讀取本地影片或音訊檔(mp4 / mp3 / wav / m4a ...),自動完成三件事:

1. 產出字幕文字檔 — 用 faster-whisper 語音辨識,輸出 .srt(含時間軸)與 .txt(純文字)
2. 翻譯成繁體中文 — 輸出 .zh-TW.srt 與 .zh-TW.txt,並用 OpenCC s2twp 統一為台灣慣用語
3. 燒錄繁中字幕 — 用 ffmpeg 把字幕硬壓進影片,輸出 .zh-TW.mp4

mp3 等純音訊檔也支援:會自動產生深色背景影片再壓上字幕。

目前僅在 Windows 上開發與測試(字幕燒錄預設使用 Windows 內建的「微軟正黑體」)。

• Windows 10/11 + Python 3.10 以上(本專案以 3.12 開發)
• ffmpeg(需自行下載,見下方安裝步驟——不包含在本專案內,因體積過大)

git clone https://github.com/<your-username>/VideoSubtitler.git
cd VideoSubtitler

py -3.12 -m venv .venv
.venv\Scripts\python -m pip install -r requirements.txt

1. 到 BtbN/FFmpeg-Builds releases 下載 ffmpeg-master-latest-win64-gpl.zip

2. 解壓縮後,將整個資料夾(例如 ffmpeg-master-latest-win64-gpl)放到專案的 tools/ 資料夾下,使 tools/ffmpeg-*/bin/ffmpeg.exe 存在

   或者,直接把 ffmpeg 安裝到系統並加入 PATH,程式會自動偵測。

不想準備自己的影片?專案內附兩個合成測試素材(純語音朗讀 + 純色背景,無版權疑慮),可以直接跑一次看效果:

.venv\Scripts\python main.py samples\test_video.mp4

執行完成後,output/ 資料夾會出現 test_video.zh-TW.mp4(已燒錄繁中字幕的影片)。

# 一鍵完成三步驟(辨識 → 翻譯 → 燒錄)
.venv\Scripts\python main.py "D:\影片\demo.mp4"

# mp3 也可以
.venv\Scripts\python main.py "D:\音樂\podcast.mp3"

# 只做某幾步
.venv\Scripts\python main.py demo.mp4 --steps transcribe
.venv\Scripts\python main.py demo.mp4 --steps translate,burn

範例:黃色粗體字幕、字級 28、顯示在畫面上方

.venv\Scripts\python main.py demo.mp4 --font-color FFFF00 --bold --font-size 28 --position top

• google — 免費 Google 翻譯,再經 OpenCC s2twp 統一為台灣正體用語,免金鑰
• claude — 用 Anthropic Claude API(claude-opus-4-8)翻譯,品質最佳,能理解上下文與口語語氣。需自行申請並設定環境變數 ANTHROPIC_API_KEY
• opencc — 純簡轉繁,只適合來源本來就是簡體中文的影片
• auto — 有設定 ANTHROPIC_API_KEY 時自動用 claude,否則用 google

以 demo.mp4 為例,輸出到 output/:

Whisper 辨識或翻譯偶爾會出錯(聽錯字、翻譯不通順)。output/ 資料夾裡的字幕檔就是純文字檔,可以直接編輯修正,不需要重新跑整個流程。

1. 用文字編輯器(記事本、VS Code 皆可)打開 output/影片名.zh-TW.srt,內容格式如下:

   2
   00:00:08,480 --> 00:00:16,640
   人工智慧使這個過程變得非常簡單。感謝您的觀看，我們下次再見。
   

   數字下一行是時間軸(開始 --> 結束),再下一行才是字幕文字。找到涵蓋你要修正時間點的那一段,直接改文字、存檔。

2. 只重新執行燒錄步驟,不用重跑辨識與翻譯:

   .venv\Scripts\python main.py demo.mp4 --steps burn

   這會直接讀取你剛剛手動修正的 demo.zh-TW.srt 重新燒錄,速度比整套重跑快很多。

如果錯字是辨識階段聽錯(原文就錯了),要修正的是 demo.srt,改完後執行 --steps translate,burn 讓翻譯跟著重新產生;如果只是翻譯用詞不通順、原文沒問題,直接改 demo.zh-TW.srt 再 --steps burn 即可。

想要有時間軸拖拉介面而不是純文字編輯,可以用免費的 Aegisub 或 Subtitle Edit 開啟 SRT 檔案。

VideoSubtitler/
├── main.py              # 命令列進入點,串接三個步驟
├── subtool/
│   ├── transcribe.py    # 步驟 1:faster-whisper 語音辨識
│   ├── translate.py     # 步驟 2:翻譯成繁體中文
│   ├── burn.py          # 步驟 3:ffmpeg 燒錄字幕
│   └── ffmpeg_utils.py  # ffmpeg 執行檔偵測
├── samples/              # 合成測試素材(無版權疑慮)
├── requirements.txt
└── tools/                # 放置自行下載的 ffmpeg(已加入 .gitignore)

• 目前一次只能處理一個檔案,沒有批次處理功能
• 字幕斷句直接沿用 Whisper 原始分段,長句可能單行字幕偏長
• 只支援硬字幕(燒錄進畫面),沒有輸出可開關的軟字幕選項
• 未做配音/口譯功能
• 僅在 Windows 上驗證過

如果需要更完整的功能(YouTube 下載、批次處理、智慧斷句、配音等),可以參考 VideoLingo 或 subsai。

• 本專案採用 MIT License
• ffmpeg 本身採用 GPL/LGPL 授權,請依 ffmpeg 授權條款自行下載使用,不包含在本專案內
• 請確保你有權處理輸入的影片內容。 本工具只是自動化字幕流程,轉譯、翻譯、燒錄產生的檔案版權歸屬仍取決於原始影片內容的授權狀態,使用者需自行負責

• faster-whisper — 語音辨識
• OpenCC — 簡繁轉換
• deep-translator — 翻譯介接
• FFmpeg — 影音處理與字幕燒錄