TsumugiSub

给音声字幕翻译的时候，不方便用电脑，在手机上改发现没有合适的软件

就借助AI做了一个，功能参考了subtitle edit，操作逻辑主要根据个人使用习惯来做

目前主要完善基础的字幕编辑功能，一边做新功能一边优化操作逻辑一边修bug

新功能想到啥做啥，有需求可以提issue，看到了会优先考虑实现

• 多格式支持: 支持 SRT、LRC、WebVTT、TXT 格式
• 可视化编辑: 点击即可编辑时间轴和字幕文本
• 时间偏移: 支持批量的毫秒/秒/分/时级别的时间调整
• 多选操作: 支持批量选择、复制、粘贴、删除
• 源视图模式: 直接查看编辑原始文本内容
• 格式转换:支持批量转换 SRT、LRC、WebVTT 字幕格式，支持视频格式转化
• 音频对照:可打开音频，根据波形图快速调整字幕时间轴，支持mp3，wav，flac等格式
• 快速打轴:可以在波形图界面快速插入字幕
• 快速转录:可以针对部分字幕所在时间段进行局部的语音转文字，用于对照参考
• 快速翻译:编辑界面对于选中字幕快速翻译和修改应用
• 快速TTS:朗读选中字幕，用于对照参考

• 多模型支持:支持 Whisper、SenseVoice 等 sherpa-onnx ASR 模型
• 多媒体输入:支持选择音频或视频文件，可进行批量处理
• 多格式输出:支持生成 SRT、LRC、TXT 字幕
• 语音分段:支持使用 VAD 检测语音片段，也可调整相关识别参数
• 运行控制:显示识别进度和详细日志，支持运行中取消

• 语音检测:使用 VAD 自动检测音频中的语音片段
• 时间轴生成:根据检测结果生成字幕时间轴
• 格式支持:支持将时间轴保存为多种字幕格式

• 本地分离:使用 HTDemucs ONNX 模型在设备本地进行音轨分离
• 多音轨输出:支持输出 Vocals、Drums、Bass、Other
• 模型兼容:支持通用四轨模型和 FT 单音轨模型
• 智能选择:单音轨优先使用对应 FT 模型，多音轨使用通用模型一次输出
• 运行控制:显示分块进度和详细日志，支持运行中取消

• 格式转换:支持常用音频和视频格式之间的转换
• 音频提取:支持从视频文件中提取音频
• 输出管理:可选择输出目录并处理同名文件冲突

• 快速翻译:对选中的字幕进行翻译、预览和应用
• 服务配置:支持配置 AI 平台、API Key、模型和语言
• 流式翻译:字幕顺序发送，并在同一对话上下文中继续翻译

• 文本转字幕:提供txt文本和对应音频文件,可以一键输出带准确时间戳的字幕文件

• 内置文件浏览器，方便查找文件
• 支持多种文本编码 (UTF-8, GBK, BIG5 等)
• 音频文件对于同名的多个字幕格式可以选择性打开

• 手动保存编辑草稿
• 随时恢复未完成的编辑

• JDK 17
• Android SDK 26+

1. 克隆项目

   git clone https://github.com/nihaina/SubtitleEditforAndroid
   cd SubtitleEditforAndroid

2. 打开项目

3. 同步 Gradle 依赖

4. 构建 Debug APK（普通版或 QNN 版）

   ./gradlew :app:assembleStandardDebug  # 不包含 QNN 运行库
   ./gradlew :app:assembleQnnDebug       # arm64 QNN 版

   Release 构建使用对应的 assembleStandardRelease 和 assembleQnnRelease 任务。导出的 APK 位于 app/build/outputs/apk/<flavor>/<buildType>/export/，普通版提供所有 ABI，QNN 版仅提供 arm64-v8a APK。

5. 运行应用

1. 在主界面浏览并选择字幕或音频文件
2. 点击文件进入编辑界面
3. 点击时间轴或文本进行编辑
4. 长按字幕显示更多操作选项
5. 选择字幕后点击“对勾选字幕操作”进入二级菜单，只对选择字幕修改
6. 无论有没有选择字幕，只要没有通过“对勾选字幕操作”进行修改，所有修改将只对当前长按字幕有影响
7. 如果有音频文件，可以在波形图视图拖拽字幕快速修改时间戳
8. 在波形图视图长按快速打轴按钮，移动播放头，即可快速打轴
9. 记得用草稿箱备份并及时保存

1. 进入批量转换页面
2. 选择目标格式
3. 选择要转换的文件
4. 选择输出路径
5. 点击开始转换

1. 在设置中配置 AI API Key
2. 在编辑器中选择要翻译的字幕
3. 长按选择"AI 翻译"
4. 预览并应用翻译结果

1. 根据帮助下载对应模型文件：sherpa-onnx ASR 模型
2. 将模型文件解压并放入方便查找的文件夹
3. 在模型配置中选择对应的模型文件
4. 可根据实际需求在模型设置中设置 VAD 参数或更换 VAD 模型
5. 选择需要转录的音频或视频文件，根据需求选择语言、格式和输出目录，然后开始转换

欢迎提交 Issue 和 Pull Request！

本项目采用 GPL-3.0 License 授权

第三方组件的版权与许可信息见 THIRD_PARTY_NOTICES.md。

本项目在开发过程中，部分核心功能基于以下项目实现，感谢大佬的开源！

语音转字幕：github.com/k2-fsa/sherpa-onnx

人声分离：github.com/demixr/demixr-app

本地llm：github.com/andriydruk/LMPlayground

播放器模式，定时播放，定时关闭等功能

在线模式，可以在软件里在线搜索音声并下载

软件内的USB独占

添加音频无损切割，无损合并

视频字幕的相关工作流程适配

更多字幕格式适配

批量重命名

声音方向识别

部分功能使用悬浮窗进行快捷操作

......