pyVideoTrans WebUI 使用指南

⚠️ 重要提示

WebUI 版本仅实现了部分功能，主要用于以下场景：

• 云服务器部署（远程访问翻译服务）
• 局域网内部署（服务器与使用机分离）

如需完整功能，请使用桌面客户端（sp.exe）或源码运行（sp.py）。

桌面版支持更多 API 渠道配置、实时交互编辑、批量处理等高级功能。

---

一、环境准备

1.1 安装依赖

WebUI 依赖 Gradio 包，默认未安装。需要额外安装：

# 在项目根目录下执行
uv sync --extra webui

1.2 启动服务

# 基本启动（监听所有网卡，端口 7860）
uv run webui.py

# 指定端口
uv run webui.py --port 8080

# 指定监听地址（仅本机访问）
uv run webui.py --host 127.0.0.1

# 公网访问（创建 Gradio 公共链接）
uv run webui.py --share

1.3 访问界面

启动后浏览器会自动打开，也可手动访问：

• 本机：http://127.0.0.1:7860
• 局域网：http://<服务器IP>:7860
• 公网（--share 模式）：控制台会输出一个 *.gradio.live 链接

---

二、界面功能说明

2.1 文件选择

点击「选择视频/音频文件」区域，选择需要翻译的视频或音频文件。

支持格式：

• 视频：mp4, mkv, avi, mov, webm, mpeg, ogg, mts, ts, wmv, flv
• 音频：wav, mp3, m4a, flac, aac, wma, ogg

2.2 语音识别

参数	说明	默认值
识别渠道	选择语音识别引擎	faster-whisper(本地内置)
模型	选择识别模型大小	large-v3-turbo

可选渠道（免费/本地内置）：

• faster-whisper(本地内置) — 推荐，速度快、质量高
• openai-whisper(本地内置) — 准确度略高，速度较慢
• Qwen-ASR(本地内置) — 中文效果好
• FunASR-Chinese(本地内置) — 中文优化
• Huggingface_ASR(本地内置) — 支持多语言模型

模型说明（faster-whisper / openai-whisper）：

• tiny — 最快，准确度低
• base / small — 平衡
• medium — 较好
• large-v3 — 最佳，需要 8GB+ 显存
• large-v3-turbo — 推荐，速度与质量兼顾

2.3 字幕翻译

参数	说明	默认值
翻译渠道	选择翻译引擎	Google(免费)
发音语言	视频中人物说的语言	英语
目标语言	翻译成的目标语言	简体中文

可选翻译渠道（免费）：

• 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

2.4 字幕配音

参数	说明	默认值
配音渠道	选择 TTS 引擎	Edge-TTS(免费)
配音角色	选择发音人	随渠道变化

可选配音渠道：

• Edge-TTS(免费) — 微软免费接口，声音自然
• Qwen3-TTS(本地内置) — 阿里本地模型
• MOSS-TTS-Nano(本地内置) — 支持多语言
• 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

配音角色：切换配音渠道或目标语言后，角色列表会自动更新。

2.5 对齐与字幕

参数	说明	默认值
配音加速	加速过长的配音以匹配原时长	✅ 选中
视频慢速	慢放视频以匹配配音时长	☐ 不选
配音语速	调整配音语速（-50% ~ +50%）	0%
音量调整	调整配音音量（-95% ~ +100%）	0%
音调	调整配音音调（-100Hz ~ +100Hz）	0Hz
字幕嵌入类型	选择字幕嵌入方式	嵌入硬字幕

字幕嵌入类型说明：

• 不嵌入字幕 — 仅替换声音
• 嵌入硬字幕 — 字幕永久烧录到画面
• 嵌入软字幕 — 字幕作为独立轨道，播放器可开关
• 嵌入硬字幕(双语) — 中英双语硬字幕
• 嵌入软字幕(双语) — 中英双语软字幕

2.6 更多设置

参数	说明	默认值
降噪	清除音频中的背景噪声	☐ 不选
标点处理	默认标点 / 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	☐ 不选
重新嵌入背景声	将分离的背景声重新嵌入	✅ 选中
背景音处理方式	背景音截断 / 背景音循环	背景音截断
背景音量	调整背景音量（0.0 ~ 2.0）	0.8
启用 CUDA 加速	使用 GPU 加速（需 NVIDIA 显卡）	☐ 不选

2.7 硬字幕样式编辑

点击「🎨 硬字幕样式编辑」展开面板，可自定义硬字幕的显示样式：

主字幕样式：

• 字体名称、字体大小
• 主颜色、描边颜色、背景颜色
• 粗体、斜体、下划线、删除线

底部字幕样式（双语字幕时的底部文字）：

• 字体名称、字体大小
• 主颜色、描边颜色、背景颜色
• 粗体、斜体

全局样式：

• 边框样式（描边 / 不透明背景）
• 描边粗细、阴影
• 水平/垂直缩放、字间距、旋转角度
• 左/右/垂直边距
• 对齐位置（9 宫格选择）

修改后点击「💾 保存样式」，样式将应用于所有嵌入硬字幕的任务。

---

三、执行翻译

3.1 操作步骤

1. 选择视频/音频文件
2. 配置语音识别参数
3. 配置翻译参数（选择源语言和目标语言）
4. 配置配音参数（选择配音渠道和角色）
5. 调整对齐、字幕、其他设置
6. 点击「🚀 开始执行」

3.2 执行过程

点击执行后：

• 按钮变为「⏳ 执行中...」并禁用，防止重复点击
• 右侧日志区域实时显示各阶段进度
• 完成后按钮恢复为「🚀 开始执行」

3.3 处理阶段

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

3.4 输出结果

执行完成后：

• 视频预览区：显示第一个 MP4 文件，可直接在线播放
• 文件下载区：列出所有输出文件（SRT、WAV、TXT 等），点击可下载

输出文件保存在 output/<文件名>/ 目录下。

---

四、常见问题

Q: 启动时报错 No module named gradio

需要安装 gradio 依赖：

uv sync --extra webui

Q: 选择不可用渠道时弹出警告

这是正常行为。WebUI 仅开放了免费和本地内置渠道，其他需要 API 密钥的渠道暂不可用。选择后会自动回退到上次有效选择。

Q: 处理速度很慢

• 本地识别/配音需要下载模型，首次使用较慢
• 启用 CUDA 加速可显著提升速度（需 NVIDIA 显卡）
• 使用较小的模型（如 base）可加快速度

Q: 如何使用需要 API 密钥的渠道？

WebUI 暂不支持配置 API 密钥。请使用桌面客户端（sp.exe）或源码运行（sp.py）进行配置，配置后 WebUI 可能可以读取已保存的设置。

Q: 如何在服务器上部署？

# 1. 安装依赖
uv sync --extra webui

# 2. 启动服务（监听所有网卡）
uv run webui.py --host 0.0.0.0 --port 7860

# 3. 在客户端浏览器访问 http://<服务器IP>:7860

Q: 如何创建公网访问链接？

uv run webui.py --share

启动后控制台会输出一个 *.gradio.live 链接，可在任何地方访问（临时链接，重启后失效）。

---

五、与桌面版功能对比

功能	WebUI	桌面版 (sp.exe / sp.py)
视频翻译（完整流程）	✅	✅
语音识别（免费/本地渠道）	✅	✅
语音识别（API 渠道）	❌	✅
字幕翻译（免费渠道）	✅	✅
字幕翻译（API 渠道）	❌	✅
配音（免费/本地渠道）	✅	✅
配音（API 渠道）	❌	✅
API 密钥配置	❌	✅
实时交互编辑字幕	❌	✅
批量处理多个文件	❌	✅
人声分离设置	✅	✅
硬字幕样式编辑	✅	✅
视频预览播放	✅	❌
远程访问	✅	❌
代理配置	❌	✅
高级选项（完整）	❌	✅