工具概覽
Video Auto Translation & Processing 是一條自動化流水線，用於影片翻譯、人聲/音樂分離、聲音克隆（TTS）、字幕生成、字幕水印去除（delogo）和影片重新渲染。它提供一組指令碼，可單獨執行，也可通過命令列介面或互動式終端 UI 作為完整流水線執行。系統要求已安裝 FFmpeg 並新增到系統 PATH。配置通過多個檔案完成，包括用於 API 金鑰的 assets/_curren_key、用於 FFmpeg 設定的 assets/ffmpeg_config.json、用於樣式的 assets/render_config.json、用於環境變數的 .env，以及用於源配置的 src/configuration.py。安裝包括先安裝 CPU 和 GPU 通用的基礎庫，再安裝針對僅 CPU 或 NVIDIA GPU 配置的硬體專用庫。流水線包含以下步驟：分離人聲和音樂（s0_demucs.py）、用 Whisper 將音訊轉寫為文字（s1_transcribe.py）、翻譯字幕（s2_translates.py）、通過 Google TTS（s3_Google_speech.py）生成語音或通過 XTTS-v2 進行聲音克隆 TTS（s3_AI_speech.py）、建立逐詞或卡拉 OK 的 SRT 檔案（s4_srt.py）、通過 GUI 編輯器（s5.1_ocr_delogo_gui.py）自動檢測硬字幕模糊框（s5_ocr_delogo.py），以及渲染最終影片（s6_video_complex.py）。整條流水線可用 exec.py 順序執行，也可用 menu.py 開啟互動式終端 UI 儀表盤。
定價
價格與限制可能變動，請以官網為準，並確認幣別、付款週期、最低席位數和用量上限。
應用場景
- 團隊用該流水線把影片自動翻譯成多種語言。
- 使用者可以從影片音訊中分離人聲和音樂軌道。
- 內容創作者可以用參考音訊樣本克隆聲音，用於文字轉語音。
- 剪輯師可以用 Whisper 轉寫從音訊生成字幕。
- 使用者可以通過自動檢測並模糊相應區域，去除影片中的硬編碼字幕。
- 團隊可以渲染帶有翻譯音訊和字幕的最終影片。
- 使用者可以對一個影片資料夾順序執行整條流水線。
功能特色
翻譯影片語音和字幕
分離人聲與背景音樂
將語音轉寫為文字
根據譯文生成語音
製作逐詞字幕檔案
檢測影片中的硬字幕區域
模糊處理不需要的字幕區域
渲染帶有翻譯音軌的影片
使用者評論
還沒有評論，來分享你的使用體驗吧