VoiceTranslator

面向 Windows 的本地化优先音视频转录、字幕整理与翻译桌面应用。项目采用独立的 PySide6 分层架构，支持 Whisper 与 Qwen3-ASR，并支持人声提取和本地大模型翻译。

核心功能

• Whisper large-v2 为默认转录模型，可选 large-v3
• Qwen3-ASR 1.7B 与 Qwen3 Forced Aligner 精确时间轴
• Silero VAD 与字幕重排
• Kim Vocal 2 ONNX 直接提取人声
• llama.cpp 本地翻译或 OpenAI 兼容在线 API
• SRT/LRC 原文、译文与双语输出
• 各阶段结束后自动卸载模型
• 80%–200% 全局字体比例

安装与启动

python -m pip install -r requirements-voicetranslator.txt
powershell.exe -NoLogo -NoProfile -ExecutionPolicy Bypass -File tools\setup_whisper_runtime.ps1
python main.py

完整架构、模型与设置说明见 README_VOICE_TRANSLATOR.md。

模型不会随标准 Release 重复打包。下载地址、推荐规格、目录结构和界面配置步骤见 模型下载与使用指南。

许可证

本项目以 GNU GPLv3-or-later 发布，详见 LICENSE。项目最初参考 VoiceTransl 的产品流程重新设计；继承内容和第三方组件说明见 NOTICE.md。