一键字幕识别+翻译+配音=带新语言字幕和配音的视频。

免费开源的视频翻译、配音、生成字幕工具，整合了很多大模型，功能做的很全，真的很感谢这些开源作者，有些大模型没有GUI，对于小白很不友好，这种整合真的方便了很多，一个软件一条龙就把问题解决了。

曾几何时，找个中文字幕是那么的难，现在虽然是机翻的，但是少大概意思能明白！

这是一个视频翻译配音工具，可将一种语言的视频翻译为指定语言的视频，自动生成和添加该语言的字幕和配音。

语音识别使用 faster-whisper openai-whisper 离线模型.

文字翻译支持 microsoft|google|baidu|tencent|chatGPT|Azure|Gemini|DeepL|DeepLX|离线翻译OTT

文字合成语音支持 Microsoft Edge tts Openai TTS-1 Elevenlabs TTS 自定义TTS服务器api GPT-SoVITS clone-voice

允许保留背景伴奏音乐等(基于uvr5)

支持的语言：中文简繁、英语、韩语、日语、俄语、法语、德语、意大利语、西班牙语、葡萄牙语、越南语、泰国语、阿拉伯语、土耳其语、匈牙利语、印度语

除了这个核心功能，还附带其他一些工具：

• 语音识别文字：可将视频或者音频中的声音识别为文字，并可以导出为字幕文件。
• 音频视频分离：可将视频分离为一个无声视频文件和一个音频文件
• 文字字幕翻译：可将文字或srt字幕文件，翻译为其他语言
• 视频字幕合并：可将字幕文件嵌入到视频中
• 音频视频合并：可将视频文件、音频文件、字幕文件三者合成为一个文件
• 文字合成语音：可将任意文字或srt文件，合成为一个音频文件。

这个工具原理是什么呢：

输入视频后，先使用 ffmpeg 分离出音频文件和无声mp4，然后用 faster-whisper 将该音频中的人声识别为文字，接着将文字翻译为目标语言并保存为srt字幕文件，再把翻译结果文字合成为语音并保存为配音音频文件。

最后将无声mp4、配音音频文件、字幕srt文件合并为一个视频文件，即完成。

当然中间步骤更复杂些，比如抽离背景音乐和人声、字幕声音对齐、字幕画面对齐、原时长和配音时长对齐、ffmpeg使用GPU加速、不标准mp4视频处理等。