将影片自动转录出字幕，并翻译的本地应用

[andyskaura]

前几天看到 v 友分享的字幕翻译工具，想想我迫切需要的功能是 生成外语影片中文字幕 功能。
于是调研了下方案，原本打算古法编程的。
但 gpt5.4 真的远超想象，没那么完美，但已符合我的需求，解决了某些电影字幕无->有的跨越。

核心功能：
ffmpeg 分离音频->VAD 本地模型降噪切片->Whisper 本地模型转录（非翻译）->LLM 大模型翻译

分享给有需要的 v 友
https://github.com/AndySkaura/crosssubtitle-ai/releases/tag/1.0
当前只有 mac arm 版本，win 版本等下周 codex 有额度了再督促它干活儿。
只在本机进行过测试

原本想内置一个 qwen 7b ，但还是太重了，不如用免费不限量的 GLM-4-Flash-250414 。有条件的自己本地部署个小模型吧。

[Daybyedream]

我现在转文字都白嫖千问 APP 里的 视频都不传直接提取音频发过去还是很快处理好的。

[andyskaura]

@Daybyedream 大模型还是太权威了 我用 Whisper 本地识别，如果不做降噪和切片，和上下文优化，识别准度还差很大意思

[arcsin1]

Whisper 本地识别 只能做些简单的。毕竟量不够

[wednesdayco]

?我刚给我对象弄了一个这个的 demo

[cairnechen]

memo ？

[indexError]

先别写了 认真的，再去做做调查

[superhuai]

有没有好兄弟试试 AV

[Daybyedream]

@andyskaura 主要不着急不是批量自动化的话，千问客户端，音视频里转文字上传之后够用还方便的。我一般也推荐别人用这个。

[andyskaura]

我的目的就是想把 nas 里的 av 都批量加上基础字幕

[andyskaura]

@Daybyedream #8 忘 @了

[galenzhao]

多人的音频分离有啥好用的吗，我现在缺了这一块的实现

[andyskaura]

@galenzhao 问了下 ai ，还是给出挺多方案的。
不过当前项目没用，这项目的模式是 ffmpeg 分离声道，VAD 切分移除非人声部分，Whisper 转录原文，llm 翻译。