工具概览
Video Auto Translation & Processing 是一条自动化流水线，用于视频翻译、人声/音乐分离、声音克隆（TTS）、字幕生成、字幕水印去除（delogo）和视频重新渲染。它提供一组脚本，可单独运行，也可通过命令行界面或交互式终端 UI 作为完整流水线运行。系统要求已安装 FFmpeg 并添加到系统 PATH。配置通过多个文件完成，包括用于 API 密钥的 assets/_curren_key、用于 FFmpeg 设置的 assets/ffmpeg_config.json、用于样式的 assets/render_config.json、用于环境变量的 .env，以及用于源配置的 src/configuration.py。安装包括先安装 CPU 和 GPU 通用的基础库，再安装针对仅 CPU 或 NVIDIA GPU 配置的硬件专用库。流水线包含以下步骤：分离人声和音乐（s0_demucs.py）、用 Whisper 将音频转写为文字（s1_transcribe.py）、翻译字幕（s2_translates.py）、通过 Google TTS（s3_Google_speech.py）生成语音或通过 XTTS-v2 进行声音克隆 TTS（s3_AI_speech.py）、创建逐词或卡拉 OK 的 SRT 文件（s4_srt.py）、通过 GUI 编辑器（s5.1_ocr_delogo_gui.py）自动检测硬字幕模糊框（s5_ocr_delogo.py），以及渲染最终视频（s6_video_complex.py）。整条流水线可用 exec.py 顺序执行，也可用 menu.py 打开交互式终端 UI 仪表盘。
定价
价格与限制可能变化，请以官网为准，并确认币种、付款周期、最低席位数和用量上限。
应用场景
- 团队用该流水线把视频自动翻译成多种语言。
- 用户可以从视频音频中分离人声和音乐轨道。
- 内容创作者可以用参考音频样本克隆声音，用于文字转语音。
- 剪辑师可以用 Whisper 转写从音频生成字幕。
- 用户可以通过自动检测并模糊相应区域，去除视频中的硬编码字幕。
- 团队可以渲染带有翻译音频和字幕的最终视频。
- 用户可以对一个视频文件夹顺序运行整条流水线。
功能特性
翻译视频语音和字幕
分离人声与背景音乐
将语音转写为文字
根据译文生成语音
制作逐词字幕文件
检测视频中的硬字幕区域
模糊处理不需要的字幕区域
渲染带有翻译音轨的视频
用户评论
还没有评论，来分享你的使用体验吧