Skip to content
BranchesTags

Repository files navigation

AVT字幕处理器

AVT Logo

基于 PyQt5 的全自动日语视频字幕提取、翻译与烧录工具

Python Version License Platform

目录

项目简介

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。

核心亮点

  • 🚀 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

功能特性

字幕提取

  • 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

翻译系统

  • 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

字幕烧录

  • 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

用户体验

  • 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

技术栈

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

系统要求

最低配置

  • 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

推荐配置

  • 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

安装指南

1. 获取源码

git clone https://github.com/xunnv/AVT_subtitle_processor.git
cd AVT_subtitle_processor

2. 创建并激活虚拟环境

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境（Windows）
venv\Scripts\activate

3. 安装依赖

# 安装 PyPI 依赖
pip install -r requirements.txt

4. 配置 PaddleOCR 环境

方案一：使用独立虚拟环境（推荐）

# 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

方案二：与主程序共用环境

# 在主虚拟环境中安装
pip install paddlepaddle-gpu paddleocr

5. 准备 FFmpeg

# 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

6. 安装 Ollama（或 LM Studio）

Ollama 配置

# 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

LM Studio 配置（可选）

# 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

7. 配置程序

# 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

8. 运行程序

# 方法一：使用 Python 直接运行
python main.py

# 方法二：使用启动脚本（自动检测虚拟环境和 FFmpeg）
python 启动.py

使用说明

快速开始

  1. 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

  2. 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

  3. 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

  4. 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/

详细使用

OCR 参数配置

  • 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

翻译参数配置

  • 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

字幕样式配置

  • 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

配置说明

完整配置文件位于 config/config.json，包含以下主要部分：

路径配置

{
  "paths": {
    "video_input": "./videos",
    "output_dir": "./output",
    "ffmpeg_path": "./bin/ffmpeg.exe",
    "ffprobe_path": "./bin/ffprobe.exe",
    "python_path": ""
  }
}

OCR 配置

{
  "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
  }
}

翻译配置

{
  "translation": {
    "framework": "ollama",
    "ollama": {
      "host": "http://localhost:11434",
      "model": "quantumcookie/sakura-galtransl-v3.7:7b",
      "timeout": 120,
      "max_retries": 3,
      "temperature": 0.3
    }
  }
}

烧录配置

{
  "burn": {
    "preset": "p4",
    "crf": 23
  }
}

处理配置

{
  "processing": {
    "auto_skip_processed": true,
    "wait_between_videos": 60,
    "cleanup_temp": true,
    "temp_dir": ""
  }
}

项目结构

AVT_subtitle_processor/
├── main.py                      # 程序入口
├── 启动.py                      # 智能启动脚本
├── requirements.txt             # 项目依赖
├── build.bat                    # 打包脚本
├── clean.bat                    # 清理脚本
├── AVT_Subtitle_Processor.spec  # PyInstaller 打包配置
│
├── 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
│   ├── ffmpeg_utils.py          # FFmpeg 工具
│   ├── log_viewer.py            # 日志查看器
│   ├── logger.py                # 日志系统
│   ├── main_window.py           # 主窗口
│   ├── progress_panel.py        # 进度面板
│   ├── security.py              # 安全工具
│   ├── subtitle_engine.py       # 字幕处理引擎
│   ├── translator.py            # 翻译模块
│   └── video_manager.py         # 视频管理
│
├── 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
│
├── 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
│   ├── 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
│
├── .github/                     # GitHub 配置
│   └── workflows/               # CI/CD 工作流
│
├── .gitignore                   # Git 忽略文件
├── README.md                    # 项目说明
├── LICENSE                      # 许可证
├── CHANGELOG.md                 # 变更日志
├── CONTRIBUTING.md              # 贡献指南
└── CODE_OF_CONDUCT.md           # 行为准则

开发指南

环境搭建

# 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

代码规范

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

提交代码

# 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

运行测试

# 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/

常见问题

Q: OCR 识别效果不佳怎么办？

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

Q: 翻译速度很慢？

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

Q: 字幕烧录失败？

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

Q: 如何查看详细日志？

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

Q: 程序可以在没有 GPU 的电脑上运行吗？

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

更多帮助请参考 docs/ 目录下的文档。

许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

致谢

  • 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

贡献

我们欢迎任何形式的贡献！请先阅读 贡献指南 和 行为准则。

版本历史

v1.0.0 (2025-05-10)

  • ✨ 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

About

No description, website, or topics provided.

Resources

Readme
MIT license

Code of conduct

Code of conduct

Contributing

Contributing
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages