一个完整的日语视频/音频转录翻译工具,支持从日语视听资源自动生成中文字幕。
- 精准转录:使用Kotoba-Whisper v2.1进行日语语音识别
- 智能翻译:集成LM Studio本地大模型进行日语→中文翻译
- 批量优化:批量翻译提供更好的上下文理解
- 多种输出:支持原文字幕、中文字幕、双语字幕三种格式
- 实时反馈:带时间戳的日志显示和进度追踪
- 智能过滤:自动过滤无意义的语气词(ああ、うん等)
- 配置持久化:自动保存用户设置和偏好
- 子进程架构:避免DLL冲突,确保稳定运行
- 批量处理:多文件队列管理,支持递归扫描、断点续传
- 日志过滤:非调试模式下智能隐藏翻译明细,日志更清爽
- Python 3.8+
- FFmpeg:用于音频提取
- LM Studio:本地运行翻译模型
- CUDA环境:用于GPU加速(推荐)
# 安装核心依赖
pip install PyQt6 transformers accelerate torchaudio
pip install stable-ts==2.16.0
pip install punctuators==0.0.5
pip install openai requests-
启动LM Studio 并加载翻译模型
- 推荐模型:
sakura-galtransl-7b-v3.7 - 确保模型已完全加载到内存
- 推荐模型:
-
启动GUI
python gui_main.py
-
配置处理参数
- 选择视频/音频文件
- Whisper模型:
kotoba-tech/kotoba-whisper-v2.1(默认) - 翻译模型:选择LM Studio中已加载的模型
- 批量翻译大小:70(推荐)
-
选择输出格式
- 原文字幕(日语)
- 中文字幕(翻译)
- 双语字幕(日中对照)
-
开始处理
- 点击"开始处理"按钮
- 监控实时进度和日志
处理完成后生成以下文件:
[filename]_original.srt # 日语原文字幕
[filename]_translated.srt # 中文翻译字幕
[filename]_bilingual.srt # 日中双语字幕
[filename]_transcription.txt # 完整转录文本
经过实际测试,以下模型效果最佳:
| 模型 | 参数量 | 翻译质量 | 速度 | 稳定性 | 推荐场景 |
|---|---|---|---|---|---|
| sakura-galtransl-7b-v3.7 | 7B | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 推荐默认使用 |
| qwen2.5-7b-instruct | 7B | ⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ | 通用翻译 |
| hy-mt1.5-1.8b | 1.8B | ⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐ | 快速翻译(质量较低) |
重要提示:
- 小参数模型(1.5B-1.8B)容易出现翻译失败,直接返回日语原文
- 建议使用7B以上参数模型确保翻译质量
- sakura-galtransl系列针对日中翻译优化,效果最佳
-
批量翻译大小:
- 推荐值:50-80条
- 更大的值提供更好的上下文,但可能影响稳定性
- 建议根据模型能力调整
-
语气词过滤:默认开启,可保持字幕简洁
-
GPU加速:确保CUDA正确安装以获得最佳性能
┌─────────────┐
│ GUI层 │ PyQt6 + QProcess(子进程隔离)
└──────┬──────┘
│
┌──────▼──────────────────────────────┐
│ 音频提取(FFmpeg) │
│ - 视频转WAV │
│ - 16kHz采样率,单声道 │
└──────┬──────────────────────────────┘
│
┌──────▼──────────────────────────────┐
│ 转录引擎(Kotoba-Whisper v2.1) │
│ - 日语语音识别 │
│ - 时间戳对齐 │
└──────┬──────────────────────────────┘
│
┌──────▼──────────────────────────────┐
│ 翻译引擎(LM Studio) │
│ - 批量翻译优化 │
│ - 上下文保持 │
└──────┬──────────────────────────────┘
│
┌──────▼──────────────────────────────┐
│ 字幕生成(SRT格式) │
│ - 原文字幕 │
│ - 翻译字幕 │
│ - 双语字幕 │
└─────────────────────────────────────┘
GUI配置保存在 gui_config.ini:
[Model]
whisper_model = kotoba-tech/kotoba-whisper-v2.1
translation_model = sakura-galtransl-7b-v3.7
lm_studio_url = http://127.0.0.1:1234/v1
[Output]
output_dir =
original_subtitle = True
translated_subtitle = True
bilingual_subtitle = True
filter_mood_words = True
debug_mode = True
[Batch]
continue_on_failure = True
pause_on_failure = False
max_retries = 3
single_file_timeout = 600
recursive_folder_scan = True
temp_dir_keep_on_success = False
[UI]
window_width = 900
window_height = 800症状:中文字幕中出现日语内容,翻译失败
原因:翻译模型参数过小或能力不足
解决方案:
- 更换更大的模型:推荐
sakura-galtransl-7b-v3.7 - 调整批量翻译大小:降低到50-70
- 检查LM Studio状态:确认模型已正确加载
- 查看详细日志:监控翻译过程中的具体错误
症状:转录阶段报错或卡住
解决方案:
- 检查网络连接(首次需要下载模型)
- 确认CUDA正确安装:
python -c "import torch; print(torch.cuda.is_available())" - 查看错误日志定位具体问题
症状:无法获取模型列表,连接超时
解决方案:
- 确认LM Studio正在运行
- 检查服务地址(默认:
http://127.0.0.1:1234/v1) - 确认LM Studio已加载至少一个模型
- 检查防火墙设置
症状:FFmpeg错误,无法处理视频文件
解决方案:
- 确认FFmpeg已安装:
ffmpeg -version - 添加FFmpeg到系统PATH环境变量
- 检查输入文件格式和完整性
症状:无法启动界面,依赖库错误
解决方案:
- 确认所有依赖已正确安装
- 检查Python版本(需要3.8+)
- 查看错误堆栈信息
如需批量处理或脚本集成,使用命令行版本:
python translate_subtitle.py "input.mp4" --output-dir "output"参数说明:
--model: Whisper模型(默认:kotoba-tech/kotoba-whisper-v2.1)--llm-model: 翻译模型(默认:sakura-galtransl-7b-v3.7)--no-translate: 只转录不翻译-o, --output-dir: 输出目录--batch-size: 批量翻译大小(默认:10)
Subtitle generation/
├── gui_main.py # GUI主程序
├── gui_config.py # 配置管理
├── gui_worker.py # 工作线程
├── gui_styles.qss # QSS样式表
├── subprocess_processor.py # 子进程处理逻辑
├── transcribe.py # Whisper转录封装
├── llm_client.py # LLM客户端封装
├── translate_subtitle.py # 命令行版本
├── resource/ # 输出资源
├── docs/ # 设计文档
├── test/ # 测试文件
└── infor/ # 参考信息
- 音频提取:视频 → WAV(16kHz单声道)
- 转录:WAV → 日语文本 + 时间戳
- 翻译:日语字幕 → 中文字幕(批量处理)
- 输出:生成SRT和TXT文件
- 子进程架构避免PyTorch DLL冲突
- UTF-8编码处理确保中文正确显示
- 异步处理提供流畅的UI响应
- ✅ 全新GUI布局和QSS样式系统
- ✅ 总体进度条和任务百分比实时显示
- ✅ 翻译日志智能过滤(非调试模式下隐藏翻译明细)
- ✅ 图标和字体微调,界面更整洁
- ✅ 修复运行时BUG,提升稳定性
- ✅ 实现多文件批量处理功能
- ✅ 批量任务队列管理(继续/暂停/重试)
- ✅ 递归扫描子文件夹
- ✅ 配置持久化批量选项(超时、重试次数等)
- ✅ 完整的日语转录和翻译功能
- ✅ PyQt6图形用户界面
- ✅ 集成LM Studio本地翻译模型
- ✅ 批量翻译优化(默认70条)
- ✅ 多格式字幕输出(原文/翻译/双语)
- ✅ 智能语气词过滤
- ✅ 配置持久化(自动保存用户设置)
- ✅ 实时日志和时间戳显示
- ✅ 智能模型选择(自动恢复上次选择)
- ✅ 子进程架构(避免PyTorch DLL冲突)
欢迎提交Issue和Pull Request!
本项目仅供学习和个人使用。