videolingo

VideoLingo 是一款综合性视频翻译与配音工具，旨在生成 Netflix 品质的字幕。它通过仅输出单行字幕、消除生硬翻译并添加高质量配音，解决了机器翻译中的常见问题。 核心功能包括： - 通过 yt-dlp 下载 YouTube 视频 - 使用 WhisperX（large-v3）进行逐词字幕识别，可在本地运行或通过 API 调用 - 基于 NLP 和 AI 的字幕分段 - 自定义与 AI 生成的术语表，确保翻译连贯一致 - 三步翻译-反思-适配流程，打造电影级翻译质量 - 符合 Netflix 标准的单行字幕输出 - 支持 GPT-SoVITS、Azure、OpenAI、Fish-TTS、Edge-TTS 及自定义 TTS 的配音 - 通过 Streamlit Web UI 一键启动与处理，支持多语言界面 - 任务控制：用户可在任意步骤暂停、恢复或停止处理 - 详细日志记录与进度恢复功能 - 模型搜索框，支持 API 自动获取并筛选服务商完整模型列表 支持的输入语言包括英语、俄语、法语、德语、意大利语、西班牙语、日语和中文。翻译支持所有语言，配音语言则取决于所选的 TTS 方式。 安装方式包括使用 uv（推荐）自动配置 Python 环境、Conda 或 Docker。该项目支持 OpenAI 兼容的 API 格式用于 LLM 集成，并提供多种 TTS 接口。借助 Ollama 和 Edge-TTS，它可以完全在本地运行，无需付费 API。 当前限制包括：WhisperX 在背景噪音下可能出现转录问题；较弱的 LLM 可能无法满足严格的 JSON 格式要求；由于语速差异，配音效果可能不够理想；多语言视频仅保留主要语言；无法为多个角色单独配音。