如何用 pyVideoTrans 实现视频翻译与 AI 配音从本地部署到批量处理的完整指南【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想把一部英文播客变成中文配音版本最烦的往往不是翻译本身而是流程碎片化要自己转字幕、翻译、找配音、再对齐音画任何一环出错都得重来一遍。pyVideoTrans 把「语音识别 → 字幕翻译 → AI 配音 → 视频合成」做成一条全自动流水线并支持完全本地部署一条命令跑完全部环节。为什么是它九段流水线和自由组合的引擎pyVideoTrans 的定位是「视频本地化流水线」而不只是字幕工具。它在 videotrans/task/ 下把处理拆成9 个独立阶段预处理、识别、说话人分离、翻译、配音、音画对齐、二次识别、合成、收尾用 5 个布尔标志位决定哪些阶段执行——这意味着同一个引擎既能做完整视频翻译也能单独做语音转字幕或字幕翻译互不干扰。第二层差异化是引擎自由组合识别、翻译、配音三层各自独立可选本地模型Faster-Whisper、M2M100、Edge-TTS和在线 API 可以按任务混搭。敏感内容走全离线链路追求效果走云端模型同一套配置体系切换即可。核心能力拆解三层引擎分别能做什么语音识别ASR约 30 个引擎从本地跑的 Faster-Whisper默认 large-v3-turbo速度快、离线可用到 WhisperX/Parakeet支持时间戳对齐与说话人分离再到在线的阿里 Qwen、字节火山、Azure、Google。实现集中在 videotrans/recognition/每个引擎一个文件。翻译18 个渠道覆盖两种路线——传统机翻Google、Microsoft快且便宜和LLM 翻译DeepSeek、ChatGPT、Gemini支持上下文理解口语更自然还可用 Ollama 接本地模型做全离线翻译。源码在 videotrans/translator/。AI 配音TTS37 个引擎是三层里最丰富的一层。免费的Edge-TTS零成本起步F5-TTS、CosyVoice、GPT-SoVITS 支持声音克隆——提供 5~10 秒人声样本即可复刻音色仓库内 f5-tts/ 还内置了几条参考音频。语速、音量、音高均可调并可用voice_autorate自动变速贴合原片时长。说话人分离Diarization自动识别视频里有几个说话人把字幕按角色归类标注再为每个角色分配不同配音声音。开会、访谈这类多人场景对话不再「一个声音念到底」。多种运行形态GUI 桌面界面可暂停、逐条人工校对、CLI 命令行服务器无头批处理、WebUI 浏览器界面内网远程访问、Docker 容器化部署。四种形态共用同一套参数体系。三步跑通从克隆到出片第一步装好环境。前置依赖是 Python 3.10 和 FFmpeg源码部署推荐用uv管理依赖git clone https://gitcode.com/gh_mirrors/py/pyvideotrans cd pyvideotrans uv sync第二步启动或执行任务。Windows 用户也可以直接下载官方 exe 包解压到纯英文路径后双击sp.exe跳过所有安装步骤。第三步选引擎出片。GUI 里依次选识别引擎、翻译引擎、配音角色点开始即可CLI 用户一条命令完成翻译配音uv run cli.py --task vtv --name ./video.mp4 \ --source_language_code zh-cn --target_language_code en \ --voice_role en-US-GuyNeural四个任务类型对应四件事vtv视频翻译、stt语音转字幕、sts字幕翻译、tts文字配音完整参数说明见 docs/cli.md。场景配方四类常见任务的引擎组合场景识别翻译配音关键参数课程/科普视频出海Faster-WhisperDeepSeekEdge-TTS开「分离人声背景声」降低 BGM 干扰影视多角色翻译阿里 QwenChatGPTF5-TTS启用说话人分离 声音克隆会议录音转录WhisperX——--enable_diariz --nums_diariz 2全离线数据敏感本地 WhisperOllama M2M100Piper无需任何 API Key几个可以照抄的组合逻辑成本敏感就用「本地 ASR Edge-TTS」全程不花钱质量优先就上「在线 ASR LLM 翻译 克隆 TTS」多人对话记得开--enable_diariz否则所有角色共用一个声音观感会明显割裂。选型速查表引擎怎么挑你的需求推荐引擎成本部署位置离线识别平衡速度Faster-Whisper (medium)免费本地离线识别最高精度large-v3免费本地需 8GB 显存口语化、高质量翻译DeepSeek / ChatGPT按量付费在线零成本配音Edge-TTS免费在线声音克隆F5-TTS / CosyVoice免费本地需 GPU 更佳完全断网环境Whisper M2M100 Piper免费全本地避坑与进阶三个高频问题启动慢 ≠ 卡死。GUI 基于 PySide6首次初始化要 5 秒到 2 分钟属正常现象路径必须纯英文无空格D:\pyVideoTrans可以D:\视频 工具不行。杀毒软件报毒多为 PyInstaller 无签名的误报加入白名单即可。模型大小是速度/精度开关。tiny快但粗糙large-v3精度最高但吃 8GB 显存普通核显建议small/medium。视频里有专有名词时在高级选项里填热词逗号分隔能明显提升识别率带 BGM 的视频勾选「分离人声背景声」。输出画质与体积靠重编码参数控制。想要尽量无损原片用 H.264 MP4、不嵌硬字幕、不勾「自动慢速」文件太大就把「视频输出质量控制」调大25~51或改用 265 编码。所有参数在「菜单 → 工具 → 高级选项」里详细条目见 docs/faq.md。想扩展新引擎也简单在 videotrans/recognition/、videotrans/translator/ 或 videotrans/tts/ 里仿照现有基类加一个文件即可docs/dev_extend.md 有完整的接入步骤。写在最后个人用户装好 exe、挑两个免费引擎十分钟就能出第一条配音视频需要规模化的团队用 CLI 加 cron 就能搭起无人值守的翻译流水线。从本地到云端pyVideoTrans 给出的不是单点工具而是一条可裁剪的视频本地化流水线。【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