企业官网建设流程全解析

如何用 pyVideoTrans 快速完成视频翻译与 AI 配音？完整教程

【免费下载链接】pyvideotransTranslate the video from one language to another and embed dubbing & subtitles.项目地址: https://gitcode.com/gh_mirrors/py/pyvideotrans

pyVideoTrans 是一款免费开源的视频翻译工具，把语音识别、多语言翻译、AI 配音和字幕生成整合成一条流水线，适合想发布多语言版本的内容创作者，也适合只想给视频加字幕的普通用户。

它到底能干什么 📼

这不是一款单一工具，而是一套 9 个阶段的处理流水线：抽音频、识别语音、翻译文本、合成配音、合成音视频。每个环节都可以单独换引擎——识别模块收录 22 种语音识别引擎，翻译模块收录 24 个翻译渠道，配音模块收录 34 种 TTS 引擎。它还支持说话人分离（自动判断视频里换过几次说话人，并给每人分配不同配音）和声音克隆（提供 5~10 秒清晰人声样本，即可模仿出相近音色）。

第一次使用的完整流程

Windows 用户直接下载预打包压缩包，解压到不含中文和空格的路径（如D:\pyVideoTrans），双击sp.exe即可。想从源码运行：

git clone https://gitcode.com/gh_mirrors/py/pyvideotrans cd pyvideotrans uv sync uv run sp.py

界面操作分三步：选视频并设置源语言；选目标语言和翻译引擎；选配音引擎后开始。产出默认放在输入文件同级的_video_out目录，里面是翻译字幕和带配音的视频。不想打开界面时，可直接用命令行做整段视频翻译：

uv run cli.py --task vtv --name "./videos/demo.mp4" \ --source_language_code zh-cn --target_language_code en --voice_role "en-US-GuyNeural"

命令行还有 stt/tts/sts 三种任务类型，分别对应语音转录、文字配音、字幕翻译，可以只取其中一环单独用。

按需求选引擎，而不是数引擎

引擎很多，按场景挑就行：

两条选线原则：数据敏感或网络差，全本地；追求译文质量，优先 LLM 翻译。

参数与配置怎么调 🔧

• 识别参数（降噪、标点恢复、LLM 重新断句）在识别参数设置里改，嘈杂环境或术语多的内容建议开启。
• 说话人分离与角色配音分配在说话人分离处理中实现，给每个说话人指定不同声音后，对话场景更自然。
• 有 NVIDIA 显卡时，装 CUDA 版 PyTorch 加 cuDNN 包即可加速，命令行加--cuda参数生效。

批量处理与边界情况

--name参数支持通配符，写./videos/*.mp4就能一次处理整个文件夹，再配合定时任务就是自动化翻译流水线。需要完全断网时，翻译用本地 Ollama + M2M100，识别用本地 Whisper，全程视频不出机器。Web UI 提供网页版操作，适合部署在远程服务器上访问。想扩展新引擎，按现有文件模式往对应模块目录里加一个实现文件即可，各阶段之间互不影响。

【免费下载链接】pyvideotransTranslate the video from one language to another and embed dubbing & subtitles.项目地址: https://gitcode.com/gh_mirrors/py/pyvideotrans