【亲测免费】 卡卡字幕助手（VideoCaptioner）使用教程

1. 项目介绍

卡卡字幕助手（VideoCaptioner）是一款基于大语言模型（LLM）的视频字幕处理助手。它支持语音识别、字幕断句、优化、翻译等全流程处理，能够为视频配上效果惊艳的字幕。项目旨在提供一种简单且无需高配置的方法，通过利用大语言模型进行字幕智能断句、校正、翻译，实现视频字幕的一键处理。

2. 项目快速启动

Windows 用户

1. 从 Release 页面下载最新版本的可执行程序。
2. 打开安装包进行安装。
3. 配置LLM API（用于字幕断句、校正），可使用本项目的中转站。
4. 翻译配置，选择是否启用翻译，默认使用微软翻译。
5. 语音识别配置，默认使用B接口，中英以外的语言请使用本地转录。
6. 拖拽视频文件到软件窗口，即可全自动处理。

MacOS 用户

由于项目作者缺少Mac测试环境，暂无法提供MacOS的可执行程序。Mac用户请自行使用下载源码和安装python依赖运行。

git clone https://github.com/WEIFENG2333/VideoCaptioner.git
cd VideoCaptioner
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python main.py

Docker 部署（beta）

1. 克隆项目

git clone https://github.com/WEIFENG2333/VideoCaptioner.git
cd VideoCaptioner

2. 构建镜像

docker build -t video-captioner .

3. 运行容器

docker run -d \
-p 8501:8501 \
-v $(pwd)/temp:/app/temp \
-e OPENAI_BASE_URL="你的API地址" \
-e OPENAI_API_KEY="你的API密钥" \
--name video-captioner \
video-captioner

4. 访问应用

打开浏览器访问：http://localhost:8501

3. 应用案例和最佳实践

应用案例

• 处理一个14分钟1080P的B站英文TED视频，调用本地Whisper模型进行语音识别，使用gpt-4o-mini模型优化和翻译为中文，总共消耗时间约4分钟。
• 近后台计算，模型优化和翻译消耗费用不足￥0.01。

最佳实践

• 对于不同的语言，选择合适的语音识别模型，例如中文建议使用medium以上模型，英文等使用较小模型即可。
• 在字幕优化与翻译时，开启智能断句和字幕校正，以提升字幕质量和观看体验。
• 根据需求选择合适的翻译服务，推荐使用LLM大模型翻译以获得最佳翻译质量。

4. 典型生态项目

• GitHub Copilot： Write better code with AI
• Security：Find and fix vulnerabilities
• Actions：Automate any workflow
• Codespaces：Instant dev environments
• Issues：Plan and track work
• Code Review：Manage code changes
• Discussions：Collaborate outside of code
• Code Search：Find more, search less

以上是卡卡字幕助手（VideoCaptioner）的使用教程，希望对您有所帮助。