主要开发者

简介

本项目着眼于从原始视频到翻译后最终视频的整个工作流程，确保从一而终的整个过程顺畅高效。项目提供了web后端和一个用于测试的前端页面
本项目测试地址
本方案优势：

相关技术说明：在技术关注&开发计划部分，我们列出了本方案的主要技术关注点，以及后续的开发计划。本项目重点强调易用、可靠、以及产生最终最终视频的速度。因此我们排除了大量不稳定、不可靠的方案，进保留整个工作流程中最好用的方案献给广大用户。

部署

sudo docker run --rm -p 8888:8080 -v output:/app/output --runtime=nvidia --gpus all hanfa/pytvzhen-web:latest

安装依赖需要：requirements.txt中的各种依赖，pythorch库，ffmpeg(可选)。本工程Python 3.9.19上验证。另外如果你想体验完整的工作流程，推荐下载一个字幕文件编辑器，尽管本程序用不到，但是在转换视频的工作中，你一定用得到，我使用Aegisub。

各种基本库安装 pip install -r requirements.txt

pytorch安装：在点击这里，选择合适的安装版本，必须要选择gpu版！！！！ 原因是作者偷懒没有做cpu方案，其实如果你愿意，改几行源码实现在CPU上跑应该也不难。

其他依赖：

确保 RabbitMQ 作为broker在./configs/celery.json里定义的broker_url运行，具体方法参考这里，用sudo rabbitmqctl status 确保其正常运行。

ffmpeg安装

sudo apt-get install ffmpeg

faster-whisper下载自动模型的时候，国内可能会比较慢，甚至无法下载！！faster-whisper_models目录中，使得目录结构为：

faster-whisper_models
     |-models--Systran--faster-whisper-base.en
     |-models--Systran--faster-whisper-medium
     |-...

celery -A src.task_manager.celery_tasks.celery_app worker --concurrency 1 -Q video_preview

flask run --host=0.0.0.0 --debug

然后浏览器打开http://127.0.0.1:5000.

后续计划：谨慎添加更多可靠的功能，增加其他语言到中文的翻译