开源视频翻译配音工具，一键串联语音识别、字幕翻译、AI 配音与视频合成，可自由混搭 Faster-Whisper、DeepSeek、Edge-TTS 等 30 多个本地或在线渠道，免登录无功能限制。
适合搬运外语教程/讲座做本地化的内容创作者 · 愿意折腾本地模型的技术型用户 · 有批量视频翻译需求的团队
亮点
全链路一键跑完
识别、翻译、配音、合成四步自动串成流水线，直接产出带目标语言字幕和配音的新视频
模型渠道自由混搭
ASR、翻译、TTS 三层各自可选本地模型或在线 API，Ollama、DeepSeek、Edge-TTS 想省钱想求质量都能配
每一步都能人工校对
识别、翻译、配音阶段均可暂停手动改稿，避免机器错译直接被烧进成片
三种使用形态
桌面 GUI、WebUI 网页端、CLI 命令行都有，本地手动处理和服务器批量跑都覆盖
功能说明
翻译与配音
全自动翻译流水线
语音识别到视频合成一次跑完，支持 30+ 语言互译
多角色 AI 配音
配合说话人分离，给不同讲话人分配不同配音音色
声音克隆
接入 F5-TTS、CosyVoice、GPT-SoVITS 做零样本音色复刻
字幕批量翻译
可单独批量翻译 SRT 字幕文件，不必走完整视频流程
辅助工具
批量语音转录
音视频批量转 SRT 字幕，支持说话人分离标注
人声背景分离
内置人声伴奏分离，便于保留原视频背景音
音视频对齐
提供字幕合并、音画对齐、原文匹配等修补工具
YouTube 视频下载
内置下载模式，可配代理拉取待翻译的源视频
运行与部署
Windows 免装解压即用
官方提供预打包 exe，无需配置 Python 环境
源码部署跨平台
推荐用 uv 管理依赖，在 macOS/Linux/Windows 上自行部署
CUDA 加速可选
有英伟达显卡时装 CUDA 12.8 + cuDNN 9 提速，无卡也能跑
WebUI 与 Docker
支持网页界面远程访问与容器化部署，便于内网共享
适合场景
搬运外语教程/讲座做本地化的内容创作者
一键出带配音字幕的成片，比手动跑 Whisper + 剪辑省一大截时间
愿意折腾本地模型的技术型用户
能把 Faster-Whisper、Ollama、GPT-SoVITS 全接成离线管线，不给云服务交钱
有批量视频翻译需求的团队
CLI 与 WebUI 支持服务器部署和无人值守批处理
只想批量转录或批量翻字幕的人
转录、字幕翻译、配音三个功能可单独用，不必走完整流程
取舍
选它的理由
- 识别、翻译、配音全流程打通，不用在多个工具间倒腾文件
- 本地模型 + 免费渠道能做到零成本纯离线跑
- 每步可暂停校对，成片质量比全自动黑盒可控得多
- GPL-V3 开源、无登录无卡密，2023 年至今持续更新
先想清楚
- 想要开箱即用、点两下就出片的傻瓜工具
- 对配音口型、语速同步有商业级要求
- 设备只有低配无显卡笔记本且视频很长
- 模型/API 配置项极多，第一次上手容易被参数劝退
安全警示
- 官网发布防骗声明：淘宝、闲鱼、拼多多等平台在售的付费版本均非官方授权，存在被二次打包的风险，应只从 GitHub 或官方文档站获取
- 使用 ChatGPT、DeepSeek、Azure 等在线渠道时，音频与字幕内容会上传至第三方服务商，处理敏感素材建议改用本地模型
- Windows 预打包版体积大且需自行下载模型文件，第三方镜像站（如聚合下载站）的分发包无法核验完整性
- 截至目前未检索到针对 pyVideoTrans 自身的 CVE、供应链投毒或数据泄露事件报道
基于公开资料与 AI 分析整理，仅供参考，请自行核实。
同类推荐
查看全部更多「音视频工具」软件
Shutter Encoder
音视频工具开源由视频剪辑师开发的开源转码工具，用图形界面封装 FFmpeg，支持几乎所有音视频图像格式，并能对部分编码做无重编码剪切、字幕烧录与批量队列输出。
MX Player
音视频工具免费增值亚马逊旗下的安卓本地视频播放器，主打 HW+ 硬件解码、多核解码和字幕手势操作，几乎通吃各种冷门格式；近年内置大量 OTT 流媒体内容与广告。
Carrot Waxxer's Stash Plugins
音视频工具开源为 Stash 媒体管理器补齐元数据导出、文件整理与资料匹配的插件集合，特色是连接 Jellyfin/Emby 与 StashDB；文件按路径管理，也可先挂载远程存储。
uosc
音视频工具开源uosc 是 mpv 播放器的 Lua 界面脚本，用光标接近度控制 UI 显隐，提供可搜索菜单、缩略图预览、字幕下载与自定义控制栏，把裸奔的 mpv 变成完整可点的播放界面。
ComfyUI-RH-MiniMax-H3
音视频工具开源把 MiniMax-H3 音视频联合生成模型接入 ComfyUI 的插件，支持文生视频+音频、首尾帧驱动和多模态参考三种任务，靠 INT8 量化与分层卸载在单张 24GB 显卡上跑完整流程。
MAW
音视频工具开源MAW（Moy's ASR Workflow）是以 API 转写为主的字幕生成与编辑工具，将本地媒体转为 SRT 和 .mosp 工程，再通过 MAWE 校对、编辑与导出。它支持多家转写服务、双轨字幕联动和命令行批处理；编辑与工程保存在本机，选择云端转写时媒体会上传到对应服务商。
AI 整理的软件知识库
AI 整理软件资料、版本动态、更新通知、订阅权益与对比分析，沉淀可复用的工具知识。