pyVideoTrans

Appearance

GVS 硬字幕AI提取 ​

Github源码地址：https://github.com/jianchang512/gvs

Win预打包版下载地址：百度网盘 | github

GVS 是一款基于 AI 视觉大模型 的视频硬字幕提取工具。

本项目利用 GLM-4.6V 和 Gemini 等先进的多模态模型，直接“看”懂视频帧中的文字。它不仅识别准确率极高，还能利用 AI 的语义理解能力，自动处理字幕去重、断句拼接和时间轴对齐。

💡 核心理念：抛弃繁琐的本地 OCR 字典校对，把视频截图直接喂给 AI，让 AI 帮你写 SRT 字幕。

✨ 核心特性 ​

  • 🚀 AI 原生处理：使用智谱 AI (glm-4.6v-flash免费模型) 或 Google Gemini 进行识别，抗干扰能力强，支持多语言。
  • 🆓 免费使用：
    • 默认支持 智谱 AI 的 glm-4.6v-flash 系列模型（完全免费，注册即用）。
    • 支持 Gemini 免费层级模型。
  • ⚡ 智能批处理：采用 1秒/帧 采样，每 20 帧打包发送，降低 API 请求频率，避免频繁限流。
  • 🧠 自动去重与拼接：利用 LLM 的上下文能力，自动合并连续的相同字幕，生成完美的 SRT 时间轴。
  • 🖥️ 现代化 GUI：基于 PySide6 构建的深色主题界面，支持拖拽操作，实时日志显示。
  • 🛠️ 极速部署：使用 uv 进行依赖管理，环境配置快如闪电。

📸 界面预览 ​

🛠️ 源码部署指南 ​

本项目推荐使用 uv 进行极速部署。当然，你也可以使用传统的 pip。

前置要求 ​

  1. FFmpeg : 用于视频截帧。

    • Windows: 下载 FFmpeg，解压并将 bin 目录添加到系统环境变量 Path 中。
    • Mac: brew install ffmpeg
    • Linux: sudo apt install ffmpeg
    • 验证方法: 在终端输入 ffmpeg -version 不报错即可。

  2. Python 3.10+

方式一：使用 uv (推荐) ​

如果你是 Python 开发者或希望环境隔离更干净：

  1. 安装 uv (如果未安装): 到此页面安装：https://docs.astral.sh/uv/getting-started/installation/
  2. 克隆项目:
    bash
    git clone https://github.com/jianchang512/gvs.git
cd gvs
  3. 同步依赖并运行:
    bash
    # uv 会自动根据 pyproject.toml 和 uv.lock 创建虚拟环境并安装依赖
uv sync

# 运行软件
uv run app.py

方式二：使用 pip ​

bash
git clone https://github.com/jianchang512/gvs.git
cd gvs

# 建议先创建虚拟环境
python -m venv venv
# Windows 激活
.\venv\Scripts\activate
# Mac/Linux 激活
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt  
# 或者手动安装核心库:
pip install PySide6 Pillow requests

🔑 API Key 获取指南 ​

本项目依赖云端 AI 模型，需要申请 API Key。以下两个渠道均有免费额度：

1. 智谱 AI (免费,推荐国内用户) ​

  • 模型: glm-4.6v-flash / glm-4v-flash
  • 费用: 免费 (Flash 模型目前免费开放)
  • 获取方式:
    1. 访问 智谱 AI 开放平台。
    2. 注册账号并实名认证。
    3. 在“API Keys”页面创建一个新的 API Key。
    4. 复制 Key 填入软件即可。

2. Google Gemini ​

  • 模型: gemini-2.5-flash / gemini-3-flash-preview
  • 费用: 提供免费层级 (Free Tier)，也就是每天有一定额度的免费调用。
  • 获取方式:
    1. 访问 Google AI Studio。
    2. 点击 "Create API key"。
    3. 复制 Key 填入软件即可。

📖 使用说明 ​

  1. 启动软件：运行 app.py。
  2. 导入视频：点击虚线框或直接将视频文件拖入软件界面。
  3. 选择区域：
    • 大多数电影/电视剧字幕在底部。
    • 如果是短视频顶部标题，可选顶部。
    • 若不确定，可选全画面（Token 消耗稍多，但最稳）。
  4. 配置服务：
    • 选择服务商（智谱AI 或 Gemini）。
    • 输入对应的 API Key（软件会自动保存，下次无需输入）。
    • 选择模型（推荐使用后缀带 flash 的模型，速度快且免费/便宜）。
  5. 开始提取：点击“开始提取”按钮。
  6. 查看结果：
    • 进度条走完后，软件会自动在当前目录下创建 output 文件夹。
    • SRT 字幕文件将生成在 output 目录中。
    • 点击界面上的“打开输出目录”即可直达。

⚙️ 文件结构 ​

text
gvs/
├── app.py              # 主程序入口
├── config.json         # 用户配置文件（自动生成）
├── api_debug.log       # API 请求调试日志（用于排查 AI 幻觉或报错）
├── output/             # 字幕输出目录
├── pyproject.toml      # uv 项目配置
└── uv.lock             # uv 依赖锁定文件

🤝 二次开发与贡献 ​

欢迎提交 Pull Request 或 Issue！

开发提示 ​

  • UI 修改: 项目使用纯代码构建 PySide6 界面（无 .ui 文件），请直接修改 MainWindow 类下的 setup_ui 方法。
  • AI 逻辑: 核心逻辑在 AIClient 类中。如果想添加新的 LLM 支持（如 Claude 或 OpenAI），请参照 _call_zhipu 方法实现。
  • 图片处理: 使用 Pillow 进行裁切和压缩，逻辑在 crop_image_bytes 函数中。

⚠️ 常见问题 (FAQ) ​

Q: 点击开始后报错 "无法获取视频时长"？ A: 请确保你的电脑安装了 FFmpeg 并且已经添加到了系统环境变量中。重启电脑或终端后再试。

Q: 为什么识别出的字幕偶尔有错别字？ A: 虽然 AI 很强，但在极其模糊、特效字或背景极其复杂的情况下仍可能出错。建议使用“底部”裁切模式，减少背景干扰。

Q: 任务中途报错 "429 Too Many Requests"？ A: 这是触发了 API 频率限制。软件内置了重试机制，会自动暂停 10 秒后重试。如果频繁出现，建议检查你的 API 额度或切换模型。

📜 开源协议 ​

MIT License. 这意味着你可以免费使用、修改和分发本项目，但需保留原作者版权声明。

致谢 ​

  • requests
  • pyside6
  • 智谱AI