Alos21750/UAV-Downloader

UAV Downloader for JableTV, MissAV, SupJav & Hanime1 — UAV Browser, unattended UAV Watcher, Docker/CLI, and local-first AI subtitles.

解決する課題

UAV Downloaderは、特定のアダルトコンテンツプラットフォーム（JableTV、MissAV、SupJav、Hanime1）から動画の自動検出とダウンロードを自動化するデスクトップツールです。手動での検索やダウンロードの必要性を排除し、自動監視と、外部APIキーを必要とせずに日本語音声の字幕を生成する統合AI字幕システムを提供します。

仕組み

このプロジェクトは主に3つのモードで動作します：

  • UAV Browser: 手動での閲覧、検索、ダウンロードキューへの追加を行うGUI。
  • UAV Watcher: 選択したカテゴリをスキャンし、ユーザー設定に基づいてダウンロードをスケジュールし、サイト間で重複を自動的に削除する無人監視ツール。
  • Docker/CLI: URLまたはテキストファイルを介して動画をダウンロードする、サーバーやNAS展開用のヘッドレスバージョン。

字幕生成には、ローカルパイプラインを使用します：音声認識にはReazonSpeech K2 v2またはwhisper.cpp、英語と繁体字中国語へのローカル翻訳にはFuguMTまたはOPUS-MTを使用します。また、高品質な翻訳のためにLLM API（OpenAI、Anthropic、Geminiなど）とのオプション連携もサポートしつつ、音声・動画ファイルは厳密にローカルマシンに保持します。

対象ユーザー

これらの特定プラットフォームからコンテンツの収集を自動化したいユーザー、およびクラウドベースの文字起こしサービスに依存せずに複数言語のAI生成字幕を必要とするユーザー。

特長

  • 無人自動化: カテゴリを自動監視し、クロスサイトの重複排除付きでダウンロードをスケジュール。
  • ローカルAI字幕: ローカルモデル（CPU最適化）を使用して日本語、英語、繁体字中国語の.srtファイルを生成し、プライバシーを確保。
  • 柔軟な展開: スタンドアロンのWindows実行ファイル、Pythonパッケージ、またはDockerイメージとして利用可能。
  • カスタマイズ可能なダウンロード: さまざまな品質設定、マルチスレッドダウンロード（最大32本の同時動画）、プロキシ設定をサポート。

関連

  • プロジェクト
    jianchang512/pyvideotrans

    pyVideoTransは、音声認識、AI翻訳、音声合成（オプションで音声クローン）を連鎖させるオープンソースのPythonツールです。GUI、WebUI、CLI、Dockerデプロイに対応し、ローカルモデル（例：Faster-Whisper、F5-TTS）またはクラウドAPI（OpenAI、Azure、Googleなど）で動作可能。字幕編集、話者区別、GPU加速などのユーティリティも備えています。

  • プロジェクト
    rockbenben/subtitle-translator

    Subtitle Translatorは、字幕ファイル（.srt, .ass, .vtt, .lrc）を120以上の言語に一括翻訳できる、無料のブラウザベース（およびCLI）ツールです。ローカルでタイムコードを分離し、対話部分のみを選択した翻訳API（従来のMTまたはLLMプロバイダー）に送信した後、元のタイミングを再挿入します。エピソードあたり約1秒の処理速度、複数ファイルアップロード、バイリンガル出力、コンテキスト認識LLM翻訳、無制限のローカルキャッシュ、完全なクライアントサイドのプライバシー保護が特徴です。

  • プロジェクト
    tegnike/aituber-kit

    AITuberKit は、チャット、音声、ライブ配信が可能なAI駆動仮想キャラクター（VTuber）を構築するためのオープンソースツールキットです。多数のLLM、TTSエンジン、アバター形式を統合し、YouTubeチャット、キオスクデモ、ゲーム解説モードに対応。ローカル、Docker、Vercel/Cloudflareに実行またはデプロイ可能。商用利用には別途ライセンスが必要です。

  • プロジェクト
    jipraks/yt-short-clipper

    YT Short Clipper v2 は、Windows専用のデスクトップアプリで、長時間のYouTube動画を縦型（9:16）の短いクリップに自動変換します。動画と元の字幕をダウンロードし、LLMにトランスクリプトを読み込ませてハイライト部分を抽出。各セグメントを切り出し、縦表示（9:16）に再フレームし、単語単位の字幕を焼き付け、Replizにアップロードすることも可能です。React + TypeScript、Tauri（Rust）、Pythonサイドカー（yt‑dlp、FFmpeg、MediaPipe）で構築されており、OpenAI互換モデルまたはアプリ内ウォレットベースのAIサービスに対応しています。MITライセンス、ベータ版、Windows専用です。

  • プロジェクト
    baxtree/subaligner

    Subaligner は、字幕と動画／音声を同期するオープンソースの Python/CLI ツールです。Whisper を用いた音声認識、HuggingFace モデルによる字幕翻訳、カスタム同期モデルの訓練も可能。多数の字幕およびメディアフォーマットをサポートし、高速なグローバルシフト（`single`）と高精度の二段階（`dual`）同期を提供。Docker、pip、およびLLMベースの機能用オプション拡張も利用可能。