notepower2k1/CapCap

CapCap – 面向 Windows 的 AI 驱动视频编辑与本地化

功能简介
CapCap 是一款仅适用于 Windows 的桌面应用，可让您导入原始视频，自动生成字幕，翻译字幕，合成新的配音，并导出完全编辑好的视频。整个工作流程分为五个可视化步骤：

1. 准备 – 导入源视频。
2. 转录 – 语音转文字（STT）或 OCR 识别屏幕文本。
3. 翻译 – AI 驱动的上下文感知翻译，支持多种大语言模型服务（Gemini 2.5、GPT-4o、DeepSeek、Ollama、Google/Bing 翻译）。
4. 配音 – 使用离线（Piper）和在线（Edge、CapCut、VieNeu）引擎进行文本转语音（TTS），并支持可选的背景音乐分离。
5. 导出 – 渲染最终视频（通过 NVIDIA NVENC 进行 GPU 加速）或输出单独的音频轨道或 CapCut 草稿。

主要特性

• 自适应界面，支持横屏（16:9）和竖屏（9:16）格式，自动重新布局覆盖层，适用于 YouTube 风格或 TikTok 风格视频。
• 上下文感知翻译，分析角色关系，并可调整代词/礼貌程度。
• 智能配音：离线 Piper 和多种云 TTS 服务；字幕编辑后可立即重新合成某一行。
• 多图层时间线：添加字幕、徽标、模糊、遮罩、文本等，并提供可视化编辑器。
• 快速 GPU 渲染，使用 NVIDIA NVENC；也支持仅导出音频轨道。

如何运行（来自 README）

# 克隆并设置虚拟环境
git clone https://github.com/notepower2k1/CapCap.git
cd CapCap
python -m venv venv
venv\Scripts\activate   # 在 Windows 上
pip install -r requirements-local.txt
python ui/gui.py

• 将 .env_example 复制为 .env，添加您自己的 LLM/TTS 服务 API 密钥，不过大多数设置可以在 GUI 中更改。
• 预览播放器使用 libmpv；您需要 Microsoft Visual C++ 2015-2022 Redistributable (x64) – 仓库中附带了安装程序。

技术栈（如文档中所列）

• Python 后端处理 STT/OCR、翻译调用、TTS 和视频处理。
• 大语言模型 API：Gemini 2.5、OpenAI GPT-4o、DeepSeek、Ollama（自托管）。
• TTS 引擎：Piper（离线）、Edge TTS、CapCut TTS、VieNeu TTS。
• 视频预览通过 libmpv；最终编码使用 NVIDIA NVENC。
• UI 使用 Python GUI 框架构建（详情见 docs/technical-stack.md）。

适用人群

• 需要将单个视频重新用于多个平台（YouTube、TikTok、Shorts、Reels）的内容创作者，无需手动转录和配音。
• 寻找一体化本地化流程的小型工作室或自由职业者，可离线处理隐私敏感材料。

许可证

• Apache License 2.0。

---

以上信息直接取自仓库的 README 和链接的文档。