VideoLingo 最新版

VideoLingo 是一个功能强大的视频翻译、本地化与配音解决方案，致力于生成Netflix 级别的高质量字幕和配音。它不仅解决了传统机器翻译生硬、多行字幕影响观感的问题，还集成了多种 AI 工具链，实现从视频下载到最终输出的全流程自动化。

核心功能亮点

语言支持一览

输入语言支持（持续扩展中）

中文使用增强版标点模型 Whisper，效果更佳稳定

输出与配音支持

• 翻译语言：支持所有主流语言
• 配音语言：取决于所选 TTS 接口（如 Azure、GPT-SoVITS 等）

安装与部署指南

Windows 用户（英伟达显卡加速）

1. 安装 CUDA Toolkit 12.6
2. 安装 CUDNN 9.3.0
3. 将路径 C:\Program Files\NVIDIA\CUDNN\v9.3\bin\12.6 添加至系统环境变量 PATH
4. 重启电脑

所有平台通用步骤

安装 FFmpeg（必备）

• Windows：choco install ffmpeg
• macOS：brew install ffmpeg
• Linux：sudo apt install ffmpeg

克隆项目并进入目录

git clone https://github.com/Huanshere/VideoLingo.git
cd VideoLingo

创建 Python 环境（要求 Python 3.10）

conda create -n videolingo python=3.10.0 -y
conda activate videolingo
python install.py

启动应用

streamlit run st.py

Docker 部署（需 CUDA 12.4 + NVIDIA Driver >550）

docker build -t videolingo .
docker run -d -p 8501:8501 --gpus all videolingo

💬 API 接口与服务集成

VideoLingo 支持 OpenAI-like 格式的 API 调用，灵活接入以下服务：

LLM 支持（按推荐顺序）

• claude-3-5-sonnet
• gpt-4.1
• deepseek-v3
• gemini-2.0-flash（慎用 gemini-2.5-flash）

WhisperX 转录方式

• 本地运行 WhisperX（推荐 large-v3）
• 或使用 302.ai 提供的统一 API

TTS 配音接口

• azure-tts
• openai-tts
• siliconflow-fishtts
• fish-tts
• GPT-SoVITS
• edge-tts
• *custom-tts（可自定义，修改 custom_tts.py）

📌 注意：
VideoLingo 已集成 302.ai 平台，一个 API KEY 即可调用 LLM、WhisperX 与 TTS 服务。你也可以完全本地部署，使用 Ollama + Edge-TTS 实现零 API 成本运行。

⚠️ 当前限制与注意事项