懂AI
subtitle

subtitle

开源多语言字幕生成工具 支持AI驱动和自托管部署

Subtitle是一款开源的字幕生成工具，支持多语言处理和自托管部署。该工具采用AI技术为视频内容创建准确、自然的字幕，并可轻松集成到现有工作流程。它提供多种AI模型选择和自定义参数设置，适应不同场景的字幕需求。用户可通过命令行或二进制文件运行，输出多种格式的字幕文件。这个项目为个人用户、内容创作者和企业提供了便捷的字幕解决方案。

Subtitle开源AI多语言自托管Github开源项目
访问官网GitHub论文文档

字幕

开源字幕生成工具，实现无缝内容翻译。

主要特点：

  • 开源：可免费使用、修改和分发。
  • 自托管：在自己的服务器上运行，增强控制和隐私。
  • AI 驱动：利用先进的机器学习技术，生成准确且自然的字幕。
  • 多语言支持：为多种语言的视频生成字幕。
  • 轻松集成：无缝融入现有工作流程。

我做这个项目是出于兴趣，但我觉得它也可能对其他人有用。

安装

FFmpeg

首先，你需要安装 FFmpeg。以下是安装方法：

# 在 Linux 上
sudo apt install ffmpeg

运行

你可以使用以下命令从命令行运行脚本：

python subtitle.py <文件路径 | 视频URL> [--model <模型名称>]

将 <文件路径 | 视频URL> 替换为你的视频文件路径。--model 参数是可选的。如果不提供，默认使用 'base' 模型。

例如：

python subtitle.py /path/to/your/video.mp4 --model base

这将在 /path/to/your/video.mp4 的视频上运行脚本，使用 base 模型。 请将 /path/to/your/video.mp4 替换为你实际的视频文件路径。

模型

以下是你可以使用的模型： 注意：只有当视频是英语时才使用 .en 模型。

  • tiny.en
  • tiny
  • tiny-q5_1
  • tiny.en-q5_1
  • base.en
  • base
  • base-q5_1
  • base.en-q5_1
  • small.en
  • small.en-tdrz
  • small
  • small-q5_1
  • small.en-q5_1
  • medium
  • medium.en
  • medium-q5_0
  • medium.en-q5_0
  • large-v1
  • large-v2
  • large
  • large-q5_0

高级用法

你可以通过使用以下参数来修改 whisper 二进制文件的行为：

./whisper [选项] file0.wav file1.wav ...

选项

以下是你可以与 whisper 二进制文件一起使用的选项：

选项默认值描述
-h, --help显示帮助信息并退出
-t N, --threads N4计算过程中使用的线程数
-p N, --processors N1计算过程中使用的处理器数
-ot N, --offset-t N0时间偏移（毫秒）
-on N, --offset-n N0段索引偏移
-d N, --duration N0处理的音频持续时间（毫秒）
-mc N, --max-context N-1存储的最大文本上下文标记数
-ml N, --max-len N0最大段落长度（字符）
-sow, --split-on-wordfalse按词分割而不是按标记分割
-bo N, --best-of N2保留的最佳候选数量
-bs N, --beam-size N-1束搜索的束大小
-wt N, --word-thold N0.01词时间戳概率阈值
-et N, --entropy-thold N2.40解码器失败的熵阈值
-lpt N, --logprob-thold N-1.00解码器失败的对数概率阈值
-debug, --debug-modefalse启用调试模式（如转储 log_mel）
-tr, --translatefalse将源语言翻译成英语
-di, --diarizefalse立体声音频说话人分离
-tdrz, --tinydiarizefalse启用 tinydiarize（需要 tdrz 模型）
-nf, --no-fallbackfalse解码时不使用温度回退
-otxt, --output-txttrue将结果输出到文本文件
-ovtt, --output-vttfalse将结果输出到 vtt 文件
-osrt, --output-srtfalse将结果输出到 srt 文件
-olrc, --output-lrcfalse将结果输出到 lrc 文件
-owts, --output-wordsfalse输出生成卡拉 OK 视频的脚本
-fp, --font-path/System/Library/Fonts/Supplemental/Courier New Bold.ttf卡拉 OK 视频的等宽字体路径
-ocsv, --output-csvfalse将结果输出到 CSV 文件
-oj, --output-jsonfalse将结果输出到 JSON 文件
-ojf, --output-json-fullfalse在 JSON 文件中包含更多信息
-of FNAME, --output-file FNAME输出文件路径（不含文件扩展名）
-ps, --print-specialfalse打印特殊标记
-pc, --print-colorsfalse打印颜色
-pp, --print-progressfalse打印进度
-nt, --no-timestampsfalse不打印时间戳
-l LANG, --language LANGen口语语言（'auto' 为自动检测）
-dl, --detect-languagefalse自动检测语言后退出
--prompt PROMPT初始提示
-m FNAME, --model FNAMEmodels/ggml-base.en.bin模型路径
-f FNAME, --file FNAME输入 WAV 文件路径
-oved D, --ov-e-device DNAMECPU用于编码推理的 OpenVINO 设备
-ls, --log-scorefalse记录标记的最佳解码器分数
-ng, --no-gpufalse禁用 GPU

二进制文件运行示例

以下是如何使用 whisper 二进制文件的示例：

./whisper -m models/ggml-tiny.en.bin -f Rev.mp3 out.wav -nt --output-vtt

许可证

MIT

参考与致谢

作者

🚀 关于我

只是尝试成为一名开发者！

支持

如需支持，请发送电子邮件至 vedgupta@protonmail.com

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多