buxuku/SmartSub
视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——免费开源的一站式桌面工具。基于 Whisper / FunASR 等本地模型离线语音转文字，批量处理 + 全平台 GPU 加速，跨 Windows / macOS / Linux。Free, open-source desktop app to generate, translate, dub & burn video subtitles — local Whisper speech-to-text, AI dubbing & voice cloning, offline, GPU-accelerated.
解决的问题
SmartSub 为视频处理提供了一套完整的自动化流水线，解决了语音转文字、字幕翻译和生成 AI 配音等碎片化工作流的问题。它使用户无需使用多个互不关联的工具，即可将外语视频转换为带有同步配音和内嵌字幕的本地化内容。
工作原理
该应用程序作为一个多步骤流水线运行：它下载视频（通过 yt-dlp/lux），使用本地引擎（如 whisper.cpp 或 FunASR）进行音频转录，使用各种服务（包括通过 Ollama 使用本地 LLM）进行文本翻译，并执行 TTS（文本转语音）进行配音。最后，它使用 FFmpeg 将字幕压制到视频中或将其作为软字幕封装。
适用人群
- 内容创作者：希望为国际观众实现视频本地化的创作者。
- 语言学习者：需要外语讲座或视频双语字幕的学习者。
- 播客/会议组织者：需要将音频批量转录为 SRT 文件的组织者。
- 注重隐私的用户：希望在自己的硬件上本地运行转录和 TTS 模型的用户。
亮点
- 全流程覆盖：涵盖下载、转录、翻译、校对、配音和视频合成。
- 本地优先的隐私保护：支持使用本地模型（Whisper, Kokoro, VITS）进行离线处理，确保文件保留在用户机器上。
- 硬件加速：支持 NVIDIA CUDA、AMD/Intel Vulkan 和 Apple Silicon (Core ML/Metal)。
- 广泛的集成：连接 20 多种翻译服务和各种云端 ASR/TTS 提供商。
- 声音克隆：具备使用本地或云端引擎的零样本（zero-shot）声音克隆功能。