pyVideoTrans｜视频翻译配音与字幕转写工具

用途与适用人群

pyVideoTrans 是一款开源的视频翻译与音频转写工具，主打“从一种语言到另一种语言”的整条处理链路：语音识别（ASR）→ 字幕翻译 → 语音合成（TTS）→ 视频合成。它适合需要给外语视频加中文字幕、给中文视频配外语配音的个人创作者、做课程或宣传片本地化的团队，以及想批量把音视频转成字幕的文字工作者。

需要说明的是，这是一个带有图形界面的桌面应用，同时提供命令行与 Web 界面，不是单纯的开发库；但源码部署需要一定的动手能力。

主要功能

• 全自动视频翻译：一次跑完识别、翻译、配音、合成四步。
• 音频转写与字幕生成：可批量把音频或视频转成 SRT 字幕，并支持区分不同说话人。
• 多角色配音：可为不同说话人分配不同音色。
• 声音克隆：集成了 F5-TTS、CosyVoice、GPT-SoVITS 等模型，需本地部署。
• 多渠道模型接入：语音识别可用本地 Faster-Whisper，也可用 Whisper、通义、火山、Azure 等在线接口；翻译可用 DeepSeek、ChatGPT、Claude、Gemini、Ollama 等；配音可用 Edge-TTS、OpenAI、Azure 等。
• 分阶段人工校对：识别、翻译、配音各环节可以暂停并手动修改。
• 辅助工具：人声分离、音视频与字幕合并、音画对齐、文稿匹配等。

输入与输出

输入为视频或音频文件，以及字幕文件（做字幕翻译或配音任务时）；输出为翻译后的成片、SRT 字幕或配音音频。具体可支持的格式与参数以官方文档为准。

获取与使用步骤（示例任务）

1. Windows 10/11 用户可下载官方预打包版本，解压到不含中文和空格的路径后运行主程序。
2. 开发或 macOS/Linux 用户走源码部署：准备 Python 3.10 与 FFmpeg，用官方推荐的包管理方式安装依赖，再启动图形界面、命令行或 WebUI。
3. 示例任务：给一段英文视频生成中文字幕并配音——选择源语言与目标语言，指定识别模型（如本地 large-v3）、翻译渠道与目标音色，启动后可先在识别结果处校对文本，再继续合成。

具体的安装命令、参数与镜像配置请以官方文档为准，本文不逐一列举。

运行环境与硬件

官方说明支持 Windows、macOS 与 Linux，源码运行建议 Python 3.10 及以上，需自行安装 FFmpeg。Windows 预打包版无需配置 Python。本地模型对算力有要求，最低硬件配置待核查；官方提到可用 NVIDIA GPU 加速，并要求特定版本的 CUDA 与 cuDNN，AMD 显卡可通过特定组件加速，细节待核查。

费用、API 与国内访问

软件本身代码开源，但走在线接口时需要自行注册、获取授权并承担费用；本地模型则占用本机算力。各在线服务的可用性、是否需网络代理、国内访问情况均待核查，本文不做承诺。

隐私与内容合规

使用在线识别、翻译或配音接口时，音视频内容会上传到对应服务商，涉及敏感内容需谨慎；本地模型模式下数据留在本机。处理他人视频、音频、字幕须确保拥有合法权利或已获授权。

许可证

项目代码采用 GPL-3.0 许可，分发修改版或衍生作品时需遵守 GPL-3.0 的相关义务。需注意：该许可只覆盖项目代码，不覆盖集成的本地模型、第三方在线接口及其输出；项目内部分目录含第三方代码，各有其单独协议。模型权重与外部服务条款需分别核对，商业使用前建议自行确认。

本文为待审核草稿，未做实际安装与效果测试。

来源与使用边界

官方仓库：https://github.com/jianchang512/pyvideotrans

资料版本：https://github.com/jianchang512/pyvideotrans/blob/3d9a5a809a43d440b5ed230bc804d9f507bf6f26/README.md

维护方：jianchang512/pyvideotrans；采集日期：2026-11-13。依据官方资料经AI整理，本站未安装、运行或实测。

许可标识：GPL-3.0，具体范围以原始许可文件为准；代码、模型权重、依赖及在线服务适用各自条款。开源不代表模型调用、托管或商业服务免费。国内访问、硬件及模型适配条件未经本站验证。