type
date
slug
status
summary
tags
category
password
icon
这是一个视频翻译配音工具，可将一种视频翻译为指定语言的视频，自动生成并添加该语言的字幕和配音。基于离线模型的语音识别faster-whisper。文字翻译支持google|baidu|tencent|chatGPT|Azure|Gemini|DeepL|DeepLX，文字合成语音支持Microsoft Edge tts Openai TTS-1 Elevenlabs TTS
使用方式
- 原始视频：选择mp4/avi/mov/mkv/mpeg视频，可选择多个视频；
- 输出视频目录：如果不选择，则默认生成在同目录下的_video_out，同时在该目录下的srt文件夹中将创建原语言和目标语言的两个字幕文件
- 选择翻译：任选 google|baidu|腾讯|chatGPT|Azure|Gemini|DeepL|DeepLX 翻译渠道
- 网络代理地址：如果您所在地区无法直接访问google/chatGPT，需要在软件界面比如网络代理中设置代理，若使用v2ray，则填写http://127.0.0.1:10809，若冲突，则填写http://127.0.0.1:7890。如果您修改了默认端口或使用的其他代理软件，则继续填写
- 视频原始语言：选择待翻译视频里的语言种类
- 翻译目标语言：选择希望翻译到的语言种类
- 选择配音：选择翻译目标语言后，可从配音选项中，选择配音角色；
硬字幕: 是指全部显示字幕，不可，如果希望网页中播放时也有字幕，请选择硬字幕嵌入
软字幕：播放器支持隐藏字幕管理，可显示或者字幕，该方式网页中播放时不会显示字幕，某些国产播放器可能不支持，需要将生成的视频同名srt文件和视频放在一个目录中下才会显示
- 语音识别模型：选择base/small/medium/large-v3，识别效果越来越好，但识别速度越来越慢，所需内存越来越大，内置base模型，其他模型请单独下载后，解压放到当前软件目录/models目录下。如果GPU显存低于4G，不要使用large-v3
整体识别/预先分割：整体识别是指直接发送整个语音文件给模型，由模型进行处理，分割可能更准确，但也可以制作出30秒长的单字幕，适合有明显静音的音频；预先分割时指先将音频按10s左右长度切割之后分别发送给模型处理。
- 配音速度：填写-90到+90之间的数字，同样的话在不同语言语音下，所需时间是不同的，因此配音后可能声画字幕不同步，可以调整此处语速，负数代表降速，正数代表加速播放。
- 音视频对齐：分别是“配音自动加速”和“视频自动降速”
- 静音分割: 填写100到2000的数字，代表毫秒，默认500，即以大于等于500ms 的静音分割为区间分割语音
- CUDA加速：确认你的电脑显卡为N卡，并且已配置好CUDA环境和驱动，则开启选择该项目，速度能大幅提升，具体配置方法见下方CUDA加速支持
- TTS：可用edgeTTS和openai TTS模型中选择要合成语音的角色，openai需要使用官方接口或者开通了tts-1模型的三方接口
- 点击开始按钮底部会显示当前进度和日志，右侧文本框内显示字幕
- 字幕解析完成后，将暂停等待字幕修改，如果不做任何操作，60秒后将自动继续下一步。也可以在右侧字幕区编辑字幕，然后手动点击继续合成
- 将在目标文件夹中视频同名的子目录内，分别生成多种语言的字幕srt文件、原始语音和配音后的wav文件，以方便进一步处理
- 设置行角色：可对字幕中的每行设定发音角色，首先左侧选好TTS类型和角色，然后点击字幕区右下方“设置行角色”，在每个角色名后面文本中中，填写要内容使用该角色配音的行号。 如下图：
- Author:神器精选
- URL:https://www.205066.xyz/article/videotrans
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
