用 AI 做了一个给小电影加字幕的工具

[andyskaura]

原先在 v 站发了一贴，当时只有 mac 端，没什么人用。
后来在别的帖子提了一嘴，发现还是有很多人需要的。

于是五一抓紧时间完善了一下。

写完只想说，ai 更新太快，刚开始调研需求时，还处于 web 上一问一答的古法 ai 时代，等落地时已经是无人值守时代了。

博客链接： https://kuraa.cc/archives/yong-aizuo-liao-yi-ge-gei-xiao-dian-ying-jia-zi-mu-de-gong-ju

经过昨天大家伙儿反馈，主要集中在 whisper 转录慢。
梭哈时没有考虑太多，计划从两个方向进行优化：
1.使用 fast-whisper 替换原生 whisper
2.whisper 开启 gpu 加速（开发时完全没去了解这些，所以默认的跑在 cpu 上:)）

花一点点时间 vibe 出来的东西能带来价值，真的挺开心的。
感谢大家使用

[xuromky]

OP 建议用什么翻译模型，我来试试

[andyskaura]

@xuromky 其实都可以，7b 本地都够用了。llm 做翻译就是手拿把掐。
不过老旧的笨模型好像序列化输出可能会有问题。

[idblife]

点赞，我一直想做一个呢，这下省时间了，哈哈。
除了小电影外，有些冷门的美剧/电影没有字幕，也需要这个工具。

[mywaiting]

项目简介的图片，这刚一点开，后面就不知不觉站了几个同事了~~啧啧啧~~

[xuromky]

@andyskaura 这样填对吗 还是需要加上 v1

[andyskaura]

@xuromky #5 一般是得有 v1 的，得看你那个提供商给的 openai 格式的接口是啥

[buxuku2008]

感谢作者开源，用 tauri 来做非常棒，我之前也做了一个类似这样的工具，生成字幕，翻译，校对，字幕合成这些功能都集成有了。
https://github.com/buxuku/smartsub

[andyskaura]

@mywaiting 很有效果嘛

[heganyuliang]

这类工具市场上有不少，对我来说最大的痛点是不支持 AMD 显卡的 GPU 加速哈哈

[andyskaura]

@buxuku2008 你这个功能完成度好像比我的高不少啊

[buxuku2008]

@andyskaura 也是一步步迭代过来的。之前也考虑过采用 tauri + whisper-rs 进行重构，但没精力搞。可以作为你的一个借鉴参考。

[andyskaura]

@buxuku2008 #11 好的，感谢，目前已满足我对 nas 小姐姐的需求，有你这个项目，更不会迭代了 。

[xuromky]

@heganyuliang +1,我的也是 AMD 的显卡，现在处理速度好慢

[mywaiting]

@andyskaura 该说不说 V2 这里加个 [NSFW] 在标题里，推广项目感觉更有效果~~[逃]~~

[ala2008]

感觉不错，可惜我需要的是在线翻译啊，一般不下载本地看🤣

[JYii]

去年年初就准备买硬盘组 nas ，到今天，购物车里 4t 的价格翻了 2.5 倍。

[lagrange7]

不错，下个试试。给你点 star 了

[idblife]

@andyskaura
有自动升级功能没？
没有的话等有了我再安装，比较懒。。。

[firefox12]

弱问一下 拿 llm 本地翻译， 我这么写的 把下面的英语翻译成中文 直接给中文 不要给任何信息，下面就是一段英语。 翻译出来的结果 有时候正确，有时候 他会把思考的步骤 返回出来 比如说 这句话原意是什么 可以这么思考 。。。。。 我就是用大模型做一个翻译，这个该如何解决？因为再试一次可能对 也可能不对。正确的打开方式是什么？

[andyskaura]

@firefox12 response_format={'type': 'json_object'} 铁汁，你得用序列化输出啊

[firefox12]

@andyskaura 本地镜像起的服务 肯定是 json 结果啊， 但是结果里不是纯净的翻译结果。 所以我再调了一次大模型，让它看上次的结果里 有没有 xxx xxx 这样的关键字 有的话 就去掉。 我用的 qwen2.5 的模型，chatgpt 给的建议 发现不太好用。结果总是不太对

[jtam]

原来是 NSFW 的摄影师大佬，失敬

[Clannad0708]

op 是怎么用 ai 无人值守迭代出这个产品的？

[andyskaura]

@firefox12 #21

[andyskaura]

@Clannad0708 我这里的无人值守是指我不是很关注实现细节，全交给它了。
把整个需求直接 txt 列好了，codex 开最高权限，开始梭哈，然后开一局 csgo ，打完一局，再纠正一下。

[andyskaura]

@jtam 年纪大了 看 a 片都跳过啪啪啪部分。

[xuromky]

@andyskaura 是不是没 AMD 显卡 gpu 加速的关系，都快两个小时了，一部小电影还没结束

[andyskaura]

@xuromky #27 我也收到反馈了，我两台电脑，14600kf+intel 显卡 b580 和 m1 的 mac ，2 小时电影，大概 30 分钟转录完。 https://huggingface.co/ggerganov/whisper.cpp/tree/main 你方便手动下载 tiny 模型替代一下看看效果和效率？

[xuromky]

@andyskaura #28 选哪个呀，我的电脑配置是

[andyskaura]

@xuromky #29 tiny-q5—1.bin 试试，如果还是慢或者效果不好，就得找找别的方案了。

[andyskaura]

@xuromky #27 隔壁站那个说慢的也是你！

[zyxk]

我想知道， 用国内翻译模型，会不会被封号，你们都用什么翻译
@buxuku2008 #7
@andyskaura #2

[firefox12]

OLLAMA_URL = "http://127.0.0.1:11434/api/generate"
MODEL = "qwen2.5:7b"

RETRY = 3
SLEEP = 1


# ===== 调用本地大模型 =====
def translate(text, mode="movie"):
if not text:
return None

if mode == "movie":
prompt = f"把下面的英文句子描述翻译成简体中文，保持简洁自然。记住我的要求，前面的部分不要重复， 只给出后面的翻译 ：\n{text}"
print(prompt)
for i in range(RETRY):
try:
response = requests.post(OLLAMA_URL, json={
"model": MODEL,
"prompt": prompt,
"stream": False
}, timeout=120)

result = response.json()
return result.get("response", "").strip()

except Exception as e:
print(f"翻译失败，第{i+1}次重试:", e)
time.sleep(2)

return None
我是用本地模型，效果不行，有的好，有的会有思考过程的结果

[yrk20212021]

windows 版本在 model 目录下载了 ggml-large-v3-turbo.bin 或者 ggml-large-v3.bin 替换你默认配置的 ggml-base-q5_1.bin ，出现加载失败。

[zyxk]

@buxuku2008 #7 smartsub 使用了一下， 功能很完善，提一点小建议， 字幕翻译是一条一条翻译的，速度比较慢， 如果能改进一下， 批量翻译，每次翻译 20 / 30 / 50 条，速度会有 N 倍的提升。

我使用 10 分钟的中文视频测试，并翻译为英文，mac m4 提取字幕只用了 26 秒， 但是翻译用了近 5 分钟， 看了一下日志，使用 DeepSeek 请求 二或三秒 返回一次，每次只请求一句， 如果每次翻译请求 30 句，那就太棒了。

[litchinn]

模型对这方面的输出没有限制吗

[andyskaura]

@yrk20212021 我测试了 tiny 是正常的，等我回家试试体量更大模型

[andyskaura]

@litchinn 反正鸡鸡什么的都正常输出

[andyskaura]

@zyxk #35 确实，如果一句一句翻，还容易翻译不准确。用 llm 的优势就是，直接一大篇发过去，带着上下文翻译又快又准

[xuromky]

@andyskaura #31 哈哈哈是我，现在换了你说的这个，速度快多了 不过也要 1 个小时，翻译效果不是很好

[hardyfish]

看日本老师在线片,有中文翻译解决方案不?

[andyskaura]

@xuromky #40 是的 所以还得是默认的模型，不然转录出来很怪。我再找找有没有加快的方式吧

[lambdaX999]

你们都是科技加持，只有我去考了日语等级

[mrabit]

@litchinn 部分模型还是会有敏感词的 目前用过最宽松的 应该就是 grok 了

[andyskaura]

@lambdaX999 撕国一列

[xuromky]

@andyskaura #42 为什么这么多 translation: send error: channel closed

[andyskaura]

@xuromky #46 这像是 api 调用失败了，不断地再重试

[xuromky]

@andyskaura #47 好吧 话说你推荐的 GLM-4.7-Flash 模型是官方申请的吗 我找不到

[andyskaura]

@xuromky #48 https://docs.bigmodel.cn/cn/guide/models/free/glm-4.7-flash 这个就是免费调用的

[19cm]

不错, 原来 v 站有老哥发了个收费的

[19cm]

如果老哥对成人这块特别有热情,可以跟我交流,我写了个成人网站的插件,功能挺多的

[snowfuck]

老哥可以的，最重要是动起手来！

[qfdk]

哈哈 可以可以, 其实我的 voila 是可以有实时字幕模式的, 只不过不能翻译 这个有点儿遗憾.回头接一个翻译接口吧,这样估计也就舒服了不用等的喔

[buxuku2008]

@zyxk 支持批量翻译的，在翻译服务商设置的下面