McCloudS/subgen

解决的问题

Subgen 是一个自托管工具，可为个人媒体库生成高精度字幕（.srt 或 .lrc）。当官方字幕缺失、不同步或不可用时，它允许用户使用 AI 语音识别，在自己的硬件上本地生成字幕。

工作原理

Subgen 使用 stable-ts 和 faster-whisper 来转录音视频文件。它可以将非英语语言转录为自身语言，或翻译外语音频为英文。该工具支持 CPU 和 Nvidia GPU（CUDA）加速，并包含针对 Amazon WEB-DL 文件中常见的音频起始时间偏移的特殊修复，以确保时间戳完全对齐。

适用人群

专为使用 Bazarr、Plex、Emby、Jellyfin 或 Tautulli 等平台的家用媒体服务器爱好者设计。它可作为 Bazarr 的 Whisper 提供者集成，或通过媒体服务器的 Webhook 自动触发转录，当媒体被添加或播放时。

主要亮点

• 广泛集成：与 Bazarr、Plex、Emby、Jellyfin 和 Tautulli 无缝连接。
• 硬件加速：支持 CPU、Nvidia GPU（CUDA），以及可能的 AMD GPU（ROCm）。
• 灵活的模型选择：支持多种 Whisper 模型，包括 large-v3-turbo（用于速度）和 distil-large-v3（用于效率）。
• 自动偏移校正：使用 ffprobe 检测并补偿音频流的起始时间偏移，防止字幕过早出现。
• 文件夹监控：可监控特定文件夹的变更，自动为新文件生成字幕。