支持分角色配音的全自动流水线,一键将外语视频转为带母语配音和双语字幕的目标语言视频。
一、软件简介
AutoVidDub 是一套运行在本地 GPU 上的全自动视频翻译配音工具。你只需提供一个视频文件,它就能自动完成以下全部工序:
- 语音识别 + 说话人分离 — 谁在什么时候说了什么,逐字时间戳对齐
- 字幕切分 — 合理的断句方案,即不影响观看也不妨碍理解文字内容
- AI 翻译 — 调用大语言模型 API 将原文翻译为目标语言,翻译更准确
- TTS 音色克隆配音 — 保持原说话人的音色、语气,用目标语言重新朗读
- 时间轴对齐 — 合理处理配音,让每句话精确落在原时间槽内,不截断句子
- 视频合成 — 合并配音轨 + 可选烧录双语字幕,输出最终视频

二、核心功能特点
🌟 分角色配音
自动识别视频中有几个说话人,为每个说话人提取音色参考。合成配音时,张三说的话用张三的音色读目标语言,李四的话用李四的音色,保留原声的情感语气。
🌟 双语字幕 + 配音同步
生成双语 SRT 字幕(原文在上、翻译在下),同时用目标语言合成配音。时间轴对齐无截断,确保每句话完整可懂。
🌟 10 种翻译目标语言
视频支持52种语言方言的语音识别,TTS配音合成支持 10 种语言:
| 语言 | ASR 识别 | 翻译目标 | TTS 配音 |
|---|---|---|---|
| 中文 | ✅ | ✅ | ✅ |
| 英语 | ✅ | ✅ | ✅ |
| 日语 | ✅ | ✅ | ✅ |
| 韩语 | ✅ | ✅ | ✅ |
| 法语 | ✅ | ✅ | ✅ |
| 德语 | ✅ | ✅ | ✅ |
| 西班牙语 | ✅ | ✅ | ✅ |
| 葡萄牙语 | ✅ | ✅ | ✅ |
| 意大利语 | ✅ | ✅ | ✅ |
| 俄语 | ✅ | ✅ | ✅ |
🌟 灵活的视频合成
可选择是否烧录字幕到最终视频:勾选则生成带双语字幕的配音视频;不勾选则只合成画面 + 配音,字幕以独立的 SRT 文件保存,可后期自行处理。
🌟 两步操作设计
界面分为两步独立操作:
- 生成字幕(ASR + 翻译 + 导出 SRT)—— 只需 ASR 模型,速度快
- 合成配音(TTS + 对齐 + 视频合成)—— 需要 TTS 模型,检查第一步生成的 SRT 文件存在后才会执行
两步独立完成,第二步会先检查第一步是否已完成;关掉程序重新打开后,只要第一步生成的 SRT 文件还在,可以直接跳过第一步执行第二步。
🌟 支持批量处理
既支持单个视频文件,也支持文件夹批量处理。选择文件夹后,自动遍历文件夹内全部 mp4/avi/mov/mkv/flv/wmv/webm 文件,逐个全自动处理。
三、界面说明
📂 输入设置
| 控件 | 说明 |
|---|---|
| 输入方式 | 单文件上传 / 文件夹批量处理 |
| 上传视频文件 | 支持 .mp4/.avi/.mov/.mkv/.flv/.wmv/.webm |
| 文件夹路径 | 批量处理时输入文件夹路径 |
⚙️ 识别参数
| 控件 | 说明 |
|---|---|
| ASR 识别语言 | 可手动指定原视频语言,列表里没有的可选自动识别(推荐) |
| 翻译目标语言 | 选择最终视频的目标语言(10 种可选) |
🔤 字幕字体设置
| 控件 | 说明 |
|---|---|
| 原语言字体 | 烧录到视频时原文使用什么字体 |
| 翻译语言字体 | 翻译文本在视频中显示的字体 |
🌐 API 设置
| 控件 | 说明 |
|---|---|
| API Key | LLM 翻译的 API 密钥,点击注册>> |
| Model Name | 模型名称(默认 deepseek-v4-flash) |
| Base URL | API 地址(默认https://api.modelverse.cn/v1/ ) |
▶️ 处理控制
| 控件 | 说明 |
|---|---|
| 烧录字幕 | 勾选则在视频中硬编码字幕;不勾选则只产出声画合成的配音视频 |
| 第一步:生成字幕 | ASR + 翻译 + 导出 .bilingual.srt |
| 第二步:合成配音 | TTS配音 + 混音 + 合成最终视频 |
四、使用步骤
0️⃣ 准备工作
- NVIDIA GPU 推荐:模型推理需要 GPU(CUDA),显存建议 ≥6GB
- 获取 API Key:点击”获取 API KEY“链接注册并创建密钥
- 将软件压缩包下载到本地电脑上并解压,双击启动软件.bat自动打开webui操作界面
1️⃣ 选择输入
- 处理单个文件:输入方式选”单文件上传”,点击上传按钮选择视频
- 批量处理:输入方式选”文件夹批量处理”,填入存放视频的文件夹路径
2️⃣ 配置参数
- 选择原视频的 ASR 识别语言(一般选”自动识别”即可)
- 选择翻译目标语言(如”中文”)
- 填入 API Key(翻译必须)
- 根据需要选字体、勾选是否烧录字幕
3️⃣ 第一步:生成字幕
点击 “📝 第一步:生成字幕”。程序依次执行:
- 提取音频 → 说话人分离 → ASR 语音识别 → 字幕切分 → AI 逐条翻译 → 导出双语 SRT + 数据文件
在第5步(翻译)时确保有 API Key 可用。 完成后输出目录 output/<视频文件名>/ 中会生成双语字幕 .bilingual.srt 。
4️⃣ 第二步:合成配音
点击 “🎙️ 第二步:合成配音”,程序会自动:
- 检查第一步的 SRT 文件是否存在(不存在则提示)
- 提取音频用于音色参考 → 构建说话人音色管理器 → TTS 批量合成配音
- 时间轴按比例对齐 → 合并完整配音轨 → 合成最终视频
最终产出:
output/<视频文件名>/<文件名>_dubbed.mp4— 最终配音视频output/<视频文件名>/<文件名>_dubbed.wav— 完整配音音频(可单独使用)output/<视频文件名>/<文件名>.bilingual.srt— 双语字幕文件
五、注意事项
⚠️ 硬件要求
- 推荐英伟达显卡显存 ≥6GB
- CPU 模式可用但极慢
- 模型首次加载较慢,属于正常现象
⚠️ 已知限制
- 目前仅支持单声道 16kHz 音频处理
- 背景音乐/噪音严重的视频可能影响 ASR 准确率和音色提取效果
AutoVidDub全自动视频翻译配音加字幕工具v0.1版下载链接
[erphpdown]
https://pan.quark.cn/s/29d764c326d8
[/erphpdown]
有任何使用中的问题可随时向我反馈,我会在后续版本中优化改进
相关推荐
VideoLingo3.0.1+CosyVoice3.0批量全自动视频加字幕翻译分角色配音软件整合包,一键视频搬运AI字幕
AI智能视频翻译配音加字幕软件Linly-Dubbing整合包,一键自动化操作
AI自动视频翻译配音加字幕软件pyvideotrans整合包下载,AI视频制作
最强PR中文视频自动语音识别生成字幕插件,语音识别准确率高支持多国语言
PDFMathTranslate + MinerU 批量PDF全文双语翻译转Markdown工具
Mineru PDF转markdown软件局域网版
PDF转Markdown软件MinerU 3.1.11整合包(高性能版)
阿里千问Qwen3-TTS声音克隆语音合成软件【低配电脑版】
最近更新
WebsiteBench:评测 AI 智能体能否通过浏览器探索重建完整网站
WebsiteBench 是一个面向 AI 智能体的网站重建评测基准,包含 70 个网站任务和 46,916 个隐藏测试用例,要求智能体通过浏览器探索反向工程出功能和视觉都接近原站的全栈版本。
Auto Ontology MCP:把语义层接入 Claude、ChatGPT,让数据库问答不再“静默出错”
Auto Ontology MCP 是一个基于 Python 的 MCP 服务器,把 NVIDIA Auto Ontology 的语义层接入 Claude、ChatGPT、Cursor 等客户端。它不需要 LLM API key,由客户端模型完成语言步骤,服务器负责 schema 扫描、键推断、SQL 校验和本地知识库存储,帮助减少 Text-to-SQL 的静默错误。
PeakCut:开源自托管的 AI 视频切片工具,把长视频和直播变成竖版短片
PeakCut 是一个自托管的 AI 视频切片工具,能把长视频和直播自动转成带字幕的 9:16 竖版短片,支持自带 AI 密钥、实时直播切片和连接社交平台发布。
Gemini Config Checker:用登录浏览器实测代理配置能否进入 Google AI Studio 和 Gemini
Gemini Config Checker 是一个 Go 编写的代理配置检测工具,通过已登录的 Chromium 浏览器实测 AI Studio 和 Gemini 的区域可用性,支持简单与链式两种模式,并提供反 DPI 配置档和 Xray 配置导出。当前为 0.1.0 早期预发布版。
Gemini Config Checker:用登录态浏览器实测哪些代理配置能进 Google AI Studio 和 Gemini
Gemini Config Checker 是一个用登录态浏览器实测代理配置能否真正进入 Google AI Studio 和 Gemini 的工具,支持 Simple/Advanced 两种路线、Anti-DPI 配置和 Xray 配置导出。项目以 Go 编写,采用 Apache-2.0 许可证,目前约 473 Star,仍处于 0.1.0 早期预发布阶段。
Gemini Config Checker:用已登录浏览器实测代理配置能否进入 Google AI Studio 和 Gemini
Gemini Config Checker 是一个 Go 编写的开源工具,用已登录浏览器实测代理配置能否真正进入 Google AI Studio 和 Gemini,支持简单/高级两种链路模式、Anti-DPI 参数与 Xray 配置导出,当前为 0.1.0 早期预发布版本。
Gemini Config Checker:用已登录浏览器验证代理配置能否进入 Gemini
Gemini Config Checker 是一个代理配置扫描工具,通过已登录的浏览器实际访问 Google AI Studio 和 Gemini,读取 Google 的区域判定,帮助用户筛出真正可用的代理配置。支持 Simple 和 Advanced 两种模式,内置 Anti-DPI 配置,提供 Windows、macOS、Linux、Android 及 Web 服务器版本。
ai-texture-forge:在 Blender 视口里用 AI 生成无缝 PBR 纹理的插件
ai-texture-forge 是一个 Blender 插件,可在 3D 视口内用文本提示生成无缝 PBR 材质、概念图和场景级投影纹理,支持本地 GPU 或云端扩散模型,面向 Windows x64 和 Blender 4.2+。
Gemini Config Checker:用已登录浏览器实测代理配置能否访问 Google AI Studio 与 Gemini
Gemini Config Checker 是一款通过已登录浏览器实测代理配置能否访问 Google AI Studio 和 Gemini 的工具,支持 Simple/Advanced 双模式、Anti-DPI 参数和链式配置导出,当前处于 0.1.0 早期预发布阶段。
Gemini Config Checker:用已登录浏览器筛选能进 Google AI Studio 和 Gemini 的代理配置
Gemini Config Checker 是一个面向代理配置的检查工具,通过已登录的 Chrome/Edge/Brave 浏览器读取 Google 对 AI Studio 和 Gemini 的区域判定,支持简单与高级两种扫描模式,并提供 Anti-DPI 配置和 Xray 配置导出。









