ASMR Dubber 是一套日语音视频中文配音工具。它把一段完整媒体拆成可校对的句子，可以依次完成 日语识别、中文翻译、音色克隆和混音，也可以单独导出日中字幕。程序通过本机网页操作，项目、 模型、设置和缓存默认都留在程序文件夹中。
- 从音频或视频创建独立项目，并保留输入文件的原始副本；
- 使用 Parakeet、Kotoba-Whisper 或 Faster-Whisper 做 ASR（语音识别）；
- 可导入日语或中文的 SRT、VTT、ASS/SSA、LRC 和纯文本台本；中文台本可跳过 ASR 与翻译， 直接进入校对和配音；
- 可选日语 ASMR 专用 VAD（语音活动检测）和 Qwen3 ForcedAligner 时间戳对齐；
- 使用多个已安装的识别模型交叉校对日文；
- 通过 DeepSeek、OpenAI、Claude、Gemini、DeepL、Google 或 Microsoft 等服务翻译；
- 使用本地 IndexTTS2，或连接 GPT-SoVITS、CosyVoice、Fish Speech/Fish Audio API 做 TTS（语音合成）；
- 逐句调整日文、中文、起止时间、是否配音和中文提前量；
- 输出混音后的 WAV、视频，以及双语/中文/日文 SRT 和 LRC 字幕；
- 中断后继续工作，只重做缺失或设置已经失效的部分。
- 长任务可在网页中取消；程序日志可直接查看和下载。
目前的识别流程按日语设计，目标翻译和配音语言为简体中文。目前不提供其它语种的完整工作流。
以上素材仅用于功能演示，如有侵权请联系删除。
使用前请开启 Windows 长路径。以避免一些问题 进入“设置 → 系统 → 高级 → 文件资源管理器”，打开 “启用长路径”，然后重新启动 ASMR Dubber。未开启时，IndexTTS2 等第三方运行环境中的深层 文件可能超过 Windows 的传统路径限制，出现“文件明明存在但程序报告找不到”的错误。如果 当前 Windows 没有这个开关，请把程序解压到
D:\ASMR-Dubber这类短路径。
如果不想运行 Setup，可以从
ModelScope 推荐版免安装包仓库
下载已经装好运行环境和推荐模型的 ZIP。下载后完整解压，直接双击 ASMR-Dubber.exe 即可。
本版本只提供推荐版免安装包；其它模型仍可在网页的“设备与模型”中按需安装。
| 压缩包 | 已包含内容 | 适合谁 |
|---|---|---|
ASMR-Dubber-Windows-Recommended-Portable-v0.5.0.zip |
程序和完整运行环境、两个 Parakeet 日语模型、IndexTTS2 环境和 checkpoints | 想直接使用本地日语识别和本地配音 |
IndexTTS2 只支持 NVIDIA GPU。第一次生成语音时需要加载模型并初始化 CUDA，可能需要等待一段
时间，后续通常会快很多。没有 NVIDIA GPU 时，包内 Parakeet 仍可使用 CPU，TTS 可改用外部
API。免安装包适用于 64 位 Windows 10/11，不需要先运行 ASMR-Dubber-Setup.exe。文件较大，
上传完成前请以仓库文件列表为准；下载后可用同名 .sha256 文件核对完整性。
Windows 包要让进阶组件全部使用 GPU，需要 NVIDIA Turing 或更新架构。主环境使用 CUDA 13， 不支持 Maxwell、Pascal 和 Volta；这些旧卡即使显存较大，也不属于完整本地 GPU 支持范围。
适用于 64 位 Windows 10/11。
- 下载项目压缩包并完整解压。不要直接在压缩软件里运行。
- 双击
ASMR-Dubber-Setup.exe，按提示选择安装方案。 - 安装结束后双击
ASMR-Dubber.exe。 - 浏览器打开后，先到“设置”确认识别、翻译和合成方式，再回到“项目工作台”。
- 保留启动终端。要停止程序，按
Ctrl+C或关闭终端。
不需要预装 Python、uv、Git、FFmpeg 或 CUDA Toolkit。启动器优先使用 PowerShell 7；电脑上
没有 PowerShell 7 时会使用 Windows 自带的 PowerShell 5.1。下载阶段需要系统中的
curl.exe。
建议把程序解压到短且可写的路径，例如 D:\Apps\ASMR-Dubber。不要放在
C:\Program Files，也不要让云盘同步程序运行时目录。
适用于 64 位 x86_64 Linux。安装前确认系统有 bash、curl、tar 和 getconf：
bash scripts/linux/setup.sh 推荐
bash scripts/linux/run-ui.sh本地 NVIDIA 模型还需要可用的显卡驱动。程序会准备自己的 Python 和依赖，不修改系统 Python。
更完整的系统要求、磁盘估算、下载策略和离线安装方法见 安装指南。
| 方案 | 安装内容 | 安装后约占用 | 安装前建议可用空间 |
|---|---|---|---|
| 基础 | 程序、网页、音频工具和外部 API 客户端；不含本地识别模型 | 约 2 GB | 至少 5 GB |
| 推荐 | 基础 + 两个 Parakeet 日语模型；NVIDIA 电脑再装 IndexTTS2 | 约 24–28 GB | 至少 35 GB |
| 进阶 | 基础 + 下列固定分析模型；NVIDIA 电脑再装 IndexTTS2 | 约 33–39 GB | 至少 50 GB |
“进阶”会准备以下模型，不代表下载某个模型仓库中的所有内容：
- Parakeet CTC 1.1B JA GAL；
- Parakeet TDT/CTC 0.6B JA；
- Kotoba-Whisper v2.2；
- Faster-Whisper large-v2；
- 日语 ASMR 专用 Whisper VAD ONNX；
- Qwen3 ForcedAligner 0.6B；
- IndexTTS2 checkpoints，仅在检测到 NVIDIA GPU 时安装。
没有 NVIDIA GPU 的电脑仍可使用 CPU 识别和外部 TTS（语音合成）API。CPU 处理长音频会慢 很多；IndexTTS2 不提供 CPU 模式。硬件选择可参考后端指南。
- 在“设置 → 设备与模型”确认所选后端显示为“可用”。
- 在“设置 → 翻译”选择服务并保存 API Key；本地翻译接口可按服务实际情况留空密钥。
- 如已打开项目，点击“保存并应用到当前项目”。“仅保存为以后新项目默认值”不会改动当前项目。
- 回到“项目工作台”，选择日语音频或视频并点击“新建项目”。
- 点击“运行 ASR（语音识别）”，检查句子表里的文字和时间。已有台本或字幕时，也可以展开 “已有台本或字幕”直接导入。导入前选择台本语言；中文台本会跳过 ASR 和翻译。
- 日语台本或识别结果需要点击“翻译日文”；中文台本可直接编辑中文并保存校对表格。
- 在“统一音色参考”中选择一条清晰的 5–15 秒台词。
- 点击“TTS（语音合成）并混音”。成品会显示在页面中，也会保存在项目的
output目录。
字幕不依赖完整配音流程。识别完成后即可选择字幕内容并点击“生成字幕”。详细操作和常见参数 取舍见使用指南。
| 环节 | 可选后端 |
|---|---|
| ASR（语音识别） | Parakeet 日语、Kotoba-Whisper、Faster-Whisper |
| 时间戳 | 识别模型自带时间戳、Qwen3 ForcedAligner 0.6B |
| TTS（语音合成） | IndexTTS2、GPT-SoVITS API、CosyVoice API、Fish Speech/Fish Audio API |
| 翻译 | DeepSeek、OpenAI、Anthropic Claude、Google Gemini、OpenAI-compatible、DeepL、Google Cloud Translation、Microsoft Azure Translator |
程序不会在任务开始后悄悄换用另一个模型。网页中的模型安装状态来自本地文件和运行环境检测； 多模型交叉校对也只列出本机完整可用的识别模型。
默认情况下，所有可变数据都在程序根目录的 .asmr-dubber：
<程序目录>/
├── .asmr-dubber/
│ ├── bootstrap/ # uv
│ ├── runtimes/ # Python、FFmpeg 和隔离模型运行时
│ ├── venv/ # 主程序环境
│ ├── models/ # 本地模型
│ ├── cache/ # 下载与计算缓存
│ ├── config/ # 设置、密钥和外部参考音频
│ ├── projects/ # 项目
│ ├── logs/ # Setup 与程序运行日志
│ └── temp/ # 可清理的临时文件
├── model-packs/ # 可选的离线模型包入口
├── ASMR-Dubber.exe
└── ASMR-Dubber-Setup.exe
API Key 按便携设计以明文保存在 .asmr-dubber/config/secrets.json。它不会写入项目文件、
性能记录或字幕，但任何能读取程序目录的账户都能读取它。不要共享 .asmr-dubber，也不要把它
提交到 Git 或公开网盘。
停止程序后，可以复制整个文件夹来备份或搬到另一块磁盘；移动后重新运行 Setup，让脚本修复 运行环境里的绝对路径。要卸载，先关闭程序和相关模型服务，再删除整个程序文件夹。
每个项目都有自己的设置快照和中间结果：
<项目>/
├── project.json # 项目状态和设置
├── source.<扩展名> # 输入媒体副本
├── analysis/ # 分析音频、识别候选和校对记录
├── references/ # 项目参考片段
├── chinese/ # 逐句中文音频缓存
├── mix/ # 可选中文中间轨
├── output/ # 最终音频和视频
├── subtitles/ # SRT、LRC 和字幕视频
├── exports/ # JSON、CSV 时间轴
└── performance.json # 不含密钥和 Prompt 的阶段指标
不要只复制 project.json。需要备份项目时，请复制整个项目目录。
大多数用户只需要网页。脚本、自动化和排障可以使用命令行：
.\scripts\windows\run-cli.ps1 doctor --no-network
.\scripts\windows\run-cli.ps1 --helpbash scripts/linux/run-cli.sh doctor --no-network
bash scripts/linux/run-cli.sh --help常用命令有 create、analyze、translate、synthesize、mix、subtitles、
set-timing、install-backend 和 verify-asr。
- 安装指南：系统要求、安装方案、网络、离线包和卸载
- 使用指南：从建项目到配音、字幕和恢复任务
- 命令行参考：项目阶段、模型包、后端安装和自动化命令
- 配置参考：设置作用域和各项参数
- 后端指南：模型、API、硬件需求和组合方式
- 排障指南：安装、下载、模型、API 和输出问题
- 架构说明：项目结构、数据流和扩展边界
- ModelScope 制品维护：镜像仓库与发布校验
- 第三方软件与模型说明
- 贡献指南与安全策略
项目代码采用 MIT License。模型、运行时和云服务适用各自的许可证或服务条款， 其中 IndexTTS2 使用独立的 bilibili Model Use License。请确认你有权处理输入作品和参考声音， 并按适用规则标记合成内容。详见第三方软件与模型说明。