一个工具说「我不做视觉」，一个版本之后就做了。这条局限是成本性的，不是原理性的。
v1.4.0 已经把帖里的核心取舍推翻了一半。 帖把「只分析字幕、不分析画面」当成设计哲学来写，README 现在的原文是：自 v1.4.0 起，可另行启用游戏视觉分析（多模态），需自行配置多模态模型并显式打开付费视觉初筛，导入后先确认再剪辑。字幕驱动仍是默认路线，但「做不了」已经变成「要多花钱」。
模型清单对不上。 帖列了「硅基流动」，README 里没有；实际支持 Qwen、OpenAI 兼容、Gemini、DeepSeek、豆包 Seed、Kimi、GLM、Grok，外加 Ollama / LM Studio 本地。不影响结论，但说明帖子没对着 README 抄。
漏了一条对海外用户很关键的： v1.3.2 起发布到 TikTok、YouTube、Instagram 需要自备 Upload-Post 账号，每日额度以 Upload-Post 自己的页面为准——README 特意补了一句「不是 AutoClip 的承诺」。
星数又是一个当日增量。 266 是发帖当天涨的，当前 8,982，建仓 2025-07-08。一个跑了十四个月、近九千星的项目，被写得像昨天刚冒出来的。
「八种语言」要打折读。 八个语种的 README 是真的，但它自己声明：README 翻译语言不代表应用界面或转写模型支持的语言范围。帖把翻译规模读成了产品能力。
主语言实测是 Python，Tauri 只出现在致谢里；仓库 39 MB，对一个剪辑工具来说不算轻。
下一根钉子： 视觉初筛的准确率有没有公开数字。字幕路线的局限大家猜得到，真正决定上限的是那条付费视觉通道——它到底比字幕多抓到多少高光。