视频字幕处理工具

一个桌面Python应用程序，用于从视频中提取语音，生成字幕，并将字幕嵌入到视频中。该工具提供了友好的图形用户界面（GUI），使操作更加简单直观。

功能

• 从视频文件中提取音频
• 使用OpenAI Whisper进行语音识别，支持近100种语言
• 自动检测语言，并根据需要将字幕翻译为中文
• 生成SRT格式字幕文件
• 将字幕嵌入到视频中
• 保存带字幕的新视频文件
• 图形用户界面，操作简单直观

安装和设置

1. 克隆仓库

git clone https://github.com/your-username/video-subtitle-tool.git
cd video-subtitle-tool

2. 创建虚拟环境（可选但推荐）

python -m venv venv
# Windows
venv\Scripts\activate
# macOS/Linux
source venv/bin/activate

3. 安装依赖

pip install -r requirements.txt

4. 安装FFmpeg

该工具依赖FFmpeg进行视频和音频处理。

• Windows:

  • 下载FFmpeg: https://ffmpeg.org/download.html
  • 将FFmpeg添加到系统PATH环境变量

• macOS (使用Homebrew):

  brew install ffmpeg

• Linux:

  sudo apt update
  sudo apt install ffmpeg

5. 下载语音模型

运行以下命令下载必要的语音模型:

python download_models.py

使用方法

启动程序

python gui.py

使用界面

1. 点击"选择视频"按钮选择要处理的视频文件
2. 设置输出选项：
   • 选择输出文件路径
   • 选择目标语言（默认：中文）
   • 选择字幕类型（软字幕/硬字幕）
   • 选择翻译模型（在线/本地Ollama）
   • 设置字幕样式
3. 点击"开始处理"按钮
4. 在进度条中查看处理进度

高级选项

在界面中可以设置的选项包括：

• 输出文件路径和格式（MP4/MKV）
• 目标语言（默认：中文）
• 字幕类型（软字幕/硬字幕）
• 翻译模型选择（在线API/本地Ollama）
• Ollama模型名称设置
• 字幕样式（默认/轮廓/阴影/方框）

处理流程

1. 提取音频: 从视频文件中提取WAV格式的音频
2. 语音识别: 使用Whisper分析音频并生成文本（支持多语言）
3. 创建字幕: 生成带时间戳的SRT格式字幕文件
4. 翻译: 如果检测到非中文字幕，将其翻译成中文
5. 嵌入字幕: 将字幕嵌入到视频中（软字幕或硬字幕）
6. 保存视频: 保存带字幕的新视频文件

输出文件

程序会生成以下文件:

1. WAV格式的音频文件
2. 原始转录文本文件
3. 原始语言的SRT字幕文件
4. 翻译后的中文SRT字幕文件
5. 带嵌入字幕的视频文件（MP4或MKV格式）

许可证

MIT