video-subtitle-master 项目使用教程

video-subtitle-master 是一个功能强大的桌面应用程序，专门用于批量生成视频字幕并将其翻译成其他语言。该项目基于开源项目 VideoSubtitleGenerator 开发，提供了图形用户界面，操作更加便捷。

项目介绍

video-subtitle-master 是一个跨平台的视频字幕处理工具，支持 Windows 和 macOS 系统。它集成了 whisper.cpp 语音识别技术，能够快速准确地将视频中的语音转换为字幕，并支持多种翻译服务进行字幕翻译。

主要特性

• 图形用户界面：直观易用的操作界面
• 批量处理：支持批量处理视频、音频和字幕文件
• 多语言支持：生成源语言字幕并翻译成目标语言
• 多种翻译服务：支持火山引擎、百度翻译、DeepLX、Ollama 本地模型等
• 集成 whisper.cpp：对 Apple Silicon 芯片进行优化，处理速度快
• 内置 ffmpeg：无需单独安装 ffmpeg
• 模型管理：支持手动下载和导入模型文件

安装方法

普通用户安装

1. 前往项目发布页面下载对应操作系统的安装包
2. 双击安装包进行安装
3. 启动应用程序

开发者安装

1. 克隆项目到本地

git clone https://gitcode.com/gh_mirrors/vi/video-subtitle-master

2. 安装依赖

cd video-subtitle-master
yarn install

3. 启动开发环境

yarn start

使用教程

1. 配置翻译服务

在使用翻译功能前，需要先配置相应的翻译服务：

• 百度翻译：需要申请 API Key 和 Secret Key
• 火山引擎翻译：需要申请相应的 API 密钥
• DeepLX：免费使用，但批量翻译可能被限流
• Ollama：本地模型翻译，需要安装 Ollama
• OpenAI 风格 API：支持 DeepSeek 等服务

2. 处理视频文件

1. 打开应用程序，进入主界面

2. 点击"添加文件"按钮选择要处理的视频文件

3. 在右侧配置面板中设置参数：

   • 源语言：选择视频中使用的语言
   • 目标语言：选择要翻译成的语言
   • 模型：选择使用的语音识别模型
   • 翻译服务：选择要使用的翻译服务

4. 点击"开始处理"按钮启动任务

3. 模型管理

如果通过软件下载模型困难，可以手动下载并导入：

1. 访问模型下载地址：

   • 国内镜像源：https://hf-mirror.com/ggerganov/whisper.cpp/tree/main
   • 官方源：https://huggingface.co/ggerganov/whisper.cpp/tree/main

2. 下载所需的模型文件

3. 在应用程序的"模型管理"页面中点击"导入模型"

4. 选择下载的模型文件进行导入

项目结构

video-subtitle-master 采用 Electron + Next.js 架构开发，主要目录结构如下：

video-subtitle-master/
├── main/           # Electron 主进程代码
├── renderer/       # 渲染进程代码（Next.js）
├── extraResources/ # 额外资源文件
├── public/         # 静态资源文件
└── package.json    # 项目配置

核心模块

• main/background.ts：Electron 主进程入口文件
• main/helpers/：主进程辅助工具
• renderer/components/：React 组件
• renderer/pages/：Next.js 页面

常见问题

应用程序无法打开（macOS）

如果在 macOS 上提示应用程序已损坏，可以在终端中执行：

sudo xattr -dr com.apple.quarantine /Applications/Video\ Subtitle\ Master.app

模型下载失败

建议使用手动下载方式获取模型文件，然后通过导入功能添加到应用中。

翻译服务配置

各类翻译服务需要相应的 API 密钥，请按照服务提供商的指引申请和配置。

技术特点

• 使用 TypeScript 开发，类型安全
• 采用 React + Next.js 构建用户界面
• 集成 whisper.cpp 进行语音识别
• 支持多线程并发处理任务
• 提供完整的国际化支持

开发指南

如需参与项目开发，请先熟悉项目结构，然后按照以下步骤：

1. 克隆项目并安装依赖
2. 启动开发服务器
3. 修改代码并测试
4. 提交 Pull Request

项目采用 MIT 许可证，欢迎贡献代码和改进建议。