pyVideoTrans保姆级教程：从环境搭建到视频翻译全流程详解

一、环境准备

1.1 系统要求

• 操作系统：Windows/Linux/macOS（推荐使用 Windows 或 Linux）。
• Python：Python 3.10（必须安装，且路径中不能包含空格或中文）。
• FFmpeg：需全局安装（用于音视频处理）。
• CUDA（可选）：如果需要加速模型推理，需安装 CUDA 和 cuDNN。

1.2 安装Python

1. 下载Python 3.10：
   • 官网地址：https://www.wuhoo.cn/site/1666.html
   • 安装时勾选 Add Python to PATH。
2. 验证安装：
   [Bash]

   python --version  # 应显示 Python 3.10.x

1.3 安装 FFmpeg

1. Windows：
   • 下载地址：https://www.gyan.dev/ffmpeg/builds/
   • 解压后将 bin 目录添加到系统环境变量 PATH。
2. Linux/macOS：
   [Bash]

   sudo apt install ffmpeg  # Ubuntu/Debian
   brew install ffmpeg      # macOS

3. 验证安装：
   [Bash]

   ffmpeg -version  # 应显示 FFmpeg 版本信息

1.4 安装 CUDA（可选）

1. 下载 CUDA Toolkit：
   • 官网地址：https://developer.nvidia.com/cuda-downloads
   • 根据操作系统选择版本。
2. 安装后验证：
   [Bash]

   nvcc --version  # 查看 CUDA 编译器版本

二、安装pyVideoTrans

2.1 克隆项目仓库

# 创建一个不含空格和中文的文件夹（例如：pyvideotrans）
mkdir pyvideotrans
cd pyvideotrans

# 克隆项目
git clone https://github.com/jianchang512/pyvideotrans.git
cd pyvideotrans

2.2 创建虚拟环境

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows
venv\Scripts\activate
# Linux/macOS
source venv/bin/activate

2.3 安装依赖

# 安装依赖（首次安装可能需要较长时间）
pip install -r requirements.txt --no-deps

# 如果安装失败，切换镜像源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip config set install.trusted-host mirrors.aliyun.com
pip install -r requirements.txt --no-deps

三、运行pyVideoTrans

3.1 启动图形界面

python sp.py  # 启动图形界面

3.2 命令行运行

如果需要直接通过命令行执行任务，可以使用以下命令：

python src/translation.py --input input.mp4 --output output.mp4 --language en --dubbing_model gpt-sovits

四、功能使用详解

4.1 视频翻译与配音

4.1.1 选择视频

1. 点击 “选择需要翻译的原始视频” 按钮，选择一个或多个视频文件（支持批量处理）。
2. 若需要批量处理文件夹中的视频，勾选 “文件夹” 选项。
3. 清理缓存：勾选 “清理已生成” 可清除之前的缓存。
4. 保存路径：点击 “保存到..” 按钮，选择输出目录（默认保存到 _video_out 文件夹）。
5. 仅保存视频：勾选 “仅保存视频” 可跳过中间文件（如字幕、音频）的生成。

4.1.2 设置翻译渠道

1. 翻译渠道：选择翻译服务（如 Google、Baidu、DeepL 等）。
2. 发音语言：选择视频中原始语音的语言（如中文、英文）。
3. 目标语言：选择需要翻译的目标语言（如英文、日文）。
4. 网络代理：如果使用需要代理的翻译渠道（如 Google），填写代理 IP 和端口（格式：http://127.0.0.1:1080）。

4.1.3 设置配音渠道

1. 配音引擎：选择配音模型（如 gpt-sovits、openai-tts 等）。
2. 试听配音：点击 “试听配音” 按钮，预览配音效果。
3. 调整参数：
   • 语速：默认值为 0（正常速度），15 表示快 15%（1.15 倍速）。
   • 音量：90 表示音量增加 90%（1.9 倍音量）。
   • 音调：-5 表示降低 5% 音调。

4.1.4 开始翻译

点击 “开始” 按钮，程序将自动完成以下步骤：

1. 提取视频音频。
2. 将音频转换为文字（STT）。
3. 翻译文字为目标语言。
4. 生成配音音频。
5. 合并配音和视频，生成最终翻译后的视频。

4.2 提取字幕

4.2.1 提取字幕（不翻译）

1. 选择视频文件。
2. 设置 “源语言”（如中文）。
3. 点击 “开始”，程序将生成 .srt 字幕文件。

4.2.2 提取并翻译字幕

1. 选择视频文件。
2. 设置 “源语言” 和 “目标语言”。
3. 点击 “开始”，程序将生成双语字幕文件（如 output_ch_en.srt）。

4.3 合并字幕与视频

1. 选择视频文件。
2. 将已有的字幕文件拖拽到右侧字幕区。
3. 设置 “源语言” 和 “目标语言”（需与字幕语言一致）。
4. 选择配音类型和角色。
5. 点击 “开始”，程序将合并字幕和配音。

4.4 其他功能

4.4.1 字幕配音

1. 将本地字幕文件拖拽到字幕编辑器。
2. 设置 “目标语言” 和配音参数。
3. 点击 “开始”，生成配音音频文件。

4.4.2 音视频转文字

1. 将视频或音频文件拖拽到识别窗口。
2. 程序将识别出文字并导出为 .srt 字幕。

4.4.3 文字转语音

1. 输入一段文字或加载字幕文件。
2. 选择配音角色和语言。
3. 点击 “开始”，生成配音音频。

4.4.4 分离音频与视频

1. 选择视频文件。
2. 点击 “分离音频”，程序将生成音频文件和无音频视频文件。

4.4.5 格式转换

1. 选择视频/音频文件。
2. 设置目标格式（如 MP4、MP3、AVI 等）。
3. 点击 “开始”，完成格式转换。

五、模型下载与配置

5.1 下载模型

pyVideoTrans需要以下模型文件，下载后需手动放置到指定目录：

5.2 配置模型路径

1. 下载完成后，将模型文件夹复制到 pyvideotrans/models/ 目录。
2. 如果遇到 CUDA 相关错误，将 cuBLASxx.dll 和 cudnn 文件复制到：
   • Windows：C:/Windows/System32
   • 或直接复制到软件根目录（即 pyvideotrans 文件夹）。

六、常见问题与解决

6.1 启动失败

• 问题：ModuleNotFoundError 或依赖缺失。
• 解决：
  1. 检查虚拟环境是否激活。
  2. 重新安装依赖：pip install -r requirements.txt。
  3. 切换镜像源：pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/。

6.2 CUDA 加速失败

• 问题：提示 cublasxx.dll 不存在 或启用 CUDA 后闪退。
• 解决：
  1. 下载并安装 CUDA Toolkit。
  2. 将 cuBLASxx.dll 和 cudnn 复制到 C:/Windows/System32 或软件根目录。

6.3 FFmpeg 找不到

• 问题：提示 ffmpeg: command not found。
• 解决：
  1. 确保 FFmpeg 已全局安装。
  2. 或将 ffmpeg.exe 复制到 pyvideotrans/ffmpeg/ 目录。

七、生态项目与扩展

pyVideoTrans 可与其他工具结合使用，例如：

• 剪映/PR：导入生成的字幕和配音。
• AI 模型：结合 GPT-Sovits 或 OpenAI TTS 实现高质量配音。
• 自动化脚本：通过 Python 脚本调用 pyVideoTrans 的 API，实现批量处理。

八、总结

pyVideoTrans是一款功能强大的开源视频翻译工具，支持从视频提取字幕、翻译、配音、合并等全流程操作。通过合理配置模型和参数，可以满足多语言视频制作需求。如果在使用过程中遇到问题，可参考官方文档或社区支持。