非常感谢您来到我的 AI Auto Video-Audio Translation 项目！该项目旨在提供一个简单易用的全自动视频（音频）识别、翻译工具，帮助您快速识别声音并翻译生成字幕文件，然后将翻译后的字幕与原视频合并，以便您更快速的实现视频翻译。
Tips：推荐选用 Faster-whisper 和 Large 模型以获得最好的断句、识别体验。
注意： 首次使用 Whisper 模型时需下载，国内建议开启 VPN 下载。启用 GPU 加速需下载 CUDA 和 PyTorch，且保证PyTorch 版本与 CUDA 匹配，否则程序识别失败会默认禁用GPU加速。
- 支持
faster-whisper后端。- 支持
GPU加速。- 支持
VAD辅助识别。- 支持
ChatGPT、KIMI翻译。- 支持多种语言识别、翻译。
- 支持多种字幕格式输出。
- 支持字幕修改，二次精翻。
- 支持字幕、视频预览。
- 支持AI总结、问答。
Kimi 是由月之暗面（Moonshot AI）团队的超长记忆 AI 助手
moonshot官网：https://www.moonshot.cn/
kimi官网：https://kimi.moonshot.cn/
本项目需要依赖 Python 环境和 FFmpeg,可能会用到 CUDA 和 PyTorch 。
- 安装 Python 环境
- 您需要安装 Python 3.8 或更高版本。
- 您可以从 Python官网 下载并安装最新版本的 Python。
- 安装 FFmpeg
- 您需要安装 FFmpeg。
- 您可以从 FFmpeg官网 下载并安装 FFmpeg。
- 设置 FFmpeg 为环境变量
- 按下
Win+R快捷键打开运行对话框。 - 在弹出的框中输入
rundll32 sysdm.cpl,EditEnvironmentVariables，然后点击确定。 - 在上面的用户变量中找到
Path，双击。 - 点击新建，输入刚刚下载的 FFmpeg 的路径。示例：
D:\APP\ffmpeg（请根据自己的实际路径调整！）。
- 运行
install.bat
- 在项目根目录下运行
install.bat来安装所有依赖库。
- 设置参数
- 在
config内设置OPENAI_API_KEY、OPENAI_BASE_URL、KIMI_API_KEY，以便使用翻译引擎。 - 您也可以在网页中设置各项参数，目前版本已经可以自动保存到
config中，无需重新设置。
- 运行程序
- 运行
webui.bat - 等待网页跳转，如果没有跳转请自行在浏览器输入http://localhost:8501/
- 首次使用streamlit，可能会要求输入email，直接
Enter跳过即可。 - 上传文件，设置模型，运行程序，耐心等待处理
- 请确保您的系统已经正确安装了
Python，并且版本号为 3.8 或更高。 - 请确保已经安装了
FFmpeg，并设置FFmpeg为环境变量。 - 请确保运行
install.bat，安装所有依赖库。 - 使用
GPU加速时请确保安装了正确的CUDA和Pytorch版本 - 推荐使用
faster-whisper和Large模型，以获得最好的断句体验，但模型需要从Huggingface下载。
- 更换更快的Whisper项目
- 支持本地模型加载
- 支持个人微调Whisper模型
- VAD辅助优化
- 字词级断句优化
- 更多的语种识别
- ChatGPT翻译优化*
- 更多的语种翻译
- 更多的翻译模型
- 更多的翻译引擎
- 个性化字幕
- 更多字幕格式
- 字幕预览、实时修改
- 自动化字幕文本校对
- 双字幕
- 视频总结、罗列重点
- 视频预览
- AI助手
- 实时语音翻译
- 视频中文配音
本人是 AI 时代的受益者，本项目的开发基本是站在巨人的肩膀上实现的。主要基于 OpenAI 开发的 Whisper 来识别声音和 LLMs 辅助翻译字幕 ，利用 Streamlit 搭建快速使用的 WebUI 界面，以及 FFmpeg 来实现字幕与视频的合并。
