基于 PyQt5 的全自动日语视频字幕提取、翻译与烧录工具
AVT 字幕处理器（Auto Video Translation）是一个功能强大的 Windows 桌面应用程序，专门用于日语视频的字幕提取、翻译和烧录。该程序集成了 PaddleOCR GPU 自动识别、Ollama 本地模型翻译以及 NVENC 硬件加速烧录，实现了从视频到最终字幕文件的全自动化处理流程。
- 🚀 全流程自动化 - 一键完成字幕提取、翻译、烧录
- 🔍 高精度识别 - 基于 PaddleOCR GPU 实现准确的日语文本检测
- 🌐 本地翻译 - 使用 Ollama 本地模型，无需联网即可翻译
- ⚡ 高性能处理 - NVENC GPU 硬件加速编码
- 📊 实时监控 - 详细的进度显示和日志记录
- 🔄 断点续传 - 智能检测已完成步骤，支持从断点继续
- 基于 PaddleOCR GPU 的高准确率日语字幕识别
- 支持自定义帧间隔，平衡处理速度与识别精度
- 智能区域检测，聚焦字幕区域
- 文本去重和合并，避免重复字幕
- 支持 Ollama 和 LM Studio 双翻译框架
- 批量异步翻译，大幅提升翻译效率
- 自定义翻译模型配置
- 自动重试机制，保证翻译成功率
- NVENC GPU 硬件加速编码
- 高质量 ASS 字幕渲染
- 自定义字幕样式（字体、颜色、大小）
- 批量烧录处理
- 现代化的深色主题界面
- 实时进度条和状态显示
- 完整的日志记录系统
- 支持视频拖拽添加
- 多视频队列批量处理
| 组件 | 技术 | 版本要求 |
|---|---|---|
| GUI 框架 | PyQt5 | ≥5.15.10 |
| OCR 引擎 | PaddleOCR | ≥2.8.1 |
| 深度学习框架 | PaddlePaddle GPU | ≥2.6.2 |
| 翻译框架 | Ollama / LM Studio | 最新版 |
| 视频处理 | FFmpeg | ≥6.0 |
| 异步请求 | aiohttp | ≥3.13.0 |
| 打包工具 | PyInstaller | ≥6.3.0 |
- 操作系统: Windows 10 64位 或更高
- 处理器: Intel i5 或 AMD 同等性能
- 内存: 8GB RAM
- 显卡: NVIDIA 显卡（支持 CUDA 11.x）
- 存储: 10GB 可用空间
- 操作系统: Windows 11 64位
- 处理器: Intel i7 或 AMD Ryzen 7
- 内存: 16GB+ RAM
- 显卡: NVIDIA RTX 3060 或更高
- 存储: 20GB+ SSD 可用空间
git clone https://github.com/xunnv/AVT_subtitle_processor.git
cd AVT_subtitle_processor# 创建虚拟环境
python -m venv venv
# 激活虚拟环境（Windows）
venv\Scripts\activate# 安装 PyPI 依赖
pip install -r requirements.txt# 创建 PaddleOCR 专用虚拟环境
python -m venv paddleocr_env
paddleocr_env\Scripts\activate
# 安装 PaddleOCR 依赖
pip install paddlepaddle-gpu paddleocr
# 在 AVT 配置中设置 PADDLEOCR_VENV 环境变量
# 或在 config.json 中配置 paths.python_path# 在主虚拟环境中安装
pip install paddlepaddle-gpu paddleocr# 方法一：将 FFmpeg 放入项目 bin 目录
# 下载 FFmpeg: https://github.com/BtbN/FFmpeg-Builds/releases
# 解压后将 ffmpeg.exe 和 ffprobe.exe 放入 bin/ 目录
# 方法二：使用系统已安装的 FFmpeg
# 在 config.json 中配置 paths.ffmpeg_path 和 paths.ffprobe_path# 下载并安装 Ollama: https://ollama.ai/download
# 启动 Ollama 服务
ollama serve
# 下载翻译模型
ollama pull quantumcookie/sakura-galtransl-v3.7:7b# 下载 LM Studio: https://lmstudio.ai
# 下载 Sakura 系列模型
# 在配置中选择 LM Studio 翻译框架# 复制配置模板
copy config\config.example.json config\config.json
# 编辑 config.json，根据需要调整配置# 方法一：使用 Python 直接运行
python main.py
# 方法二：使用启动脚本
run.bat
# 方法三：使用 VBS 脚本隐藏控制台
启动.vbs-
添加视频
- 点击「添加视频」按钮选择视频文件
- 或直接拖拽视频文件到视频列表
- 支持 MP4、MKV、AVI、MOV 等常见格式
-
配置参数
- 在右侧配置面板调整各项参数
- 确认翻译框架和模型已正确配置
-
开始处理
- 点击「开始处理」按钮
- 底部进度条和日志显示实时状态
-
查看结果
- 处理完成后视频保存在 output/videos/
- 字幕文件保存在 output/subtitles/
- 检测阈值 (0.1-1.0): 控制字幕检测灵敏度
- 识别置信度 (0.1-1.0): 过滤低质量识别结果
- 帧间隔 (秒): 每隔多少秒提取一帧
- 启用 GPU: 推荐开启，大幅提升识别速度
- 翻译框架: 选择 Ollama 或 LM Studio
- 主机地址: 本地模型服务地址
- 模型名称: 使用的翻译模型
- 超时时间 (秒): 单条字幕翻译超时
- 最大重试: 翻译失败重试次数
- 温度参数 (0.0-1.0): 控制翻译随机性
- 字体名称: 字幕使用的字体
- 字体大小: 字幕文字大小
- 主色: 字幕主要颜色
- 描边颜色: 字幕描边颜色
- 描边宽度: 字幕描边粗细
- 垂直边距: 字幕距离底部距离
完整配置文件位于 config/config.json，包含以下主要部分：
{
"paths": {
"video_input": "./videos",
"output_dir": "./output",
"ffmpeg_path": "./bin/ffmpeg.exe",
"ffprobe_path": "./bin/ffprobe.exe",
"python_path": ""
}
}{
"ocr": {
"lang": "japan",
"use_gpu": true,
"enable_mkldnn": false,
"det_db_thresh": 0.3,
"det_db_box_thresh": 0.5,
"rec_score_thresh": 0.5,
"frame_interval": 1,
"frame_quality": 2
}
}{
"translation": {
"framework": "ollama",
"ollama": {
"host": "http://localhost:11434",
"model": "quantumcookie/sakura-galtransl-v3.7:7b",
"timeout": 120,
"max_retries": 3,
"temperature": 0.3
}
}
}{
"burn": {
"preset": "p4",
"crf": 23
}
}{
"processing": {
"auto_skip_processed": true,
"wait_between_videos": 60,
"cleanup_temp": true,
"temp_dir": ""
}
}AVT_subtitle_processor/
├── main.py # 程序入口
├── requirements.txt # 项目依赖
├── run.bat # 启动脚本（Windows）
├── build.bat # 打包脚本
├── AVT_Subtitle_Processor.spec # PyInstaller 打包配置
├── clean.bat # 清理脚本
├── 启动.vbs # 隐藏控制台启动
│
├── bin/ # FFmpeg 工具目录
│ ├── ffmpeg.exe
│ ├── ffprobe.exe
│ └── README.md
│
├── config/ # 配置文件目录
│ ├── config.example.json # 配置模板
│ └── config.json # 用户配置（不提交）
│
├── modules/ # 核心模块
│ ├── __init__.py
│ ├── config_manager.py # 配置管理
│ ├── video_manager.py # 视频管理
│ ├── subtitle_engine.py # 字幕处理引擎
│ ├── translator.py # 翻译模块
│ ├── logger.py # 日志系统
│ ├── security.py # 安全工具
│ ├── ffmpeg_utils.py # FFmpeg 工具
│ ├── main_window.py # 主窗口
│ ├── config_panel.py # 配置面板
│ ├── progress_panel.py # 进度面板
│ └── log_viewer.py # 日志查看器
│
├── tests/ # 单元测试
│ ├── test_config_manager.py
│ └── test_security.py
│
├── videos/ # 视频输入目录
│ └── README.txt
│
├── output/ # 输出目录（自动生成）
│ ├── videos/ # 处理后的视频
│ ├── subtitles/ # 字幕文件
│ └── work_*/ # 临时工作目录
│
├── logs/ # 日志目录（自动生成）
│ └── avt.log
│
├── .gitignore # Git 忽略文件
├── README.md # 项目说明
├── LICENSE # 许可证
├── CONTRIBUTING.md # 贡献指南
├── docs/ # 文档目录
│ ├── PaddleOCR_使用教程.md # PaddleOCR 独立使用指南
│ ├── 打包指南.md # 标准化打包文档（可复用）
│ ├── FFMPEG打包准备.md # FFmpeg 打包说明
│ ├── 外部依赖说明.md # 用户端 / 开发者端依赖说明
│ └── Cython异常排查指南.md # Cython/CppSupport.cpp 问题排查
# 1. 克隆项目
git clone https://github.com/XUNNV/AVT_subtitle_processor.git
cd AVT_subtitle_processor
# 2. 创建开发环境
python -m venv venv
venv\Scripts\activate
# 3. 安装开发依赖
pip install -r requirements.txt
pip install black flake8 pytest
# 4. 运行测试
pytest tests/ -v项目遵循以下编码规范：
- PEP 8 - Python 代码风格
- 类型注解 - 使用类型提示
- 文档字符串 - 使用 Google 风格
- Git 分支 - 使用 Git Flow 工作流
# 1. 创建功能分支
git checkout -b feature/your-feature
# 2. 提交更改
git add .
git commit -m "feat: 描述你的更改"
# 3. 推送到远程
git push origin feature/your-feature
# 4. 创建 Pull Request# 运行所有测试
pytest tests/ -v
# 运行特定测试
pytest tests/test_config_manager.py -v
# 查看覆盖率
pytest --cov=modules tests/A:
- 提高检测阈值 (
det_db_thresh) - 调整帧间隔，更多帧可能提高准确性
- 确保视频质量良好，字幕清晰
- 尝试调整
rec_score_thresh过滤低质量结果
A:
- 检查是否使用 GPU 进行翻译
- 调整超时时间和重试次数
- 考虑使用更轻量的模型
A:
- 检查 FFmpeg 路径配置是否正确
- 查看日志中的详细错误信息
- 确保输出目录有写权限
- 尝试降低编码质量参数
A:
- 程序界面底部有日志查看器
- 日志文件保存在
logs/avt.log - 可以调整日志级别获取更详细信息
A:
- 可以，但需要修改配置使用 CPU 版本的 PaddlePaddle
- 处理速度会较慢
- 字幕烧录可能无法使用硬件加速
更多常见问题请参考 FAQ.md。
本项目采用 MIT 许可证 - 详见 LICENSE 文件
- PaddleOCR - 强大的 OCR 引擎
- PyQt5 - Python GUI 框架
- Ollama - 本地大语言模型服务
- FFmpeg - 强大的多媒体处理工具
- Sakura - 优秀的翻译模型系列
我们欢迎任何形式的贡献！请先阅读 贡献指南。
- ✨ 初始版本发布
- 📝 支持日语字幕提取、翻译、烧录
- 🖥️ PyQt5 图形界面
- 📋 批量处理功能
- 🔄 断点续传功能
- 📊 增强日志系统
- 🔒 添加路径安全校验
- ⚡ OCR 引擎单例化优化
- 🌐 异步批量翻译功能
Made with ❤️ by XUNNV