一个能够自动生成媒体字幕的工具

目前功能：

* 输入视频
* 输入音频
* 输出srt字幕
* 输出ass字幕
* GPT字幕翻译
* 百度字幕翻译
* 腾讯字幕翻译
* 音频清洁

• conda

  conda create -n subtitle python=3.10
  conda activate subtitle

• torch（CUDA 11.8，其他版本去官网找）

  # GPU
  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  
  # CPU
  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

• 安装ffmpeg（windows）。 去官网下载，解压后将bin目录添加到环境变量

• 安装ffmpeg（ubuntu）

  apt install ffmpeg

• 其他依赖

  pip install -r requirements.txt
  
  # 腾讯翻译
  pip install -i https://mirrors.tencent.com/pypi/simple/ --upgrade tencentcloud-sdk-python
  
  # 音频清洁
  # https://github.com/karaokenerds/python-audio-separator
  pip install audio-separator[gpu]
  pip install audio-separator[cpu]
  

将下载的文件夹放入根目录的models文件夹中

• 语音清洁相关模型

  • 百度云，目前只使用了UVR_MDXNET_Main.onnx，可以只下载它，但是文件夹目录结构还是要的一样的

• vad

  • 百度云

• whisper模型

  • 可以使用时候自动下载，会被保存到huggingface的缓存目录中
  • 百度云，这压缩包包含上面的所有模型
  • huggingface

示例models目录结构

│models
|
├───faster-whisper-large-v3
│       .gitattributes
│       config.json
│       model.bin
│       preprocessor_config.json
│       README.md
│       tokenizer.json
│       vocabulary.json
│
│
├───silero-vad-4.0
│
└───uvr5_weights
        UVR_MDXNET_Main.onnx

streamlit run web.py --server.port 1234 --server.maxUploadSize 1000

演示视频：

• faster-whisper
• N46Whisper