Video Subtitle Master is a powerful desktop application for batch generating subtitles for videos and translating them into other languages. This project is an enhanced version of the open-source VideoSubtitleGenerator, redesigned as a user-friendly client tool. This application retains all the features of the original VideoSubtitleGenerator command-line tool, with the following enhancements: - Graphical user interface for easier operation - Source and target language subtitle files are saved in the same directory as the video for convenient subtitle attachment during playback - Batch processing of video/audio/subtitle files - Support for generating subtitles from video or audio files - Ability to translate generated or imported subtitles - Multiple translation services supported: - Volcano Engine Translation - Baidu Translation - DeepLX Translation (Note: Batch translation may be rate-limited) - Local Ollama model translation - Support for OpenAI-style API translations (e.g., deepseek, azure) - Customizable subtitle file naming for compatibility with various media players - Flexible translated subtitle content: choose between pure translation or original + translated subtitles - Integrated whisper.cpp with optimization for Apple Silicon, offering faster generation speeds - Built-in fluent-ffmpeg, eliminating the need for separate ffmpeg installation - Support for running locally installed whisper command - Option to choose model download source (domestic mirror or official source) - Customizable number of concurrent tasks

🚀 妙幕 / SmartSub

🇨🇳 中文 | 🌏 English

让每一帧画面都能美妙地表达

智能音视频字幕生成与多语言翻译批量化解决方案

preview

💥特性

它保留了之前 VideoSubtitleGenerator 这个命令行工具的全部特性，并新增了以下功能:

支持多种视频/音频格式生成字幕
支持对生成的字幕，或者导入的字幕进行翻译
本地化处理，无须上传视频，保护隐私的同时也拥有更快的处理速度
支持多种翻译服务:
- 火山引擎翻译
- 百度翻译
- 微软翻译器
- DeepLX 翻译（批量翻译容易存在被限流的情况）
- 本地模型 Ollama 翻译
- AI聚合平台 DeerAPI
- 支持 OpenAI 风格 API 翻译，如 deepseek, azure 等
自定义字幕文件名，方便兼容不同的播放器挂载字幕识别
自定义翻译后的字幕文件内容，支持纯翻译结果或原字幕+翻译结果
支持硬件加速
- NVIDIA CUDA（Windows/Linux）
- Apple Core ML（macOS M系列芯片）
支持运行本地安装的 whisper 命令
支持自定义并发任务数量

关于 CUDA 的支持

因为本人使用的是苹果芯片，缺少 window CUDA 的开发环境，对于 CUDA 的支持，开发测试都存在较多场景无法兼顾的情况。

目前提供了 CUDA 11.8.0 和 12.2.0 及 12.4.1 版本的编译，是通过 github action 自动编译的，可能存在环境的兼容问题
要启用 CUDA，需要确定自己的电脑支持 CUDA, 并安装了 CUDA toolkit. CUDA download
CUDA toolkit 的版本理论上是向后兼容，请根据你显卡支持的版本，选择合适的版本
如果下载 generic 使用有问题，可以下载 optimized 版本，这个版本是针对各个系列显卡的优化版本，兼容性更强

关于 Core ML 的支持

从 1.20.0 版本开始，在苹果芯片上，支持使用 Core ML 加速语音识别。如果是苹果芯片，请下载 mac arm64 版本的 release 包。将会自动启动 Core ML 加速。

翻译服务

本项目支持多种翻译服务，包括百度翻译、火山引擎翻译、DeepLX、Ollama 本地模型、 DeepSeek 以及 OpenAI 风格的 API。使用这些服务需要相应的 API 密钥或配置。

对于百度翻译、火山引擎等服务的 API 申请方法，可以参考 https://bobtranslate.com/service/ ，感谢 Bob 这款优秀的软件提供的信息。

对于 AI 翻译，翻译结果受模型和提示词的影响比较大，你可以尝试不同的模型和提示词，找到适合自己的组合。推荐可以尝试 AI 聚合平台 DeerAPI, 支持多个平台近 500 种模型，选择合适自己的模型进行翻译。

模型的选择

从视频或者音频里面，生成字幕文件，需要使用到 whisper 的模型。 whisper 的模型有多种，不同的模型，生成字幕的准确性不同，处理速度也不同。

模型越大，准确性越高，对显卡要求也高，处理速度越慢
低端设备或者显卡，推荐 tiny 或者 base 系列的模型，准确性虽然不如 large 系列，但是处理速度快，占用显存小
普通电脑设备，建议从 small 或者 base 开始，平衡精度与资源消耗
对于高性能显卡/工作站，推荐使用 large 系列的模型，准确性高
如果原始音视频是英文，推荐使用带 en 的模型，专为英语优化，减少多语言干扰
如果在乎模型大小，可以考虑使用 q5 或者 q8 系列的模型，相对于非量化版本，牺牲少量精度换取更小体积

🔦使用 (普通用户)

请根据自己的电脑系统，芯片，显卡，选择下载对应安装包。

带 generic 的版本，是通用的版本，理论上支持常见的显卡
带 optimized 的版本，是优化版本，提供了针对各个系列显卡的优化，兼容性更强

系统	芯片	显卡	下载安装包
Windows	x64	CUDA >= 11.8.0 < 12.0.0	windows-x64_cuda11.8.0
Windows	x64	CUDA >= 12.4.1	windows-x64_cuda12.4.1
Windows	x64	CUDA >= 12.2.0	windows-x64_cuda12.2.0
Windows	x64	无 CUDA	windows-x64_no_cuda
Mac	Apple	支持 CoreML	mac-arm64
Mac	Intel	不支持 CoreML	mac-x64

前往 release 页面根据自己的操作系统下载安装包
或者使用网盘夸克选择对应的版本进行下载
安装并运行程序
下载模型
在程序中配置所需的翻译服务
选择要处理的音视频文件或字幕文件
设置相关参数（如源语言、目标语言、模型等）
开始处理任务

🔦使用 (开发用户)

1️⃣ 克隆本项目在本地

git clone https://github.com/buxuku/SmartSub.git

2️⃣ 在项目中执行 yarn install 或者 npm install

cd SmartSub
yarn install

如果是 windows 平台，或者 Mac intel 平台，请前往 https://github.com/buxuku/whisper.cpp/releases/tag/latest 下载对应的 node 文件，并重命名为 addon.node , 覆盖放在 extraResources/addons/ 目录下。

3️⃣ 依赖包安装好之后，执行 yarn dev 或者 npm run dev 启动项目

yarn dev

手动下载和导入模型

因为模型文件比较大，如果通过该软件下载模型会存在难以下载的情况，可以手动下载模型并导入到应用中。以下是两个可用于下载模型的链接：

国内镜像源（下载速度较快）： https://hf-mirror.com/ggerganov/whisper.cpp/tree/main
Hugging Face 官方源： https://huggingface.co/ggerganov/whisper.cpp/tree/main

如果是苹果芯片，需要同时下载模型对应的 encoder.mlmodelc 文件。并解压出来放在模型相同目录下。（如果是 q5 或者 q8 系列的模型，无须下载该文件）

下载完成后，您可以通过应用的"模型管理"页面中的"导入模型"功能将下载的模型文件导入到应用中。或者直接复制到模型目录里面即可。

导入步骤：

在"模型管理"页面中，点击"导入模型"按钮。
在弹出的文件选择器中，选择您下载的模型文件。
确认导入后，模型将被添加到您的已安装模型列表中。

常见问题

1.提示应用程序已损坏，无法打开。

在终端中执行以下命令：

sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app

然后再次运行应用程序。

贡献

👏🏻 欢迎提交 Issue 和 Pull Request 来帮助改进这个项目！

支持

⭐ 如果您觉得这个项目对您有帮助，欢迎给我一个 star，或者请我喝一杯咖啡（请备注你的 github 账号）。

👨‍👨‍👦‍👦 如果您有任何使用问题，欢迎加入微信交流群，一起交流学习。

支付宝收款码	微信赞赏码	微信交流群

许可证

本项目采用 MIT 许可证。详情请见 LICENSE 文件。

Video Subtitle Master (CUDA 12.2 Optimized) buxuku

README