AI 翻译配音

AI 翻译配音（VoxOver）是一个本地优先的视频转录和字幕翻译工具。它会从视频中提取音频，用 Whisper 生成带时间轴的字幕，再通过 Ollama 或 DeepSeek 翻译，最后输出字幕文件与带字幕视频。

当前主分发形态为原生 macOS App（SwiftUI + Python pipeline）。

功能

• 上传视频后自动提取 16 kHz 单声道音频。
• 使用 Whisper 转录字幕，支持多种模型。
• 支持 Ollama 本地模型和 DeepSeek API 两种翻译后端。
• 支持软字幕与硬字幕输出。
• 输出文件按任务分组，便于管理。

安装使用

从 Release 安装原生 App

1. 在 GitHub Releases 下载最新的原生 DMG（例如 VoxOver-2.0.0-native-arm64.dmg）。
2. 打开 DMG，将 VoxOver.app 拖入 Applications。
3. 首次启动应用。

建议提前安装 ffmpeg：

brew install ffmpeg

如果使用 Ollama，需要先启动 Ollama 并准备好模型。

从源码运行 Web 管线

python3 -m venv .venv
. .venv/bin/activate
pip install -r requirements.txt
python app.py

启动后默认地址为 http://127.0.0.1:7860。

原生构建

原生项目位于 macos-app/。

常用命令：

cd macos-app
./build_native_dmg.sh --adhoc

产物默认在 macos-app/dist/。

配置

复制配置模板后按需修改：

cp config.example.yaml config.yaml

config.yaml 不应提交到 Git。

输出文件

默认输出目录为 outputs/，包括：

• .srt 字幕文件
• 带软字幕轨的视频
• 硬烧录字幕视频

许可

MIT