WEIFENG2333/VideoCaptioner

解决的问题

VideoCaptioner 提供了一站式视频字幕处理解决方案。它消除了手动处理多个独立工具进行语音转文字、字幕优化、翻译和最终视频合成的需要。

工作原理

该工具遵循顺序处理流程：音频/视频输入 → 语音识别 → 字幕分段 → LLM 优化 → 翻译 → 视频合成。它使用单词级时间戳和语音活动检测（VAD）以确保准确性，并利用大语言模型（LLM）进行语义分段和上下文感知翻译，以确保字幕自然且可读。

适用人群

需要自动化视频转录和翻译的内容创作者和视频编辑者，以及希望使用 LLM 通过语义优化提升字幕质量的用户。

主要亮点

• 全流程覆盖：从下载视频（YouTube/Bilibili）到转录、翻译，再到将字幕烧录到视频，全部一站式处理。
• 灵活的引擎支持：支持多种 ASR 引擎，包括 faster-whisper、whisper-api、bijian 和 jianying。
• LLM 集成：使用 OpenAI 兼容 API 实现高质量的字幕优化和翻译。
• 多接口支持：提供 CLI 工具和 GUI 桌面应用程序，满足不同用户偏好。
• Claude Code 技能：包含专为与 Claude Code AI 编程助手集成而设计的技能。