jianchang512/pyvideotrans

pyVideoTrans – 快速概览

功能 pyVideoTrans 是一个开源的 Python 应用程序，可将一种语言的视频自动转换为另一种语言的版本。它串联了三个 AI 驱动的步骤：

1. 语音转文本 (ASR) – 从原始音频中提取字幕。
2. 机器翻译 – 将该字幕翻译为目标语言。
3. 文本转语音 (TTS) 配音 – 合成新的音频轨道（可为每位说话人分配不同声音），并重新与原始视频合并。

该工具还支持：

• 带说话人区分的批量字幕生成（SRT 格式）。
• 语音克隆模型，实现更自然的配音效果。
• GUI（WebUI/桌面）和命令行接口（CLI），适用于自动化或服务器端使用。
• 本地离线运行（使用 Faster-Whisper、F5-TTS 等模型）或 使用云 API（OpenAI、Azure、Google 等）。

---

核心功能（如 README 所述）

功能	详情
一键视频翻译	ASR → 翻译 → TTS → 视频合成，一个工作流完成。
音频转录 / 字幕生成	批量转换为 SRT 格式，支持说话人区分。
多角色 AI 配音	可为每位说话人分配不同的合成声音。
语音克隆	集成 F5-TTS、CosyVoice、GPT-SoVITS 实现零样本克隆。
模型支持	• ASR: Faster-Whisper（本地）、OpenAI Whisper、Alibaba Qwen、ByteDance Volcano、Azure、Google 等 • 翻译: DeepSeek、ChatGPT、Claude、Gemini、MiniMax、Ollama（本地）、Alibaba Bailian 等 • TTS: Edge-TTS（免费）、OpenAI、Azure、MiniMax、ChatTTS 等
交互式编辑	可在任意阶段暂停，手动修正字幕、翻译或配音。
实用工具箱	语音分离、视频/字幕合并、AV 同步、字幕匹配。
CLI	无头运行，适用于批量任务或服务器部署。
WebUI	基于浏览器的界面（Gradio），支持远程或内网使用。
Docker	官方 Dockerfile 支持容器化部署。
GPU 加速	NVIDIA CUDA 12.8 + cuDNN 9.11；AMD 可选 Whisper.NET。

---

如何开始

Windows（预打包版）

1. 从 Releases 页面下载最新版本。
2. 解压到不含中文字符或空格的文件夹。
3. 运行 sp.exe。（使用 GPU 需安装 CUDA/cuDNN。）

源码安装（macOS / Linux / Windows 开发者）

1. 安装 Python 3.10+、FFmpeg 和 uv（快速包管理器）。
2. 克隆仓库并同步依赖：

   git clone https://github.com/jianchang512/pyvideotrans.git
   cd pyvideotrans
   uv sync   # 添加 --all-extras 以启用可选通道
   

3. 启动：
   • GUI: uv run sp.py
   • CLI: uv run cli.py …（详见 docs/cli.md）
   • WebUI: uv run webui.py
   • Docker: docker build -t pyvideotrans-webui . && docker run -d -p 7860:7860 pyvideotrans-webui

---

典型使用场景

• 不需手动字幕工作即可制作教程、网络研讨会或播客多语言版本的内容创作者。
• 需要跨区域培训或合规性视频翻译的企业。
• 实验语音克隆或多说话人配音流水线的研究人员或爱好者。
• 通过 CLI 或 Docker 容器批量处理大型视频库。

---

限制与注意事项

• 质量高度依赖所选的 ASR、翻译和 TTS 模型；本地模型可能较慢但数据更私密。
• 部分功能（如 AMD GPU 的 Whisper.NET）需额外设置步骤。
• 软件采用 GPL-v3 许可证；任何再分发必须以兼容条款开源。
• 用户需自行遵守所调用第三方 API（如 OpenAI、Azure 等）的使用条款。

---

获取更多信息

• 官方文档：https://pyvideotrans.com（教程、API 配置、FAQ）
• 社区问答：https://bbs.pyvideotrans.com（错误日志分析、技巧）
• GitHub Wiki：架构、扩展翻译器、CLI/WebUI 文档。
• 赞助链接：Recall.ai（会议转录 API）和 Infistar（多模型网关）为可选 API 使用提及。

---

TL;DR

pyVideoTrans 是一个全栈式开源视频翻译套件，将语音识别、机器翻译和语音合成（含语音克隆）整合为易于使用的 GUI、WebUI、CLI 或 Docker 容器。支持本地模型和广泛云 API，适合任何需要自动化多语言配音或字幕生成的用户。