AI 热榜雷达给好奇心,找个好工具
← 继续发现工具
jianchang512 /

pyvideotrans

趋势观察中

Translate the video from one language to another and embed dubbing & subtitles.

原始仓库简介 · 中文摘要待补充 · speech-to-text / stt / subtitle-translation / text-to-speech / tts / video-transition

GitHub 仓库 ↗项目主页 ↗

README / 项目原文

docs/README_CN.md ↗抓取于 2026/10/27 13:19:48

# pyVideoTrans

Sponsors
Recall.ai Meeting Transcription API If you’re looking for a transcription API for meetings, consider checking out Recall.ai , an API that works with Zoom, Google Meet, Microsoft Teams, and more
OfoxAI:文本、语音、图像、视频,多模型 API 资源 一个 API Key 接入 GPT、Claude、Gemini、DeepSeek 等文本模型及 ElevenLabs 语音模型,同时提供图像与视频生成模型,按创作需求灵活选择。
infistar - 160+ 模型,一个 Key infistar 是 OpenAI 兼容中转,一个 Key 随时切 160+ 模型,挑出翻得最准又最省的那个

一款强大的开源视频翻译 / 语音转录 / AI配音 / 字幕翻译工具

English | 文档 | 在线问答

License Python Platform

pyVideoTrans 致力于无缝地将视频从一种语言转换为另一种语言,包含语音识别、字幕翻译、多角色配音及音画同步等全套流程。支持本地离线部署与多种主流在线 API。

image

✨ 核心功能

技术架构与原理

  • 全自动视频翻译: 一键完成:语音识别(ASR) → 字幕翻译 → 语音合成(TTS) → 视频合成。
  • ️语音转录 / 字幕生成: 批量将音视频转为 SRT 字幕,支持 说话人分离,区分不同角色。
  • ️多角色 AI 配音: 支持根据不同说话人分配不同的 AI 配音角色。
  • 声音克隆: 集成 F5-TTS, CosyVoice, GPT-SoVITS 等模型,支持零样本声音克隆。
  • 强大的模型支持:
    • ASR: Faster-Whisper (本地), OpenAI Whisper, 阿里 Qwen, 字节火山, Azure, Google 等。
    • LLM 翻译: DeepSeek, ChatGPT, Claude, Gemini, MiniMax, Ollama (本地), 阿里百炼等。
    • TTS: Edge-TTS (免费), OpenAI, Azure, Minimaxi, ChatTTS, ChatterBox 等。
  • ️交互式编辑: 支持在识别、翻译、配音的每个阶段暂停并人工校对,确保精准度。
  • ️实用工具集: 包含人声分离、视频/字幕合并、音画对齐、文稿匹配等辅助工具。
  • 命令行模式 (CLI): 支持无头模式运行,方便服务器部署或批处理。
  • Web 界面 (WebUI): 基于浏览器的界面,适合远程访问或局域网部署。

🚀 快速开始 (Windows 用户)

我们为 Windows 10/11 用户提供了预打包的 .exe 版本,无需配置 Python 环境。

  1. 下载: 点击下载最新预打包版本
  2. 解压: 将压缩包解压到一个不包含中文、空格的路径下 (例如 D:\pyVideoTrans)。
  3. 运行: 双击文件夹内的 sp.exe 启动。

注意:

  • 请勿直接在压缩包内运行。
  • 如需使用 GPU 加速(仅支持英伟达显卡加速),请确保安装 CUDA 12.8 和 cuDNN 9.11。

️ 源码部署 (macOS / Linux / Windows 开发者)

推荐使用 uv 进行包管理,速度更快且环境隔离更好。

1. 前置准备

  • Python: 建议版本 3.10
  • FFmpeg: 必须安装并配置到环境变量。
    • macOS:
      brew install libsndfile  git  python@3.10
      
      brew uninstall --ignore-dependencies ffmpeg
      
      brew tap homebrew-ffmpeg/ffmpeg
      
      brew install homebrew-ffmpeg/ffmpeg/ffmpeg
    
    • Linux (Ubuntu/Debian): sudo apt-get install ffmpeg libsndfile1-dev
    • Windows: 下载 FFmpeg 并配置 Path,或者直接将 ffmpeg.exe 和 ffprobe.exe 放在项目目录下

2. 安装 uv (如果尚未安装)

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

3. 克隆与安装

git clone https://github.com/jianchang512/pyvideotrans.git
cd pyvideotrans
uv sync

默认不安装 whisper.net 本地渠道,若需要全部安装请执行 uv sync --all-extras

  • 单独安装 whisper.net:uv sync --extra dotnet

4. 启动软件

启动 GUI 界面:

uv run sp.py

使用 CLI 命令行:

# 视频翻译示例
uv run cli.py --task vtv --name "./video.mp4" --source_language_code zh-cn --target_language_code en --voice_role "en-US-GuyNeural"

# 语音转字幕示例
uv run cli.py --task stt --name "./audio.wav" --model_name large-v3

# 字幕翻译示例
uv run cli.py --task sts --name "./subs.srt" --target_language_code en

# 文字配音示例
uv run cli.py --task tts --name "./subs.srt" --voice_role "zh-CN-YunyangNeural"

CLI 详细参数说明

启动 WebUI (适合远程访问或局域网部署):

uv sync --extra webui
uv run webui.py

Docker 部署 (容器化部署):

# 构建镜像
docker build -t pyvideotrans-webui .

# 运行
docker run -d -p 7860:7860 --name pyvideotrans pyvideotrans-webui

# 持久化配置和输出
docker run -d -p 7860:7860 \
  -v ./data/output:/app/output \
  -v ./data/config:/app/videotrans \
  --name pyvideotrans pyvideotrans-webui

WebUI 使用说明

5. (可选) GPU 加速配置(NVIDIA GPU only)

  1. 如果您拥有 NVIDIA 显卡,请执行以下命令以安装支持 CUDA 的 PyTorch 版本:
# 卸载 CPU 版本
uv remove torch torchaudio

# 安装 CUDA 版本 (以 CUDA 12.x 为例)
uv add torch==2.7 torchaudio==2.7 --index-url https://download.pytorch.org/whl/cu128
uv add nvidia-cublas-cu12 nvidia-cudnn-cu12
  1. 如果你使用 AMD 显卡,可查看该文档尝试加速

支持的渠道与模型 (部分)

类别 渠道/模型 说明
语音识别 (ASR) Faster-Whisper (本地) 推荐,速度快,精度高
WhisperX / Parakeet 支持时间轴对齐与说话人分离
阿里 Qwen3-ASR / 字节火山 在线 API,中文效果极佳
翻译 (LLM/MT) DeepSeek / ChatGPT 支持上下文理解,翻译更自然
infistar AI infistar - 160+ 模型,一个 Key, OpenAI 兼容中转,一个 Key 随时切 160+ 模型
Atlas Cloud OpenAI 兼容网关,一个 Key 调用 DeepSeek、GLM、Kimi、Qwen、MiniMax 及代理的闭源模型
Opper 欧盟托管的 OpenAI 兼容网关,一个 Key 调用 50+ 家供应商的 700+ 个模型
Runcrate GPU 云,兼容 OpenAI 的 API:DeepSeek、GLM、Qwen、Kimi、gpt-oss,用 GitHub 账号即可免费使用开源模型
MiniMax AI MiniMax M3 大模型,最新旗舰模型,OpenAI兼容接口
Google / Microsoft 传统机器翻译,速度快
Ollama / M2M100 完全本地离线翻译
语音合成 (TTS) Edge-TTS 微软免费接口,效果自然
F5-TTS / OmniVoice / Qwen3-TTS 支持 声音克隆
GPT-SoVITS / ChatTTS / Index-TTS 高质量开源 TTS,要求本地部署
302.AI / OpenAI / Azure 高质量商业 API

文档与支持

️ 免责声明

本软件为开源免费非商业项目,使用者需自行承担因使用本软件(包括但不限于调用第三方 API、处理受版权保护的视频内容)所产生的一切法律后果。请遵守当地法律法规及相关服务商的使用协议。

致谢

本项目主要依赖以下开源项目 (部分):


Created by jianchang512