找不到好用的视频生成字幕及翻译字幕软件，于是我开源了一款

[buxuku2008]

[!TIP]

客户端版本地址： https://github.com/buxuku/video-subtitle-master ，欢迎大家使用体验

自己之前下载了一些外文视频（我说是学习视频，而非岛国视频，你信吗？哈哈！），没有字幕，希望能够添加字幕文件，同时也能够将字幕文件翻译成中文， 还希望能够通过批量处理的方式来减轻工作量。

类似需求，有一批厂商已经提供到了支持，比如 讯飞听见， 网易见外 等，但这些在线服务都涉及到视频的上传动作，效率相对比较低下。

希望能够找一个客户端工具，在本地来生成，试用了一些工具（ Mac 平台），依然不理想

• Buzz 非 Store 版本没有对 apple silicon 做优化，字幕生成速度比较慢，也不支持翻译
• MacWhisper 免费版本只支持单个生成，不支持批量，不支持翻译
• WhisperScript 可以批量生成，但字幕文件需要手动一个个地保存，不支持翻译
• memo.ac 做了 mac 下的性能优化，可以使用 GPU ，也支持翻译功能，非常棒的一款软件，但目前批量模式有一些 bug ，无法正常使用

找不到好用的，干脆就自己来写个工具吧，因为自己是做前端的，想到的就是用 Nodejs 写脚本来批量处理实现。核心流程就是通过 ffmpeg 提取音频，通过 whisper 生成字幕文件，通过翻译 api 把字幕文件翻译成中文字幕文件，然后就可以在播放器里面挂载字幕了。

我把这个工具开源了，地址： https://github.com/buxuku/VideoSubtitleGenerator ， 后面非常荣幸得到了一峰大佬的推荐，一峰大佬的影响力果然非同凡响，推荐之后，这个项目的 star 数直线蹭蹭上涨，一下子就得到了 300 多 star, 给我了很大的鼓舞。

同时，我也发现，小工具，自己用用很简单，但要把它开源，做成好用的产品，还是有一定难度的，比如我这个小工具，要使用它，需要在电脑上提前安装好 whisper 和 ffmpeg, 这本身就有一点门槛了。

于是我进行了迭代了，把 whisper 和 ffmpeg 集成到了工具里，不需要用户下载了，减少了很多步骤，但它依然还是一个命令行的工具，需要在终端里面使用，同时修改配置也需要在配置文件里面进行修改，使用上还是有一些难度的。

进一步想想，那我干脆把它做一个客户端工具好了，所有的配置操作都可视化， 这样使用上就没有什么门槛了，大家使用起来也非常方便了。

啃了一下 electron 的文档，集成 ffmpeg, 通过 nextjs + shadcn + tailwindcss 写前端页面，把整个命令行工具的能力集成到了这个客户端工具里面。整体效果如下图：

当然，它还只是一个初始版本，也非常欢迎 V 友们尝试使用，提出宝贵的意见和建议，我将持续更新迭代，让它能够更好地帮助到有需要的朋友们。

这是项目的地址： https://github.com/buxuku/video-subtitle-master 欢迎 V 友赐 star 一枚🤝

当前已经支持了 windows 系统。欢迎大家帮忙测试体验。

[skyqiao]

👍 以前需要过，用了飞书妙记。

[yangwcool]

有没有 windows 版的计划？

[zhw2590582]

试试： https://aimu.app

[Nosub]

作为一个字幕软件开发者有感而发。

为啥国内的开发者都在卷套壳（套 whisper ），不卷底层技术，比如视频播放器，时间轴，字幕编辑器。

我不是鄙视国内开发者没有技术水平，而是过于浮躁；

重复造轮子并没有解决任何问题；

我不想说批量生成视频字幕是伪需求，请问什么人需要批量生成视频字幕呢？

字幕制作本身就是一个精细化的流程，并不是求快的结果；

就像楼上所说的，你用 whisper 再怎么 CPU/GPU 加速，有飞书妙记和剪映快和效果好吗。

这本身就是本末倒置，用一个效率更低的生产工具替代一个更好的工具，比如：剪映；

[Ericxiaoshuang]

@Nosub 国内这机吧土地，卷的首先是生存问题，然后才可能闲心搞技术
伪需求？看应用场景，海外电动汽车，火箭，星链互联网，脑机接口，

[renmu]

@Nosub 其实楼主不是一个字幕软件者，他只是一个想要翻译字幕的人，他不需要对字幕的准确性负责。
我曾看到过下载 YouTube 视频提取字幕编码上传一条龙的工具，我不知道除了垃圾搬运号谁还需要这种工具

[Ericxiaoshuang]

@Ericxiaoshuang 国内尽是些红包，微商，搬运剪辑，真的是能力不行么？ icp 备案，404 ，烂尾楼，哪一个不是往死里整
纯技术层面来说，剪映再好，也无法个性化（自定义），免费最终会收费，再加个敏感词检测，一不小心识别了啥喝茶

[0Z03ry75kWg9m0XS]

@Nosub Linux 上有什么好用的推荐么。kdenlive 现在也是用的 whisper 识别

[buxuku2008]

@Nosub 我确实不是一名字幕软件者，我也只是在看外国的一些学习视频时，能够一个字幕方便看。所以不需要对字幕的准确性，以及时间轴的准确性有多高的要求。所以对于字幕开发者，或者视频创作者而言，那是另外一个方面的追求了。肯定要求的更加精细化的追求而不是简单通过工具去生成。

@renmu 我的初衷确实也没有想到还有垃圾搬运这样的场景。只是想有一个本地化的工具，对自己看一些视频有挂个字幕，而方便生成的一个工具而已。哈哈。

[shuxhan]

歪下楼，我比较好奇把图片加阴影是什么工具做的 @buxuku2008

[buxuku2008]

@shuxhan
Shottr 这个免费的截图软件，使用 Capture Active Window 就可以自动截取活动窗口了。

[jatesun]

我想问一下有没有实时生成在线字幕的方法?或者类似的思路

[buxuku2008]

@yangwcool
是有这个计划了，但因为手头没有 window 电脑，只能用虚拟机来跑，进度可能会比较慢一点。

[buxuku2008]

@jatesun
我也在思考这个问题，比如我在看 youtube 时，实时生成字幕。只能想到提前拿到视频进行生成，然后对上时间轴去展示。要真实现播放时的那种实时生成，肯定会存在延迟的， 之前试过华为的那个 ai 翻译，它是边识别边修正，实际体验感觉并不是特别理想。

[jatesun]

@buxuku2008 #14 已 star ，感谢回复，我一直就在想如何做一款实时视频在线生成的工具，感觉很多人有这种需求，毕竟现在很少有人下载视频了，基本都是在线。我再深入研究一下。

[thinkm]

请教一下断句的问题，whisper 很多时候断句会断在奇怪的位置

然后翻译是一行一行翻译的，结果就不准确

OP 怎么解决这个问题的，是不是用了上下文，一次性扔几行给翻译服务？

[xianyun5]

之前一直想弄个，结果大佬直接开源了，谢谢分享，已经 star

[NoOneNoBody]

@Nosub #4
对于字幕工作者，一直是感恩的

但现实是软字幕很难找（欧美还好一点），明明手头有 4k 或 1080p 更好的视频源，但很多时候为了看得明白，需要下载 720p 熟肉，显得很无奈。而且连吐槽的资格也没有，道德制高点已被占领，一开口就被淹没，只好选择硬着头皮看英文字幕，或者选择离开，OP 此类作品的出现，算是多了一个选择

感觉是所有圈子都在圈地，唉

[digd]

很久之前用过 autosub ，调用 youtube 的 api 的，还挺好用的，但是不稳定

[SawyerGuo]

我之前也用 whisper 和 Electron 开发了个 windows 的客户端，开发完了也就自己用了一两次，后来项目都没再打开过。

[chunkingName]

请问，能在我家里的群晖上部署然后自动为群晖上所有视频生成字幕吗？

[winglight2016]

前几天刚看到一个 js 版的命令行开源项目，好像就是 lz 这个，这么快就有 GUI 了。我用 AI 帮忙做了个 python 版，有兴趣的拿走： https://github.com/winglight/VideoExtractSub

[buxuku2008]

@thinkm #16

[buxuku2008]

@thinkm
抱歉哈，我目前对于输出的要求没有那么高。所以翻译也是一行一行进行翻译的，火山支持多行翻译，但应该也没有去关联上下文，如果我良好的上下文关联进行翻译的话，估计要通过 ai 来翻译可能效果会好一些。
你这边方便的话，可以麻烦帮我提供一素材，就是那种单行翻译效果比较差的那种。我好去尝试一下更好的翻译方法实现。

[buxuku2008]

@digd 恩，看了一下，该项目已经不再维护了，不过思路挺不错的。

[buxuku2008]

@SawyerGuo 大佬，可以分享了下项目地址吗？我这个项目目前还没有支持 windows 版本，下一步计划正好也是去兼容 Windows

[buxuku2008]

@chunkingName
不支持在群晖上面运行那个 GUI 版本，不过你可以试试那个命令行版本，但最好的方式，是在电脑上面运行，然后挂载群晖里面的内容。

[YuushaTao]

等个 windows 版,先 star

[DavZhn]

已 star ，不过好像下载模型的时候，一直是正在下载，77.7m 的那个 下载了 10 分钟了 还是那样诶？

[buxuku2008]

@DavZhn 你使用的是官网的源吗？官网的源有时会被墙，使用国内源应该是很快的。

[DavZhn]

@buxuku2008 选择的是国内的诶

[lhsakudsgdsik]

chrome 浏览器现在貌似就可以识别视频字幕吧

[thanksir]

@zhw2590582 好喜欢这个界面

[ivyliner]

@buxuku2008 嗯, 我的 APP: YPlayer 好像可以完美解决你的核心需求: 本地批量生成字幕和批量翻译
https://www.engineerdraft.com/yplayer/

[ivyliner]

@jatesun #12 我的 APP BeMyEars 好像就是你想要的 https://www.engineerdraft.com/bemyears/

[buxuku2008]

@DavZhn
你通过 command + shift + i 可以打开控制台，在 console 里面看看，有没有什么日志信息呢

[forvvvv123]

大赞，非常好，我非常需要！现在就下载下来试试！

[FFFMML]

用 pixel 自带的他可以把英文实时实翻译成繁体，准确度高，而且基本上是全局调用，找个 iptv 的英文电台，他都直接显示中文字幕。自己录的视频他也会跑出来翻译。

[mdgwmt0]

感谢

[LJason]

支持一下，等 Linux 或 Windows 版

[zhaoyi1234]

@jatesun 试试沉浸式翻译浏览器插件，https://immersivetranslate.com/ ，支持常见视频网站

[buxuku2008]

@yangwcool
@YuushaTao
@LJason
当前已经支持 Windows 版本了，欢迎大家试用体验。