VideoLingo

项目简介

VideoLingo 是一款 AI 视频本地化工具，将语音识别、字幕翻译、分段、对齐和配音整合在 Streamlit 界面中。它会生成字幕文件，并可选择输出带字幕或配音的视频。翻译质量取决于源音频、语言和所选模型。

核心功能

• 智能字幕分段：利用 NLP 和 LLM 技术根据句意准确切分字幕，确保每组短语长度合适。
• 上下文感知翻译：GPT 总结并提取术语知识库，实现上下文连贯的翻译，使每句自然流畅。
• 三步翻译流程：直译、反思、意译，多重保障，质量可媲美专业字幕组翻译。
• 精准字幕对齐：使用 Qwen3-ASR 与 Qwen3-ForcedAligner 进行词级时间轴字幕识别，确保每个词准确同步。
• 高质量配音：支持多种 TTS 方案，包括 GPT-SoVITS 个性化配音，让视频更具吸引力。
• YouTube 视频下载：通过 yt-dlp 下载视频，并在 Streamlit 中一键启动和处理。

适用场景

• 通过生成翻译字幕和可选的配音音轨来本地化视频。
• 为视频创建双语字幕。
• 使用 GPT-SoVITS 或其他 TTS 方法以克隆声音为视频配音。
• 通过多语言字幕和配音工作流处理 YouTube 视频。

快速开始

• 在 Windows 上，从最新 Release 下载 Source code (zip)，解压到桌面或其他文件夹，双击 OneKeyStart.bat 并保持窗口打开；首次运行会自动安装 uv、Python 3.12、应用依赖和 FFmpeg，需要联网。
• 安装后 VideoLingo 会自动在浏览器中打开；在侧边栏输入 API URL、密钥和模型即可开始使用。
• 在 Windows、macOS 或 Linux 上从源码安装：克隆仓库后运行 uv run start.py。
• 使用 HTTP API 时，配置 config.yaml，并从项目根目录运行 uv run start.py --api。

部署与要求

• 支持 Windows、macOS（Apple Silicon / Intel）和 Linux。
• Windows 一键安装首次运行需要联网，并安装 uv、Python 3.12、应用依赖和 FFmpeg。
• Linux NVIDIA 容器 Docker 部署需要安装 Docker、兼容的 GPU 驱动和 NVIDIA Container Toolkit；镜像默认使用 Python 3.12 和 CUDA 12.8.1/cu128。
• 使用 LLM 需要 OpenAI 兼容的 Chat Completions 提供商和模型，并能返回工作流所需的结构化 JSON。
• 语音识别默认在本地运行 Qwen3-ASR 与 Qwen3-ForcedAligner，也可选择 ElevenLabs 或 MAI-Transcribe-2。

采用前须知

• 许可证：Apache-2.0。在使用、修改或分发项目前，请确认其具体条款。