本文更新于: 2024年5月24日
Chenyme AAVT 是一个简单易用的全自动视频（音频）识别、翻译工具，快速识别声音并翻译生成字幕文件，然后将翻译后的字幕与原视频合并，生成翻译后的视频。
主要基于 OpenAI 开发的 Whisper 来识别声音和 LLMs 辅助翻译字幕 ，利用 Streamlit 搭建快速使用的 WebUI 界面，以及 FFmpeg 来实现字幕与视频的合并。
这个工具对于需要快速翻译视频内容的用户来说非常有用，尤其是那些希望自动化处理视频翻译任务的人。它提供了一个强大的工具集，以支持视频翻译的整个工作流程。
工具截图
功能特色
- 视频/音频识别：利用 OpenAI 开发的 Whisper 模型来识别视频中的声音。
- 翻译字幕：结合大型语言模型（LLMs）辅助翻译字幕，以生成准确的翻译。
- WebUI界面：使用 Streamlit 构建的快速使用的 Web 用户界面，方便用户操作。
- 视频处理：通过 FFmpeg 实现字幕与视频的合并，生成翻译后的视频文件。
- 调用 openai：支持直接调用 OpenAI 的 API 进行翻译。
- 本地运行 faster-whisper：可以在本地运行 faster-whisper 模型进行声音识别。
- GPU 加速：支持 GPU 加速，提高翻译和处理速度。
- VAD 辅助：支持声音活动检测（VAD）辅助，以更准确地识别语音部分。
- 多种翻译支持：支持 ChatGPT、KIMI、DeepSeek 等多种翻译服务。
- 本地翻译模型：允许使用本地部署的大型语言模型进行翻译。
- 多语言识别与翻译：支持识别和翻译多种语言。
- 多种字幕格式：支持输出多种字幕格式，如 SRT、ASS 等。
- 字幕编辑功能：用户可以对生成的字幕进行修改、微调和预览。
- 音频 AI 总结与问答：支持对音频内容进行 AI 总结和问答。
项目地址
https://github.com/Chenyme/Chenyme-AAVT
本文链接：Click here to view the current URL
声明：本站为个人非盈利博客，资源均网络收集且免费分享无限制，无需登录。资源仅供测试学习，请于24小时内删除，任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集。请支持正版！如若侵犯了您的合法权益，可联系我们处理。
