它承诺的三条红线:不出水印、不要账号、不收订阅费。对卡在剪映导出水印和会员墙上的创作者来说,这三句话本身就是卖点。
真正不一样的地方:它把自己交给了 AI
上面那些「替代品」大多也能做到。真正让 Concat 在 13K 星里站住的,是它把整个剪辑引擎做成了一套可以程序化调用的 API,而且出厂就自带 MCP 服务器。
一句话概括:装好 Concat,你的 AI agent 就能剪视频了,不用额外装任何东西。
配置方式极简,给 MCP 客户端指一下 Concat 的可执行文件,加一个 --mcp 参数即可。Windows 上装好后的路径是 %LOCALAPPDATA%\Programs\Concat\concat.exe,写进 claude_desktop_config.json 长这样(JSON 里反斜杠要写两遍):
{
"mcpServers": {
"concat": {
"command": "C:\\Users\\你的用户名\\AppData\\Local\\Programs\\Concat\\concat.exe",
"args": ["--mcp"]
}
}
}
连上之后,agent 手里拿到的是一整套剪片工具,不是聊天接口。官方文档 docs/MCP.md 列得很实在:
- 项目层:
project_create/project_open/project_save/timeline_read(按时间序列出所有片段和媒体 id)/project_get; - 剪辑动作:
clip_add/clips_add_sequence/clip_trim/clips_split/clips_move/clip_speed/track_add; - 画面处理:
clip_mask、clip_stabilize、timeline_background; - 字幕与标题:
captions_add、title_add、title_style_words(一句话里挑几个词单独换色、加粗、改字号); - 关键帧与特效:
keyframe_set、effects_list、effect_layer_add; - 导出:
export_start/export_status/export_wait(带进度)/export_cancel; - “看画面”:
preview_frame,把合成后的某一帧当图片吐给模型——这一点很关键,agent 有了眼睛,才谈得上自己检查结果对不对。
还有个保险栓:edit_apply 可以一次提交任意一批编辑命令,并且合并成一个撤销步骤。模型批量改错时,一次 undo 就能退回去。
三种接入模式,避免抢项目
让 AI 碰剪辑软件,最容易出事的是「它把你正在剪的工程覆盖了」。Concat 的做法是分三档,用 --mcp 后面的参数指定:
window:走已经打开的那个窗口的服务器。需要先在设置里打开「自动化 → 脚本与应用」,窗口会把地址和令牌写进配置文件,MCP 服务器读它。这条路更安全——agent 无法打开你屏幕上的工程往上覆盖,导出也要排队;headless:窗口没开就自己跑引擎,什么都不用打开;auto(默认):有窗口走窗口,没有就自己跑。
冲突用文件锁解决:每个 Concat 进程会锁住自己打开的工程目录(concat.lock,关闭或进程死掉就释放)。窗口开着的工程,--mcp 会被拒绝并提示改用窗口模式,反过来也一样。另外 agent 写的文件默认只能落在你的用户目录下,要放开别的盘得设环境变量 CONCAT_MCP_ROOTS。
一个必须说清的边界:agent 现在不能实时编辑你正在看着的那个工程。所谓 “live mode”(边剪边看 AI 动手)还停在 issue #337 的计划里,没有实现。
为什么是 Rust,以及 AGPL 是怎么来的
这套东西不是套壳 Electron。翻 src/Cargo.toml 和文件树,能看到相当扎实的工程结构:Rust 1.93+、edition 2024,工作区拆成 17 个 crate(concat-core、-media、-render、-export、-api、-server、-mcp、-speech、-effects、-text、-vision、-project、-host、-cli、-android、-mobile 和主程序),src/crates 下 908 个文件。
几个技术选择值得一提:
- 合成器走 wgpu 30,而且是刻意和界面框架共用一个 GPU 设备——这样预览帧根本不用离开显存;
- 界面用 Slint,作者在三种授权里主动选了 GPL-3.0-only(另两个是免版税和付费商业授权)。第三方声明里写得很清楚:选它是因为另外两个「都面向闭源发布,给不了下游用户 Concat 自己承诺的那些自由」。GPLv3 第 13 条明文允许和 AGPLv3 组合——整个项目的 AGPL,源头就在这里;
- 抠像走 ONNX Runtime 1.28.0,Windows/Linux 随包带微软官方构建,加速分别走 macOS/iOS 的 CoreML、Windows 的 DirectML、安卓的 NNAPI;
- 模型不塞进安装包:除一个 6 MB 级的语音活动检测模型(Silero VAD,用来给字幕卡时间点)之外,其余模型都是按需下载。项目还自建了模型镜像,每个文件按
models/manifest.toml里的 SHA-256 校验。
本地 AI 这块用的全是能查到出处的现成模型,不是自研黑盒:
- 语音识别:whisper.cpp(通过
whisper-rs),配 Silero VAD v6.2.0 定位说话区间; - 语音合成:sherpa-onnx 运行时,音色包是 Kokoro-82M(Apache-2.0)和 Kyutai 的 Pocket TTS(CC-BY-4.0);
- 声音克隆:Resemble AI 的 Chatterbox Turbo(MIT),用官方 ONNX 导出版,直接跑在 ONNX Runtime 上。
这里有个细节值得单独拎出来,因为它体现的是态度:第三方声明里明写了——Resemble 的 Python 包会给合成语音盖一个 Perth 水印,而「ONNX 流程里没有这一步,Concat 也没有加」,还补了一句「任何拿这段声音冒充真人的人都该知道它不在」。同样,Kyutai 要求「未经同意不得克隆他人声音」,声明里也照抄了。一个开源项目把对自己不利的事写进文档,比写十句「完全免费」更可信。
怎么上手
两条路,绝大多数人走第一条:
- 直接装:官网
concatenate.pages.dev会自动给你匹配当前系统的安装包;想要指定某个格式就去 GitHub Releases 页,每个平台每种包都在,还带校验和; - 自己编译:需要 Rust 1.93+、FFmpeg 7+ 开发库、cmake 和一个 C++ 编译器。macOS 一句
brew install ffmpeg就够;Windows 要下 BtbN 的win64-gpl-shared构建并设好FFMPEG_DIR。然后在src目录里:
cargo run -p concat # 开编辑器窗口
cargo build --profile app -p concat # 正式发布版(fat LTO + strip)
cargo test # 跑测试
装完第一次用字幕或配音功能时,会提示你去设置里下载模型,下完就能断网用。这一点写在 README 里,也符合它「100% 本地」的定位。
六件必须先知道的事
以下都不是缺点清单,是「决定要不要用」的判据:
- 它还是 beta,而且是很年轻人的 beta。仓库 261 个未关闭 issue,最新的几条里能看到「macOS Monterey 打不开」这种实打实的兼容问题。跨平台多(连 Android、iOS 都覆盖),意味着每条平台线上的坑都要单独踩一遍。
- Windows 版没有代码签名。首次运行会被 SmartScreen 拦,得点「更多信息 → 仍要运行」;macOS 会拒开未签名包,官方给的处理是
xattr -dr com.apple.quarantine /Applications/Concat.app。项目专门写了一篇CODE_SIGNING.md解释为什么不签、以及它到底会往网上发什么(结论是「除了你要求的,什么都不发」)。 - Windows 只有 x86_64。ARM 版暂停了(issue #326)。iOS 目前只能侧载,没上架 App Store,社区在讨论要不要走 TestFlight。
- AGPL-3.0 是强传染性的。自己用、给公司内部剪片子,完全没问题;但如果你想把它嵌进一个闭源产品或对外提供的服务里,就得按 AGPL 开放你的改动。它不是 MIT 那种「随便拿去改个名就卖」的许可。而且项目 CLA 要求贡献者把版权转让给作者本人——这是为了「版权集中在一处,好对违反 AGPL 的人维权」,文档里写明了理由。介意这一点的开发者要提前知道。
- AI 能力要看模型脸色。本地 Whisper 的字幕精度取决于你选多大的模型,跟剪映云端识别不是一个量级;本地 TTS 的自然度同理。它换来的是「离线 + 免费 + 素材不出盘」,不是「效果吊打云端」。
- 它被下载了 35 万次,但不是 35 万人在用。一周一版的迭代速度会让老用户反复重装,下载量里含着更新量。真正能说明热度的是 68 天 13K 星和 1,643 个 fork,但这仍然只是 GitHub 的指标。
顺便说个搜索陷阱
在 GitHub 搜 concat,会命中 7,123 个同名仓库。星数榜前列的 ffmpeg-concat、nginx-http-concat、grunt-contrib-concat、concat-stream 全都是在讲「把多个东西拼起来」——视频拼接、文件合并、字符串连接,跟这个剪辑器一点关系都没有。要认准 jub0t/Concat,官网是 concatenate.pages.dev。
顺手还查了一下同赛道:同期同样用 Rust 写的开源非线性剪辑器 storytold/filmcraft 目前 17,109 星(2026 年 9 月 30 日建仓,Apache-2.0,7,090 fork、1,788 个未关闭 issue);老牌的 Shotcut 15,551 星、Olive 9,144 星、OpenShot 6,719 星、Kdenlive 6,019 星。Concat 用两个月挤进了这个梯队,而且和这些老牌项目最大的区别就是那个 MCP。
一句话总结
如果你只是想找个不收费、不加水印的剪映替代品,Concat 值得装一次试试,但要接受它是一个还在快速变动、偶尔会崩的 beta。
如果你在折腾 AI 自动化视频生产——批量口播、批量切片、模板化混剪——那它现在的意义要更大一些:它把「剪辑」这件事从「人点鼠标」变成了「一套可以被程序调用的工具集」,而且是本地跑、素材不出盘的。MCP 这个词去年还只出现在聊天框里,今年已经有项目把它接到了时间线上。
参考来源
- 仓库元数据、发布版本、下载量、文件树:GitHub 官方 API
api.github.com/repos/jub0t/Concat及其/releases、/git/trees、/contents接口(2026-11-01 读取) - 功能清单、平台状态、编译要求:仓库
README.md及其简体中文版docs/README.zh-Hans.md - MCP 的接入方式、工具清单、三种模式与锁机制:仓库
docs/MCP.md - 技术栈(Rust 版本、crate 划分、wgpu / ort / Slint 授权选择):仓库
src/Cargo.toml与THIRD_PARTY_NOTICES.md - 模型出处与授权(whisper.cpp、Silero VAD、Kokoro、Pocket TTS、Chatterbox Turbo):仓库
THIRD_PARTY_NOTICES.md - 贡献者版权转让条款:仓库
CLA.md;未签名说明:CODE_SIGNING.md - 竞品数据:GitHub 搜索接口按星数排序所得(同时间点读取)
- 本文为项目解读,未做实际安装试用;功能以官方文档自述为准,版本行为以你装到的那一版为准

