ASMR Dubber：为日语/英语音视频制作中文配音、字幕和双语音频

[EveningStudy]

ASMR Dubber 是 Whisper 生态中的一个完整应用：用 Whisper 系列后端识别音视频，再继续完成字幕校对、中文翻译、配音、混音和字幕导出。

项目地址：https://github.com/EveningStudy/asmr-dubber
B站介绍与效果演示：https://www.bilibili.com/video/BV1f43G6YEov

自荐一个最近在做的开源工具 ASMR Dubber。

它主要用来处理日语、英语音频和视频。可以先进行语音识别或者导入已有字幕/台本，再翻译成中文，最后生成中文字幕、中文配音或者双语音频。

和普通字幕工具相比，我比较想解决的听同人音声的时候“听不懂原音声”的问题：程序会保留原声，再按照原来的时间轴把中文配音混入进去。这样既可以继续听原本的声音、语气和环境音，也能直接听懂内容。我觉得效果还是挺好的。

配音支持 IndexTTS2、GPT-SoVITS、CosyVoice、Fish Speech / Fish Audio、Edge TTS 等本地或云端方案，可以根据使用的模型进行音色克隆；语音识别支持 Parakeet、Kotoba-Whisper、Faster-Whisper 和通用 ASR API；翻译可以接入 DeepSeek、OpenAI、Claude、Gemini、DeepL 等服务。

目前还支持：

• 导入 SRT、VTT、ASS/SSA、LRC 和纯文本台本
• 导出中文或双语 SRT/LRC 字幕
• 将中文配音和原声混合，也可以只导出中文音轨
• 批量扫描和处理包含多个音轨的 DLsite 作品
• 保存项目进度和已经生成的配音缓存，失败后可以继续处理
• Windows 10/11 和 x86_64 Linux

README 中也放了实际效果演示。

如果平时会处理日语/英语音声、字幕或者配音，可以试试看。项目目前还在继续完善，也欢迎 Issue、反馈和 PR。