WEIFENG2333/VideoCaptioner

解決的問題

VideoCaptioner 提供一體化的影片字幕處理方案。它消除了手動操作多個獨立工具進行語音轉文字、字幕優化、翻譯與最終影片合成的需要。

作法原理

此工具遵循順序式流程：音訊/影片輸入 → 語音辨識 → 字幕分段 → LLM 優化 → 翻譯 → 影片合成。利用單字級時間戳與語音活動偵測（VAD）以確保準確性，並透過大型語言模型（LLM）進行語意分段與上下文感知翻譯，確保字幕自然且易讀。

適用對象

需要自動化影片轉錄與翻譯的內容創作者與影片編輯者，以及希望使用 LLM 透過語意優化提升字幕品質的使用者。

主要特色

• 完整流程：從下載影片（YouTube/Bilibili）到轉錄、翻譯，再到將字幕燒錄至影片，全程一體化處理。
• 彈性引擎支援：支援多種 ASR 引擎，包括 faster-whisper、whisper-api、bijian 與 jianying。
• LLM 整合：使用 OpenAI 相容 API 實現高品質字幕優化與翻譯。
• 多種介面：提供 CLI 工具與 GUI 桌面應用程式，滿足不同使用者偏好。
• Claude Code 技能：內建專為與 Claude Code AI 程式設計助理整合而設計的技能。