pyvideotrans
19,710
Stars
2,444
Forks
105
Watchers
10
Open Issues
GPL-3.0
许可证
Python
语言
2023-10-02
创建时间
2026-11-11
最近更新
项目能做什么
将视频从一种语言翻译为另一种语言，并自动生成配音与字幕。
来源：AI 基于仓库事实生成
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
中文使用说明暂未生成。下面保留原仓库 README 摘录，命令与配置均以原文为准。
原始 README 摘录（英文原文，节选前 3000 字符）
# pyVideoTrans > | Sponsors || > | :--- | :--- | > | [Recall.ai Meeting Transcription API](https://www.recall.ai/product/meeting-transcription-api?utm_source=github&utm_medium=sponsorship&utm_campaign=jianchang512-pyvideotrans) | If you’re looking for a transcription API for meetings, consider checking out **[Recall.ai](https://www.recall.ai/product/meeting-transcription-api?utm_source=github&utm_medium=sponsorship&utm_campaign=jianchang512-pyvideotrans)** , an API that works with Zoom, Google Meet, Microsoft Teams, and more | > | [OfoxAI: Text, speech, image and video model APIs](https://ofox.ai/zh?utm_source=github&utm_medium=sponsorship&utm_content=pyvideotrans) | Access GPT, Claude, Gemini and DeepSeek text models, ElevenLabs speech models, and image and video generation models with one API key—choose the models that fit your creative needs. | --- <div align="center"> **A Powerful Open Source Video Translation / Audio Transcription / AI Dubbing / Subtitle Translation Tool** [简体中文](docs/README_CN.md) | [**Documentation**](https://pyvideotrans.com) | [**Online Q&A**](https://bbs.pyvideotrans.com) [](LICENSE) [](https://www.python.org/) []() </div> **pyVideoTrans** is dedicated to seamlessly converting videos from one language to another, offering a complete workflow that includes speech recognition, subtitle translation, multi-role dubbing, and audio-video synchronization. It supports both local offline deployment and a wide variety of mainstream online APIs. <img width="1730" height="957" alt="image" src="https://github.com/user-attachments/assets/25d78661-8b73-4f34-a3e5-205c7daba99b" /> --- ## Core Features > [Technical Architecture and Principles](docs/architecture.md) - **Fully Automatic Video Translation**: One-click workflow: Speech Recognition (ASR) → Subtitle Translation → Speech Synthesis (TTS) → Video Synthesis. - **Audio Transcription / Subtitle Generation**: Batch convert audio/video to SRT subtitles, supporting **Speaker Diarization** to distinguish between different roles. - **️Multi-Role AI Dubbing**: Assign different AI dubbing voices to different speakers. - **Voice Cloning**: Integrates models like **F5-TTS, CosyVoice, GPT-SoVITS** for zero-shot voice cloning. - **Powerful Model Support**: - **ASR**: Faster-Whisper (Local), OpenAI Whisper, Alibaba Qwen, ByteDance Volcano, Azure, Google, etc. - **LLM Translation**: DeepSeek, ChatGPT, Claude, Gemini, MiniMax, Ollama (Local), Alibaba Bailian, etc. - **TTS**: Edge-TTS (Free), OpenAI, Azure, Minimaxi, ChatTTS, ChatterBox, etc. - **️Interactive Editing**: Supports pausing and manual proofreading at each stage (recognition, translation, dubbing) to ensure accuracy. - **️Utility Toolkit**: Includes auxiliary tools such as vocal separati阅读完整原文
商业机会分析 AI 生成
免本地硬件的云端视频翻译与自动配音 SaaS 平台
| 产品构想 | 将原项目复杂的本地运行环境封装为开箱即用的Web端SaaS，提供云端GPU算力、优质商业TTS（如ElevenLabs/Azure）整合，主打按视频时长计费或包月订阅。 |
| 核心功能 | 云端视频上传与一键翻译配音、多语种AI音色选择、可视化在线字幕/配音精细校对编辑器、多格式渲染导出。 |
| 目标用户 | 无高端显卡且不具备Python环境配置能力的小白自媒体创作者、跨境营销人员。 |
| 难度/周期 | 中等 · 1 - 2 个月 · 成本：GPU云服务器租赁费（按需）、第三方TTS与LLM翻译API调用成本、云存储与带宽成本。 |
| 收费模式 | 按翻译处理时长充值收费（如 $0.2/分钟）或按月/年订阅会员制。 |
| 竞争风险 | GPL-3.0开源协议限制（需注意后端服务隔离或遵守开源义务）；云端GPU和第三方API边际成本高，定价不当可能亏损。 |
| 依据 | 已验证事实（仓库高Star与多Fork证明受众面广，但本地运行依赖环境和本地算力存在明显门槛） |
跨境电商出海短视频批量本地化生产工具
| 产品构想 | 针对TikTok、Amazon等跨境卖家的带货视频出海痛点，定制批量视频去重、智能切片翻译、目标国特色口音配音与营销花字字幕叠加的垂直工具。 |
| 核心功能 | 批量视频导入处理、电商敏感词与营销语境优化翻译Prompt、本土化拟真口音匹配、电商风格动效字幕模板。 |
| 目标用户 | 跨境电商运营团队、MCN出海机构、独立站带货卖家。 |
| 难度/周期 | 中等 · 1 - 1.5 个月 · 成本：前端UI开发、垂直电商Prompt调试及少量服务器测试成本。 |
| 收费模式 | 月度/季度SaaS席位订阅费，或针对中大型卖家的定制工作流买断交付。 |
| 竞争风险 | 跨境电商平台对AI搬运内容风控机制变动风险；客户对配音本土化真实感要求苛刻。 |
| 依据 | 数据支持的判断（跨境电商领域对多语种视频生产有直接刚需和付费预算） |
企业私有化部署与本地超算工作流定制服务
| 产品构想 | 针对有数据隐私保密要求（如未发布影视物料、企业内部多语种培训课件）的机构，提供基于本地物理机集群/私有云的一键部署方案、模型微调与专有工作流对接支持。 |
| 核心功能 | 本地多卡GPU并发调度、私有化语音模型（Whisper/ChatTTS等）本地量化部署、企业内部NAS与剪辑软件（如PR/剪映）管线对接。 |
| 目标用户 | 跨国企业培训部门、影视后期汉化组、涉密内容制作机构。 |
| 难度/周期 | 中等偏高 · 2 - 3 周（以项目制交付） · 成本：主要为人力交付成本，无持续固定硬件支出。 |
| 收费模式 | 私有化部署工程实施费（单次收费）+ 年度技术支持与模型维护升级费。 |
| 竞争风险 | 交付周期可能受企业客户IT环境复杂性拖延；客单量较少，获客依赖人脉或私域推广。 |
| 依据 | AI推测（影视与企业培训对内容隐私敏感，不愿上传公有云，存在本地私有化采购需求） |
AI 基于仓库公开数据分析生成，含推测成分，不构成收益承诺。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| debpalash/VoiceStudio | 中文介绍暂未生成 VoiceStudio is the open-source, fully-local ElevenLabs alter |
107,057 | Python |
| ggml-org/whisper.cpp | 中文介绍暂未生成 Port of OpenAI's Whisper model in C/C++ |
55,074 | C++ |
| coqui-ai/TTS | 中文介绍暂未生成 🐸💬 - a deep learning toolkit for Text-to-Speech, battle-test |
46,208 | Python |
| cjpais/Handy | 中文介绍暂未生成 A free, open source, and extensible speech-to-text applicati |
38,299 | Rust |
| Zackriya-Solutions/meetily | 中文介绍暂未生成 Privacy-first AI meeting note taker for Windows and macOS. F |
32,595 | Rust |
| mozilla/DeepSpeech | 中文介绍暂未生成 DeepSpeech is an open source embedded (offline, on-device) s |
26,775 | C++ |
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 2023-10-02，近 30 天仍在推送，发布过 97 个 Release |
| 社区活跃 | Star 19,710 / Fork 2,444 / Issue 10（数据支持，可自行核实） |
| 许可证 | GPL-3.0 商用需注意传染性条款 |
| 主要风险 | 上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价 |
安装与使用
快速开始（以仓库 README 为准）
git clone https://github.com/jianchang512/pyvideotrans.git cd pyvideotrans # 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。