buxuku/SmartSub

视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——免费开源的一站式桌面工具。基于 Whisper / FunASR 等本地模型离线语音转文字，批量处理 + 全平台 GPU 加速，跨 Windows / macOS / Linux。Free, open-source desktop app to generate, translate, dub & burn video subtitles — local Whisper speech-to-text, AI dubbing & voice cloning, offline, GPU-accelerated.

解決的問題

SmartSub 為影片處理提供了一套完整的自動化流水線，解決了語音轉文字、字幕翻譯和生成 AI 配音等碎片化工作流的問題。它使用戶無需使用多個互不關聯的工具，即可將外語影片轉換為帶有同步配音和內嵌字幕的在地化內容。

工作原理

該應用程式作為一個多步驟流水線運行：它下載影片（透過 yt-dlp/lux），使用本地引擎（如 whisper.cpp 或 FunASR）進行音訊轉錄，使用各種服務（包括透過 Ollama 使用本地 LLM）進行文本翻譯，並執行 TTS（文字轉語音）進行配音。最後，它使用 FFmpeg 將字幕壓制到影片中或將其作為軟字幕封裝。

適用人群

內容創作者：希望為國際觀眾實現影片在地化的創作者。
語言學習者：需要外語講座或影片雙語字幕的學習者。
播客/會議組織者：需要將音訊批量轉錄為 SRT 文件的組織者。
注重隱私的使用者：希望在自己的硬體上本地執行轉錄和 TTS 模型的使用者。

亮點

全流程覆蓋：涵蓋下載、轉錄、翻譯、校對、配音和影片合成。
本地優先的隱私保護：支持使用本地模型（Whisper, Kokoro, VITS）進行離線處理，確保檔案保留在使用者機器上。
硬體加速：支持 NVIDIA CUDA、AMD/Intel Vulkan 和 Apple Silicon (Core ML/Metal)。
廣泛的整合：連接 20 多種翻譯服務和各種雲端 ASR/TTS 提供商。
聲音克隆：具備使用本地或雲端引擎的零樣本（zero-shot）聲音克隆功能。