pyVideoTrans 视频翻译配音从部署到 3 个零成本配方一篇文章跑通【免费下载链接】pyvideotransTranslate the video from one language to another and embed dubbing subtitles.项目地址: https://gitcode.com/gh_mirrors/py/pyvideotranspyVideoTrans 是开源视频翻译配音工具把外语视频丢进去出来的是翻译好的字幕加 AI 配音的新视频。它解决的是字幕工具只管翻文字的痛点——对齐、配音、合成这些脏活它替你做不用手动抠时间轴。⚡ 两条路线最快把 pyVideoTrans 跑起来开箱即用Windows 10/11 用户下载打包版解压到无中文、无空格的路径如D:\pyVideoTrans双击sp.exe启动全程不装 Python 环境。源码部署macOS / Linux / 想自己改配置的开发路线前提是装好 FFmpeg 和 uv三条命令搞定git clone https://gitcode.com/gh_mirrors/py/pyvideotrans cd pyvideotrans uv sync uv run sp.py # 图形界面 uv run webui.py # 浏览器界面需先 uv sync --extra webui第一次操作四步拖入视频文件 → 选源语言和目标语言 → 挑一个翻译引擎和一个配音引擎 → 点开始翻译。识别、翻译、配音、合成会自动排队跑完结果落在output目录。流水线篇一个视频进去后经历的 9 个阶段丢进去的 mp4 不是被翻译一下而是走完9 个阶段的流水线这是 docs/architecture.md 里写明的流程预处理拆出无声视频流和原始音频音频统一转成 16k 单声道 wav语音识别调 ASR 引擎20 多种默认 Faster-Whisper产出带时间戳的 SRT代码在 videotrans/recognition/说话人分离可选分辨几个人在说给每条字幕打上说话人标签字幕翻译走30 多种翻译渠道翻成目标语言代码在 videotrans/translator/TTS 配音调 TTS 引擎34 种以上逐条生成配音音频支持声音克隆代码在 videotrans/tts/音画对齐配音超速就慢放视频、去字幕间隙静音保证口型节奏二次识别可选对配音再跑一遍识别字幕轴精确到短句最终合成无声视频流 配音 背景音 字幕用 ffmpeg 合出成片收尾文件移入输出目录、清理缓存、发完成通知架构思路一句话模块化流水线加插件化引擎五个布尔标志位should_recogn、should_trans、should_dubbing等决定哪些阶段跳过——只出字幕还是出配音片全靠开关组合。 配方篇三个场景直接照抄场景适合谁识别翻译配音选它的理由英文教学视频转中文教师 / 内容创作者Faster-Whisper本地DeepSeekLLMEdge-TTS免费本地识别断网可用LLM 翻得顺配音零成本电影电视剧配音影视爱好者阿里 Qwen3-ASRChatGPTF5-TTS 声音克隆对白质量优先克隆嗓音贴近原角色会议录音转录企业用户WhisperX支持说话人分离不需要sts 单步Edge-TTS 分角色开--enable_diariz自动区分发言人会议录音批量转录说话人分离把不同发言人分开各自分配配音角色。整目录批量跑用一行命令通配符直接写在--name里uv run cli.py --task vtv --name D:/videos/*.mp4 \ --source_language_code zh --target_language_code en \ --voice_role en-US-GuyNeural教学视频配音的完整命令长这样四个关键参数抄走就能用uv run cli.py --task vtv --name ./video.mp4 \ --source_language_code en --target_language_code zh \ --tts_type edge --voice_role zh-CN-XiaoxiaoNeural选型篇不知道选什么引擎时查这张表需求推荐选项一句话理由适合谁英文语音识别Faster-Whisper本地跑、快、准断网也能用隐私敏感 / 网络不稳中文语音识别阿里 Qwen3-ASR中文识别准确率高中文内容转录高质量翻译DeepSeek便宜质量接近人工创意 / 文学内容快速翻译Google / Microsoft老牌机翻响应快成本低技术文档、简单内容免费配音Edge-TTS完全免费自然度够用预算有限的个人个性化配音F5-TTS / CosyVoice丢 5~10 秒人声样本即可克隆要特定嗓音的商业场景完全离线Ollama M2M100翻译也全程本地内网 / 隔离环境拿不准就别纠结先跑 Faster-Whisper DeepSeek Edge-TTS 这套默认稳组合跑通全流程后再按需求换引擎。调优篇效果不满意时动这三个开关识别听不准症状是环境嘈杂、背景音串音 → 识别面板开降噪CLI 加--remove_noise症状是断句乱、专有名词错 → 开标点恢复--fix_punc和 LLM 重新断句--rephrase对应源码在videotrans/component/onlyone_set_recogn.py翻译太机翻腔症状是句子生硬、不贴上下文 → 把 Google 这类机翻渠道换成 DeepSeek、ChatGPT 这类 LLM 渠道创意文案尤其明显NVIDIA 显卡没利用上CPU 版 PyTorch 换成 CUDA 版识别和 TTS 明显提速uv remove torch torchaudio uv add torch torchaudio --index-url https://download.pytorch.org/whl/cu128 uv add nvidia-cublas-cu12 nvidia-cudnn-cu12进阶篇用熟之后的三个玩法多语言批量出片同一视频换--target_language_code跑几条命令一次产出中、英、日多版本直接进定时任务当国际化发布流水线品牌音色用 F5-TTS 克隆一段品牌标准音套用到所有宣传视频上声音识别度统一双语学习材料外语视频保留原声、叠加目标语配音和双语字幕--subtitle_type选双语直接当听写材料用项目按模块拆得很干净识别、翻译、配音各自独立成目录videotrans/task/里是那 9 个阶段的流水线代码。想加新引擎照着对应目录里现有实现抄一份填上参数就行欢迎直接提 PR 贡献新渠道。【免费下载链接】pyvideotransTranslate the video from one language to another and embed dubbing subtitles.项目地址: https://gitcode.com/gh_mirrors/py/pyvideotrans创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考