Sponsors: Recall.ai - Meeting Transcription API

If you’re looking for a transcription API for meetings, consider checking out Recall.ai , an API that works with Zoom, Google Meet, Microsoft Teams, and more

pyVideoTrans

一款强大的开源视频翻译 / 语音转录 / AI配音 / 字幕翻译工具

English | 文档 | 在线问答

pyVideoTrans 致力于无缝地将视频从一种语言转换为另一种语言，包含语音识别、字幕翻译、多角色配音及音画同步等全套流程。支持本地离线部署与多种主流在线 API。

✨ 核心功能

• 🎥 全自动视频翻译: 一键完成：语音识别(ASR) -> 字幕翻译 -> 语音合成(TTS) -> 视频合成。
• 🎙️ 语音转录 / 字幕生成: 批量将音视频转为 SRT 字幕，支持 说话人分离，区分不同角色。
• 🗣️ 多角色 AI 配音: 支持根据不同说话人分配不同的 AI 配音角色。
• 🧬 声音克隆: 集成 F5-TTS, CosyVoice, GPT-SoVITS 等模型，支持零样本声音克隆。
• 🧠 强大的模型支持:
  • ASR: Faster-Whisper (Local), OpenAI Whisper, 阿里 Qwen, 字节火山, Azure, Google 等。
  • LLM 翻译: DeepSeek, ChatGPT, Claude, Gemini, MiniMax, Ollama (Local), 阿里百炼等。
  • TTS: Edge-TTS (免费), OpenAI, Azure, Minimaxi, ChatTTS, ChatterBox 等。
• 🖥️ 交互式编辑: 支持在识别、翻译、配音的每个阶段暂停并人工校对，确保精准度。
• 🛠️ 实用工具集: 包含人声分离、视频/字幕合并、音画对齐、文稿匹配等辅助工具。
• 💻 命令行模式 (CLI): 支持无头模式运行，方便服务器部署或批处理。

🚀 快速开始 (Windows 用户)

我们为 Windows 10/11 用户提供了预打包的 .exe 版本，无需配置 Python 环境。

1. 下载: 点击下载最新预打包版本
2. 解压: 将压缩包解压到一个 不包含中文、空格 的路径下 (例如 D:\pyVideoTrans).
3. 运行: 双击文件夹内的 sp.exe 启动。

注意:

• 请勿直接在压缩包内运行。
• 如需使用 GPU 加速，请确保安装 CUDA 12.8 和 cuDNN 9.11。

🛠️ 源码部署 (macOS / Linux / Windows 开发者)

推荐使用 uv 进行包管理，速度更快且环境隔离更好。

1. 前置准备

• Python: 建议版本 3.10 --> 3.12
• FFmpeg: 必须安装并配置到环境变量。
  • macOS: brew install ffmpeg libsndfile git
  • Linux (Ubuntu/Debian): sudo apt-get install ffmpeg libsndfile1-dev
  • Windows: 下载 FFmpeg 并配置 Path,或者直接将 ffmpeg.exe和ffprobe.exe放在项目目录下

2. 安装 uv (如果尚未安装)

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

3. 克隆与安装

# 1. 克隆仓库 (请确保路径无空格/中文)
git clone https://github.com/jianchang512/pyvideotrans.git
cd pyvideotrans

# 2. 安装依赖 (使用 uv 自动同步环境)
uv sync

# 如果需要 qwen-tts qwen-asr 本地渠道，请执行 `uv sync --extra qwen-tts --extra qwen-asr`

4. 启动软件

启动 GUI 界面:

uv run sp.py

使用 CLI 命令行:

详细参数说明查看文档

# 视频翻译示例
uv run cli.py --task vtv --name "./video.mp4" --source_language_code zh --target_language_code en

# 语音转字幕示例
uv run cli.py --task stt --name "./audio.wav" --model_name large-v3

5. (可选) GPU 加速配置

1. 如果您拥有 NVIDIA 显卡，请执行以下命令以安装支持 CUDA 的 PyTorch 版本：

# 卸载 CPU 版本
uv remove torch torchaudio

# 安装 CUDA 版本 (以 CUDA 12.x 为例)
uv add torch==2.7 torchaudio==2.7 --index-url https://download.pytorch.org/whl/cu128
uv add nvidia-cublas-cu12 nvidia-cudnn-cu12

2. 如果你使用AMD显卡，可查看该文档尝试加速

🧩 支持的渠道与模型 (部分)

📚 文档与支持

• 官方文档: https://pyvideotrans.com (包含详细教程、API配置指南、常见问题)
• 在线问答社区: https://bbs.pyvideotrans.com (提交报错日志，AI 自动分析回答)

⚠️ 免责声明

本软件为开源免费非商业项目，使用者需自行承担因使用本软件（包括但不限于调用第三方 API、处理受版权保护的视频内容）所产生的一切法律后果。请遵守当地法律法规及相关服务商的使用协议。

🙏 致谢

本项目主要依赖以下开源项目(部分)：

• FFmpeg
• PySide6
• faster-whisper
• openai-whisper
• edge-tts
• F5-TTS
• CosyVoice

Created by jianchang512