PeakCut in Docker: Self-Hosted KI-Video-Clipper (BYOK)
PeakCut mit Docker Compose selbst hosten: lange Videos und Livestreams lokal transkribieren und mit eigenem KI-Key in 9:16-Clips schneiden.
5 Min. Lesezeit

Wer YouTube-Tutorials, Podcasts oder Twitch-/Kick-Streams veröffentlicht, kennt die monatliche Rechnung klassischer Clip-Dienste. Tools wie OpusClip oder Vizard verlangen Abos, deckeln Videominuten, setzen Wasserzeichen in günstigen Tarifen und wollen erst Gigabyte an Rohmaterial in ihrer Cloud sehen, bevor man weiß, ob die Schnitte taugen.
PeakCut (MIT-Lizenz, über 1.400 GitHub-Sterne in der ersten Woche im November 2026) dreht das Modell um: Der Schnitt läuft auf deinem Rechner oder Linux-Server, die Spracherkennung passiert lokal mit sherpa-onnx (Parakeet), und nur das Text-Transkript geht an deinen eigenen KI-Key (Gemini, OpenAI, Claude, Groq, OpenRouter, xAI oder lokales Ollama), um gute Momente und Hooks auszuwählen.
Wie PeakCut unter der Haube arbeitet
PeakCut besteht aus einem Python-FastAPI-Backend, schlichten HTML/CSS/JS-Seiten ohne Build-Schritt, ffmpeg und yt-dlp:
- Audio verlässt deine Hardware nicht. Die Transkription läuft lokal über
sherpa-onnxund das Parakeet-Modell (~480 MB einmaliger Download) oder nutzt beiPEAKCUT_YT_TRANSCRIPT=1das vorhandene YouTube-Transkript. - Nur Text geht ans LLM. Ein schnelles Modell liest das Transkript (laut Doku etwa vier Anfragen pro Videostunde) und liefert JSON-Zeitstempel, Hooks und Titel. Ganz ohne KI-Key schneidet PeakCut immer noch nach Lautstärke-Peaks.
ffmpegrendert 9:16-Hochformat-Clips mit Wort-für-Wort-Untertiteln in drei Stilen. Bei Livestreams nimmt es in einen Ringpuffer auf und schneidet Highlights noch während des Streams anhand von Lautstärke, Chat-Aktivität und Transkript.- Eingebaute Lastgrenzen. Der Server misst sekündlich CPU, freien RAM und Speicherplatz (
PEAKCUT_BUSY_CPU=82,PEAKCUT_MIN_FREE_RAM_GB=1.5) und reiht Jobs pro Nutzer ein, damit ein geteilter VPS nicht überläuft.
Self-Hosted PeakCut vs. SaaS-Clipper
| Bereich | PeakCut (Self-Hosted) | SaaS (OpusClip, Vizard usw.) |
|---|---|---|
| Softwarekosten | Kostenlos (MIT) | ~15–40 $+/Monat je nach Minutenkontingent |
| Kosten pro Videostunde | Bruchteile eines Cents an Text-Tokens (oder 0 $ mit Ollama) | Im Minutenlimit enthalten |
| Rohvideo-Datenschutz | Bleibt lokal; lokale sherpa-onnx-ASR |
Upload in Hersteller-Cloud |
| Livestream-Clipping | Ringpuffer + Lautstärke/Chat/Transkript | Selten oder nur in teuren Tarifen |
| Design & B-Roll | 3 saubere Untertitel-Stile; kein Stock-B-Roll | Dutzende animierte Templates & Auto-B-Roll |
| Auto-Posting | YouTube, Instagram, TikTok (eigene OAuth-Apps nötig) | Ein-Klick-OAuth durch den Anbieter |
| Hardware | Moderner Laptop oder 2–4-vCPU-VPS (GPU optional für ASR) | Keine (Browser) |
Der Kompromiss ist klar: Wer auffällige animierte Vorlagen, Stock-B-Roll und null OAuth-Einrichtung will, bleibt bei einem bezahlten SaaS. Wer lange Technik-Streams, Vorträge oder Coding-Videos ohne Minuten-Deckel in saubere Shorts verwandeln will, fährt mit PeakCut deutlich günstiger. (Wenn du Videos stattdessen per Code von Grund auf erzeugen willst, lies unser HyperFrames Studio Review oder den Python Video-Intro-Editor.)
PeakCut installieren: Docker-Server vs. lokal
Docker Compose (VPS / Homelab)
Das offizielle docker-compose.yml startet postgres:16-alpine, die FastAPI-App auf 127.0.0.1:8765 und optional Caddy (COMPOSE_PROFILES=own-https) für automatisches HTTPS.
Repository klonen und .env anlegen:
git clone https://github.com/haziqahmedqasmi/PeakCut.git ~/peakcut
cd ~/peakcut
cp .env.example .env.env mit Domain, Postgres-Passwort, KI-Anbieter und Ressourcen-Grenzen ausfüllen:
PEAKCUT_DOMAIN=peakcut.example.com
POSTGRES_PASSWORD=langes-zufaelliges-passwort
# Eigener KI-Key (alternativ leer lassen und in Settings -> AI eintragen)
PEAKCUT_AI_PROVIDER=gemini
PEAKCUT_AI_MODELS=gemini-2.5-flash
PEAKCUT_AI_KEY=dein-api-key
# Pflicht auf jedem erreichbaren Server, sonst nutzen Fremde deinen API-Key
PEAKCUT_ACCOUNTS=1
# Aktiv lassen, wenn PeakCut Port 80/443 selbst verwaltet (hinter Traefik/Nginx entfernen)
COMPOSE_PROFILES=own-https
# Schutzgrenzen auf einem geteilten Server
PEAKCUT_MEM_LIMIT=4g
PEAKCUT_CPUS=2
PEAKCUT_CPU_SHARES=512
PEAKCUT_OOM_SCORE_ADJ=900
PEAKCUT_DB_MEM_LIMIT=256mBauen und starten:
docker compose up -d --buildRegistriere deinen Account im Browser und vergib Admin-Rechte über die CLI (im Web-UI geht das bewusst nicht):
docker compose exec app python -m studio.admin grant [email protected]Läuft bereits Traefik auf dem Server, lass COMPOSE_PROFILES=own-https weg und nutze das mitgelieferte Override (COMPOSE_FILE=docker-compose.yml:deploy/docker-compose.traefik.yml).
Lokal auf Mac / Linux / Windows
Am eigenen Rechner brauchst du weder Postgres noch Accounts: SQLite speichert alles in ./data. Installiere Python 3.10+ und ffmpeg (brew install ffmpeg, sudo apt install ffmpeg oder winget install Gyan.FFmpeg).
git clone https://github.com/haziqahmedqasmi/PeakCut.git ~/peakcut
cd ~/peakcut
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python -m studio.serverUnter Windows in einen kurzen Pfad wie C:\peakcut klonen, damit das Sprachmodell nicht an der 260-Zeichen-Grenze scheitert. Beim ersten Start lädt PeakCut einmalig das ~480-MB-Parakeet-Modell. Öffne http://127.0.0.1:8765, richte unter Settings -> AI deinen Anbieter (oder ollama für 100 % lokal) ein und teste deinen ersten Link.
Modellwahl und 100 % lokaler Betrieb mit Ollama
Für die Clip-Auswahl brauchst du kein teures Reasoning-Modell, sondern ein schnelles Modell mit sauberer JSON-Ausgabe:
- Günstigste API-Wahl: Gemini Flash (
PEAKCUT_AI_PROVIDER=gemini) oder Groq (llama-3.3-70b-versatile). Eine Videostunde braucht rund vier Anfragen und kostet Bruchteile eines Cents; kommaseparierte IDs inPEAKCUT_AI_MODELSdienen als Fallback. - 100 % lokal ohne API-Rechnung:
PEAKCUT_AI_PROVIDER=ollamamit einem lokalen Modell (etwallama3.1oderqwen3). Auf der Seite AI usage siehst du direkt, wie stabil das Modell JSON liefert. - Transkription auf GPU-Rechner auslagern: Für gelegentliche Videos reicht CPU-ASR; bei täglichen Lang-VODs nimmt ein zweiter Rechner mit NVIDIA-GPU per
deploy/gpu/docker-compose.yml,PEAKCUT_ASR_URLundPEAKCUT_ASR_TOKENdie Hauptlast ab.
PeakCut nie ohne PEAKCUT_ACCOUNTS=1 öffentlich betreiben
Lokal ist der Login standardmäßig aus. Auf jedem erreichbaren Server muss PEAKCUT_ACCOUNTS=1 aktiv bleiben (im offiziellen Docker Compose bereits voreingestellt) und der Key per PEAKCUT_AI_KEY_FILE=/secrets/ai.txt eingebunden werden.
Praxistipps für kleine VPS
- Rohvideos fressen Speicherplatz. Mounte
/dataauf eine große Platte und begrenze Nutzer auf geteilten Instanzen überPEAKCUT_MAX_USER_GB. - Cloudflare-Upload-Limit beachten. Hinter Cloudflares Orange-Cloud-Proxy belässt du
PEAKCUT_UPLOAD_PART_MB=40(unter dem 100-MB-Limit) und setztPEAKCUT_CLIENT_IP_HEADER=CF-Connecting-IP. - Auto-Posting braucht einmaliges OAuth-Setup. Clips erzeugen und als MP4 laden klappt in fünf Minuten; direktes Posten auf YouTube, Instagram und TikTok verlangt eigene OAuth-Apps laut
DEPLOY.md. - Einfache Updates. Mit
git pull && docker compose up -d –buildaktualisierst du PeakCut, ohne.envoder Clips anzufassen (Update-Check abschaltbar perPEAKCUT_UPDATE_CHECK=0).
Fazit
PeakCut zählt zu den saubersten neuen Self-Hosted-KI-Tools auf GitHub: MIT-lizenziert, vernünftige CPU-/RAM-Bremsen, lokale Transkription und kein Account-Zwang. Teste es zuerst lokal per Python an einem 30-Minuten-Video mit Gemini Flash oder Ollama, prüfe Schnittqualität und Untertitel und ziehe erst danach den Docker-Compose-Stack auf deinen Homeserver.
Häufige Fragen (FAQ)
Braucht PeakCut zwingend eine GPU?
Nein. Die Transkription läuft über sherpa-onnx (Parakeet) auf der CPU und das Rendering über normales ffmpeg. Eine GPU ist optional für schwere Batch-Workloads via PEAKCUT_ASR_URL.
Läuft PeakCut komplett ohne KI-API-Key?
Ja. Ohne Key schneidet es Clips anhand von Lautstärke-Peaks, dann allerdings ohne KI-Titel und inhaltliche Auswahl. Alternativ liefert Ollama lokal 0-Euro-Betrieb.
Wie viel kosten die API-Tokens für eine Stunde Video?
Da Audio lokal transkribiert wird, zahlst du nur Text-Tokens für das Transkript. Eine Videostunde entspricht ungefähr vier LLM-Anfragen — unter einem Cent mit Gemini Flash oder Groq, oder 0 € mit Ollama.
Hat diese Anleitung bei dir funktioniert?
Brauchst du Hilfe bei Astro, VPS oder einer Self-hosted-App? Services ansehen →


