视频翻译核心功能
本文详细说明 pyVideoTrans 最核心的功能——视频翻译。涵盖从文件选择到最终输出的完整工作流程。
一、功能概述
视频翻译是 pyVideoTrans 的核心功能，可将视频从一种语言自动翻译为另一种语言，并配上目标语言的配音。
mermaid
graph LR
A[原始视频] --> B[语音识别]
B --> C[字幕翻译]
C --> D[语音合成]
D --> E[音画同步对齐]
E --> F[输出翻译视频]可处理的文件：任何包含清晰人类语音的音频或视频文件。
无法处理的文件：仅有背景音乐或画面但无人声说话的视频。
⚠️ 本功能无法直接提取或消除视频画面中的硬字幕（烧录文字）。如需提取硬字幕，请使用 硬字幕提取工具。
二、基本使用流程
- 选择需要翻译的原始视频
- 选择语音识别渠道和模型
- 选择发音语言和目标语言
- 选择翻译渠道
- 选择配音渠道和发音角色
- 调整同步对齐、字幕等参数
- 点击开始执行
三、主界面参数详解
第 1 行：选择视频
支持的格式：
- 视频：mp4、mkv、avi、mov、webm、mpeg、ogg、mts、ts、wmv
- 音频：wav、mp3、m4a、flac、aac、wma
| 选项 | 说明 |
|---|---|
| 选择音频或视频 | 选择一个或多个文件（按住 Ctrl 可多选） |
| 文件夹 | 勾选后可批量处理整个文件夹 |
| 清理已生成 | 勾选后强制重新处理，不使用缓存 |
| 输出到 | 设置翻译后的视频保存目录 |
| 仅输出mp4 | 选中后只保留最终视频，其他文件自动删除 |
| 完成后关机 | 处理完所有任务后自动关闭计算机 |
第 2 行：语音识别
| 渠道 | 推荐场景 | 说明 |
|---|---|---|
faster-whisper(本地内置) | 默认推荐 | 速度快、质量高，支持 GPU 加速 |
openai-whisper(本地内置) | 高精度需求 | 准确度略高，速度较慢 |
Qwen-ASR(本地内置) | 中文视频 | 中文识别效果特别好 |
FunASR-Chinese(本地内置) | 中文视频 | 阿里出品，中文优化 |
Huggingface_ASR(本地内置) | 多语言 | 支持多种语言模型 |
模型选择（faster-whisper / openai-whisper）：
tiny→ 最快，准确度低base/small→ 平衡之选medium→ 较好效果large-v3→ 最佳效果，需要 8GB+ 显存large-v3-turbo→ 推荐，速度与质量兼顾
二次识别：在配音完成后再次对配音文件进行语音转录，生成更精准的字幕时间轴。适合需要字幕和配音精确对齐的场景。
第 3 行：翻译
| 渠道 | 说明 |
|---|---|
Google(免费) | 翻译质量好，需要网络代理 |
Microsoft(免费) | 无需代理，可能限流 |
M2M100(本地) | 本地模型翻译 |
- 发音语言：视频中人物说的语言，必须正确选择
- 目标语言：希望翻译成的语言
发音语言列表中的"-"表示未选择，请务必选择正确的语言。
第 4 行：配音
| 渠道 | 说明 |
|---|---|
Edge-TTS(免费) | 默认推荐，微软免费接口，声音自然 |
Qwen3-TTS(本地内置) | 阿里本地模型，支持中英日韩等 |
MOSS-TTS-Nano(本地内置) | 支持多种语言 |
Piper(本地内置) | 轻量级本地 TTS |
VITS(本地内置) | 中英配音 |
Supertonic3(本地内置) | 多语言 |
ChatterBox(本地内置) | 多语言，效果好 |
gTTS(免费) | Google TTS，基础质量 |
选择渠道后，「配音角色」下拉框会自动更新为该渠道可用的发音人。
配音角色选择
clone表示使用原始视频的音色进行配音（声音克隆）。
第 5 行：同步对齐和字幕
| 参数 | 默认值 | 说明 |
|---|---|---|
| 配音加速 | ✅ 选中 | 当配音比原视频长时，加速配音以匹配时长 |
| 视频慢速 | ☐ 不选 | 当配音比原视频长时，放慢视频以匹配配音 |
| 配音语速 | 0% | 调整配音速度（-50% ~ +50%） |
| 音量调整 | 0% | 调整配音音量（-95% ~ +100%） |
| 音调 | 0Hz | 调整配音音调（-100Hz ~ +100Hz） |
| 字幕嵌入类型 | 嵌入硬字幕 | 字幕嵌入方式 |
字幕嵌入类型说明：
- 不嵌入字幕：只替换声音，不添加字幕
- 嵌入硬字幕：字幕永久烧录到画面，任何播放器都能显示
- 嵌入软字幕：字幕作为独立轨道，播放器可选择开关
- 嵌入硬字幕(双语)：同时显示原文和译文字幕
- 嵌入软字幕(双语)：双语字幕，播放器可开关
第 6 行：开始执行
点击 🚀 开始执行 按钮开始处理。按钮会变为「⏳ 执行中...」并禁用，防止重复点击。
第 7 行：进度条
处理完成后，点击底部进度条区域可打开输出文件夹，查看翻译后的视频、字幕、配音等文件。
第 8 行：更多参数
点击展开后可设置：
| 参数 | 说明 |
|---|---|
| 降噪 | 清除音频中的背景噪声 |
| 标点处理 | 恢复标点 / 删除标点 / 默认标点 |
| 分离人声背景声 | 将人声与背景音乐分离（处理较慢） |
| 重新嵌入背景声 | 分离后将背景声重新嵌入 |
| 背景音处理方式 | 背景音截断 / 背景音循环 |
| 背景音量 | 调整背景音量（0.0 ~ 2.0） |
四、处理过程
点击开始执行后，软件按以下 8 个阶段依次处理：
阶段 1/8: 预处理（分离音视频）
阶段 2/8: 语音识别
阶段 3/8: 说话人分离
阶段 4/8: 字幕翻译
阶段 5/8: 配音生成
阶段 6/8: 音画对齐
阶段 7/8: 二次识别
阶段 8/8: 最终合成右侧日志区域会实时显示各阶段的进度。
五、单视频交互模式
当只选择一个视频时，软件进入交互模式：
- 语音识别完成后，弹出字幕编辑窗口，可修改识别结果
- 翻译完成后，弹出翻译字幕编辑窗口，可修改翻译并为每个说话人分配配音角色
- 配音完成后，弹出配音结果编辑窗口，可试听和重新配音
- 二次识别后（如启用），再次弹出字幕编辑窗口
每个编辑窗口都有倒计时（默认30秒），超时后自动保存并继续。点击「停止倒计时」可暂停。
六、无损视频输出
如果您希望输出视频保持原始画质，请确保满足以下所有条件：
- 原始视频编码为 H.264 (libx264) 的 MP4 文件
- 不勾选「视频自动慢速」
- 字幕类型选择「不嵌入字幕」或「嵌入软字幕」
- 高级选项中，264/265编码选择
264
注意：如果配音后时长超过视频原时长，超出部分会被截断。此时需要启用「音频加速」或增大语速。
七、输出文件
翻译完成后，输出文件保存在 output/<文件名>/ 目录下：
| 文件类型 | 说明 |
|---|---|
| MP4 | 翻译后的视频文件 |
| SRT | 目标语言字幕文件 |
| WAV | 配音音频文件 |
| 原始字幕 | 语音识别生成的字幕（如有） |