让每一帧画面都能美妙地表达
智能音视频字幕生成与多语言翻译批量化解决方案
它保留了之前 VideoSubtitleGenerator 这个命令行工具的全部特性，并新增了以下功能:
- 支持多种视频/音频格式生成字幕
- 支持对生成的字幕，或者导入的字幕进行翻译
- 本地化处理，无须上传视频，保护隐私的同时也拥有更快的处理速度
- 支持多种翻译服务:
- 自定义字幕文件名，方便兼容不同的播放器挂载字幕识别
- 自定义翻译后的字幕文件内容，支持纯翻译结果或原字幕+翻译结果
- 支持硬件加速
- NVIDIA CUDA（Windows/Linux）
- Apple Core ML（macOS M系列芯片）
- 支持运行本地安装的
whisper命令 - 支持自定义并发任务数量
因为本人使用的是苹果芯片，缺少 window CUDA 的开发环境，对于 CUDA 的支持，开发测试都存在较多场景无法兼顾的情况。
- 目前提供了 CUDA 11.8.0 和 12.2.0 及 12.4.1 版本的编译，是通过 github action 自动编译的，可能存在环境的兼容问题
- 要启用 CUDA，需要确定自己的电脑支持 CUDA, 并安装了 CUDA toolkit. CUDA download
- CUDA toolkit 的版本理论上是向后兼容，请根据你显卡支持的版本，选择合适的版本
- 如果下载 generic 使用有问题，可以下载 optimized 版本，这个版本是针对各个系列显卡的优化版本，兼容性更强
从 1.20.0 版本开始，在苹果芯片上，支持使用 Core ML 加速语音识别。如果是苹果芯片，请下载 mac arm64 版本的 release 包。将会自动启动 Core ML 加速。
本项目支持多种翻译服务，包括百度翻译、火山引擎翻译、DeepLX、Ollama 本地模型以及 OpenAI 风格的 API。使用这些服务需要相应的 API 密钥或配置。
对于百度翻译、火山引擎等服务的 API 申请方法，可以参考 https://bobtranslate.com/service/ ，感谢 Bob 这款优秀的软件提供的信息。
从视频或者音频里面，生成字幕文件，需要使用到 whisper 的模型。 whisper 的模型有多种，不同的模型，生成字幕的准确性不同，处理速度也不同。
- 模型越大，准确性越高，对显卡要求也高，处理速度越慢
- 低端设备或者显卡，推荐
tiny或者base系列的模型，准确性虽然不如large系列，但是处理速度快，占用显存小 - 普通电脑设备，建议从
small或者base开始，平衡精度与资源消耗 - 对于高性能显卡/工作站，推荐使用
large系列的模型，准确性高 - 如果原始音视频是英文，推荐使用带
en的模型，专为英语优化，减少多语言干扰 - 如果在乎模型大小，可以考虑使用
q5或者q8系列的模型，相对于非量化版本，牺牲少量精度换取更小体积
请根据自己的电脑系统，芯片，显卡，选择下载对应安装包。
- 带 generic 的版本，是通用的版本，理论上支持常见的显卡
- 带 optimized 的版本，是优化版本，提供了针对各个系列显卡的优化，兼容性更强
| 系统 | 芯片 | 显卡 | 下载安装包 |
|---|---|---|---|
| Windows | x64 | CUDA >= 11.8.0 < 12.0.0 | windows-x64_cuda11.8.0 |
| Windows | x64 | CUDA >= 12.4.1 | windows-x64_cuda12.4.1 |
| Windows | x64 | CUDA >= 12.2.0 | windows-x64_cuda12.2.0 |
| Windows | x64 | 无 CUDA | windows-x64_no_cuda |
| Mac | Apple | 支持 CoreML | mac-arm64 |
| Mac | Intel | 不支持 CoreML | mac-x64 |
- 前往 release 页面根据自己的操作系统下载安装包
- 安装并运行程序
- 下载模型
- 在程序中配置所需的翻译服务
- 选择要处理的音视频文件或字幕文件
- 设置相关参数（如源语言、目标语言、模型等）
- 开始处理任务
1️⃣ 克隆本项目在本地
git clone https://github.com/buxuku/video-subtitle-master.git2️⃣ 在项目中执行 yarn install 或者 npm install
cd video-subtitle-master
yarn install 如果是 windows 平台，请前往 https://github.com/buxuku/whisper.cpp/releases/tag/latest 下载对应的 node 文件，并重命名为 addon.node , 覆盖放在 extraResources/addons/ 目录下。
3️⃣ 依赖包安装好之后，执行 yarn dev 或者 npm run dev 启动项目
yarn dev因为模型文件比较大，如果通过该软件下载模型会存在难以下载的情况，可以手动下载模型并导入到应用中。以下是两个可用于下载模型的链接：
-
国内镜像源（下载速度较快）： https://hf-mirror.com/ggerganov/whisper.cpp/tree/main
-
Hugging Face 官方源： https://huggingface.co/ggerganov/whisper.cpp/tree/main
如果是苹果芯片，需要同时下载模型对应的 encoder.mlmodelc 文件。并解压出来放在模型相同目录下。（如果是 q5 或者 q8 系列的模型，无须下载该文件）
下载完成后，您可以通过应用的"模型管理"页面中的"导入模型"功能将下载的模型文件导入到应用中。或者直接复制到模型目录里面即可。
导入步骤：
- 在"模型管理"页面中，点击"导入模型"按钮。
- 在弹出的文件选择器中，选择您下载的模型文件。
- 确认导入后，模型将被添加到您的已安装模型列表中。
在终端中执行以下命令：
sudo xattr -dr com.apple.quarantine /Applications/Video\ Subtitle\ Master.app然后再次运行应用程序。
👏🏻 欢迎提交 Issue 和 Pull Request 来帮助改进这个项目！
⭐ 如果您觉得这个项目对您有帮助，欢迎给我一个 star，或者请我喝一杯咖啡（请备注你的 github 账号）。
👨👨👦👦 如果您有任何使用问题，欢迎加入微信交流群，一起交流学习。
| 支付宝收款码 | 微信赞赏码 | 微信交流群 |
|---|---|---|
 |
 |
 |
本项目采用 MIT 许可证。详情请见 LICENSE 文件。
