这是一个创建于 35 天前的主题，其中的信息可能已经有所发展或是发生改变。
前几天看到 v 友分享的字幕翻译工具，想想我迫切需要的功能是 生成外语影片中文字幕 功能。
于是调研了下方案，原本打算古法编程的。
但 gpt5.4 真的远超想象，没那么完美，但已符合我的需求，解决了某些电影字幕无->有的跨越。
核心功能：
ffmpeg 分离音频->VAD 本地模型降噪切片->Whisper 本地模型转录（非翻译）->LLM 大模型翻译
分享给有需要的 v 友
https://github.com/AndySkaura/crosssubtitle-ai/releases/tag/1.0
当前只有 mac arm 版本，win 版本等下周 codex 有额度了再督促它干活儿。
只在本机进行过测试
原本想内置一个 qwen 7b ，但还是太重了，不如用免费不限量的 GLM-4-Flash-250414 。有条件自己本地部署个小模型吧。
于是调研了下方案，原本打算古法编程的。
但 gpt5.4 真的远超想象，没那么完美，但已符合我的需求，解决了某些电影字幕无->有的跨越。
核心功能：
ffmpeg 分离音频->VAD 本地模型降噪切片->Whisper 本地模型转录（非翻译）->LLM 大模型翻译
分享给有需要的 v 友
https://github.com/AndySkaura/crosssubtitle-ai/releases/tag/1.0
当前只有 mac arm 版本，win 版本等下周 codex 有额度了再督促它干活儿。
只在本机进行过测试
原本想内置一个 qwen 7b ，但还是太重了，不如用免费不限量的 GLM-4-Flash-250414 。有条件自己本地部署个小模型吧。
 | 1 Daybyedream 3 月 19 日 我现在转文字都白嫖千问 APP 里的 视频都不传直接提取音频发过去还是很快处理好的。 |
 | 2 andyskaura OP @Daybyedream 大模型还是太权威了  我用 Whisper 本地识别，如果不做降噪和切片，和上下文优化，识别准度还差很大意思 |
 | 3 arcsin1 3 月 19 日 Whisper 本地识别 只能做些简单的。毕竟量不够 |
 | 4 wednesdayco 3 月 19 日 ?我刚给我对象弄了一个这个的 demo |
 | 5 cairnechen 3 月 19 日 memo ？ |
 | 6 indexError 3 月 20 日 via Android 先别写了 认真的，再去做做调查 |
 | 7 superhuai 3 月 20 日 有没有好兄弟试试 AV |
| 8 Daybyedream 3 月 20 日 @andyskaura 主要不着急不是批量自动化的话，千问客户端，音视频里转文字上传之后够用还方便的。我一般也推荐别人用这个。 |
| 9 andyskaura OP 我的目的就是想把 nas 里的 av 都批量加上基础字幕  |
| 10 andyskaura OP @Daybyedream #8 忘 @了 |
 | 11 galenzhao 1 天前 多人的音频分离有啥好用的吗，我现在缺了这一块的实现 |
| 12 andyskaura OP @galenzhao 问了下 ai ，还是给出挺多方案的。 不过当前项目没用，这项目的模式是 ffmpeg 分离声道，VAD 切分移除非人声部分，Whisper 转录原文，llm 翻译。 |
Select Language