McCloudS/subgen

解決的問題

Subgen 是一個自架設工具，可為個人媒體資料庫生成高準確度的字幕（.srt 或 .lrc）。當官方字幕遺失、不同步或無法取得時，它允許使用者使用 AI 語音辨識，在自己的硬體上本地生成字幕。

運作方式

Subgen 使用 stable-ts 和 faster-whisper 來轉錄音訊/影片檔案。可將非英文語言轉錄為自身語言，或將外語音訊翻譯成英文。該工具支援 CPU 和 Nvidia GPU（CUDA）加速，並包含針對 Amazon WEB-DL 檔案中常見的音訊起始時間偏移的特殊修復，以確保時間戳完全對齊。

適用對象

專為使用 Bazarr、Plex、Emby、Jellyfin 或 Tautulli 等平台的家用媒體伺服器愛好者設計。可作為 Bazarr 的 Whisper 提供者整合，或透過媒體伺服器的 Webhook，於媒體新增或播放時自動觸發轉錄。

主要特色

• 廣泛整合：與 Bazarr、Plex、Emby、Jellyfin 和 Tautulli 無縫連接。
• 硬體加速：支援 CPU、Nvidia GPU（CUDA），以及可能的 AMD GPU（ROCm）。
• 彈性模型選擇：支援多種 Whisper 模型，包括 large-v3-turbo（用於速度）和 distil-large-v3（用於效率）。
• 自動偏移修正：使用 ffprobe 檢測並補償音訊串流的起始時間偏移，防止字幕過早出現。
• 資料夾監控：可監控特定資料夾的變更，自動為新檔案生成字幕。