Blue-B/WhisperSubTranslate

WhisperSubTranslate – 快速概览

功能 – 获取视频文件，使用 whisper.cpp 在本地进行语音转文本，然后翻译生成的视频字幕。所有繁重的工作都可以在您的计算机上完成；您只需在首次下载模型时需要互联网连接。

要点

• 本地转录 – 无需上传，无需账户。使用 Whisper 模型（tiny‑base‑large‑v3‑turbo，以及用于改善非英语内容时间轴的特殊 Sync 模型）。
• 离线翻译 – 可选腾讯 Hy‑MT2 模型（1.8 B ≈ 1 GB，7 B ≈ 6 GB）。下载后，翻译完全离线运行，无需 API 密钥。
• 在线翻译 – 如果您更喜欢云服务，支持 MyMemory（免费）、DeepL、OpenAI、Gemini、Claude 以及自定义 OpenAI 兼容端点。
• 桌面应用 – 使用 Electron + Node.js 构建，打包为便携式 Windows ZIP（约 2 GB）。Linux 可以从源代码构建。
• 便捷的 UI – 队列、进度条、作业历史，以及“便携数据”模式，可将所有模型和设置保存在 U 盘上。

为何重要 – 将 Whisper 语音识别引擎和最先进的翻译模型捆绑到一个易于运行的程序中，任何人都可以在不将视频或文本发送给第三方服务的情况下创建多语言字幕。

---

如何入门（用户视角）

1. 从 Releases 页面下载 Windows ZIP（约 2.15 GB）。预构建包不需要 Python 或 CUDA 工具包。
2. 将 ZIP 解压到文件夹并运行 WhisperSubTranslate.exe。
3. 添加一个短视频，选择口语语言（或 自动），保持 翻译 → 不翻译，然后点击 开始提取。
4. 首次运行时将下载默认的 Whisper 模型（large‑v3‑turbo，约 1.6 GB）。转录完成后，视频旁边会出现一个 .srt 文件。
5. 要翻译，请选择 Hy‑MT2（本地） 或任何在线引擎，选择目标语言，然后再次运行作业（或加载现有的 SRT）。Hy‑MT2 模型（1.8 B，约 1 GB）在首次使用时下载。

磁盘和带宽 – 应用 + 默认语音模型预计下载约 3.8 GB，再加上 1.8 B 翻译模型约 1 GB。

---

技术亮点（开发者视角）

• 核心栈 – Electron 前端，Node.js（≥ 22.12），支持 CUDA/Vulkan 的 whisper.cpp，通过 npm 捆绑的 FFmpeg。
• 模型处理 – 模型存储在 %APPDATA%\whispersubtranslate（或自包含安装的 portable-data/）下。使用 SHA‑256 哈希验证完整性。
• GPU 支持 – Whisper 可以在 CUDA 或 Vulkan 兼容 GPU 上运行；翻译后端也会在可用时自动选择 CUDA/Vulkan，否则回退到 CPU。
• 构建 – npm ci 安装依赖并构建 whisper.cpp。Windows 构建：npm run build-win。Linux 构建需要 cmake、build-essential、git、ffmpeg 以及可选的 CUDA 工具包。
• 可扩展性 – UI 字符串位于 locales/*.json 中，可通过 Weblate 翻译。添加新的翻译目标或 UI 语言遵循 docs/TRANSLATION.md 中的指南。

---

谁可能使用？

• 需要多语言字幕但不能或不想将原始视频上传到云服务的内容创作者。
• 准备多语言讲座视频的教育工作者。
• 希望所有音频/文本处理都在设备上进行的注重隐私的用户。

---

许可证与致谢

• 许可证：应用程序代码为 GPL‑3.0。
• 核心组件：whisper.cpp（Georgi Gerganov）、腾讯 Hy‑MT2、FFmpeg、Faster‑Whisper、Silero VAD 以及各种 npm 包。
• 资助：GitHub Sponsors、Buy Me A Coffee、PayPal。