liuzhao1225/YouDub-webui

解决的问题

YouDub WebUI 是一个开源工具，旨在自动化从 YouTube 和 Bilibili 等平台获取视频的本地化处理。它消除了手动分离音频、翻译字幕和录制新配音的工作，使创作者能够在保留原始背景音乐和音效的同时，快速将视频转换为不同语言。

工作原理

该项目实现了一个完整的端到端流程：

1. 下载：使用 yt-dlp 从 URL 获取视频。
2. 音频分离：使用 Demucs 将人声从背景噪音中分离。
3. 语音识别：使用 openai-whisper 识别语音并生成单词级时间戳。
4. 翻译：通过 OpenAI 兼容的 Chat Completions API 进行文本翻译。
5. 语音生成：使用 VoxCPM2 基于参考音频生成目标语言的配音。
6. 最终合成：对新配音时长进行对齐，与原始背景音频混合，并使用 FFmpeg 嵌入字幕并导出最终 MP4 文件。

适用人群

专为希望拥有本地可控视频本地化流程的个人内容创作者、开发者和小型团队设计，适用于跨语言内容分发场景。

核心亮点

• 端到端自动化：从初始 URL 到最终渲染视频，全流程自动处理。
• 本地优先架构：所有中间产物、Cookie 和日志均通过 SQLite 本地存储。
• 失败恢复支持：支持从任务失败的具体阶段重新开始。
• 跨语言支持：特别优化了英语→中文（YouTube）和中文→英语（Bilibili）的工作流。
• 可自定义流程：模块化架构允许用户轻松替换 ASR、TTS 或翻译后端。