一句话翻译视频:把用了半年的视频翻译工具开源了 ✍ 小互🕐 2026-06-08📦 16.1 KB 🟢 已读 𝕏 文章列表 作者开源了其使用半年的视频翻译工具,支持通过自然语言指令一键完成视频的下载、转写、翻译、润色及烧字幕工作。该工具基于本地 Whisper 模型实现免费离线转写,复用用户已有的 AI 接口进行翻译,并针对字幕时间轴准确性和断句润色进行了深度优化。 视频翻译Whisper开源Claude字幕工具AI本地部署 # 一句话,翻译任何视频:我把用了半年的视频翻译工具开源了 **作者**: 小互 **日期**: 2026-06-04T15:42:20.000Z **来源**: [https://x.com/xiaohu/status/2063972223170556302](https://x.com/xiaohu/status/2063972223170556302) ---  有人说,现在 AI 自动翻译字幕的工具一大把,你这个还有啥用? 确实有不少工具能在线翻译视频,我自己也用了很多。但总觉得翻得不太准、不太好,有时候还冒出一堆错误。 另外我经常在推特、视频号上分享海外视频,干脆就顺手做了这么一套——所以它其实还能帮你把海外视频搬运到国内平台,嘿嘿。 这套工具我用了半年,来回调了很多次,现在比较成熟了,整理干净开源给大家。  装好以后,你只要对它说一句「把这个链接翻译成中文字幕视频」,剩下的它全自动做完:下载、转写、翻译、润色、烧字幕、出文稿,一条龙到底。 转写完全在你自己电脑上跑,不花一分钱 API 费。翻译用的就是你已经装好的 AI,顺手就做了。而且不只英文,日语、韩语、法语这些外语视频,一样能转成中文字幕。 还有它本质就是几个脚本加一份说明书,没绑死 Claude Code 一家——小龙虾(OpenClaw)、Gemini、Codex 这些 AI 编程工具也都能用,区别只是各家装技能的方式不同。 下面手把手带你装上、跑通第一个视频。 ## 这玩意儿到底能干嘛 给它一个视频链接(YouTube、Bilibili、抖音都行),或者一个本地视频文件,它会一条龙做完这五步: > 下载 → 转写 → 翻译 → 润色 → 烧字幕,最后顺带出一份文稿  拆开说就是: - 把视频下下来(本地文件就直接用) - 提取音频,用 Whisper 转写成带精确时间戳的原文字幕 - 把原文翻译成中文,再润色成符合中文观看习惯的字幕 - 把字幕烧进画面,输出一个带中文字幕的视频 - 顺便再出一份 Markdown 文稿,方便你存档或者改成文章 语言不挑。 英语、日语、韩语、法语、西班牙语,只要 Whisper 听得懂的,都能转成中文字幕。它会自己识别原视频是什么语言,再翻成中文。中文视频就只做转写出文稿,不绕翻译这一步。 字幕有两种可以选。一种是纯中文,画面干净。另一种是中英双语,中文大、英文小,主次分明,适合想顺便练听力的人。 你全程不用记任何命令。想要什么就用大白话说,比如「这个要双语字幕」「不要水印」「用快速模式」,它都听得懂。 > 简单说,它把「下载 + 转写 + 翻译 + 配字幕」这条原本要开四五个软件、来回折腾一两个小时的流水线,压缩成了说一句话。 ## 跟现成的翻译工具有啥不一样 市面上字幕工具不少,我自己用下来最在意三件事,这套工具就是冲着这三件事做的。 第一,本地、免费、能离线。 转写用的是 OpenAI 开源的 Whisper 模型,苹果芯片的 Mac 上还会自动调 GPU 加速。整个转写过程在你电脑里完成,不上传、不收费。翻译复用你已经在用的 AI,不用再单独买一个翻译 API。 第二,时间戳是真的准。 很多工具的字幕会跑在说话人前面,或者半句话挤进下一条,看着难受。这套工具拿到的是精确到每个词什么时候说出口的时间戳,再按「一句话 + 换气停顿」来切,字幕基本说完正好换条。 第三,字幕是给人看的,不是机翻直出。 它会自动纠正转写听错的专有名词(Claude 经常被听成 cloud,MCP 被听成 NCP),按语义断句,每行不超过十二个字,技术术语保留英文。双语模式下中文大、英文小,同一条里拉开字号,不是两行一样大堆在一起。 这些都是我自己做了上百条视频踩出来的细节,全写进规则里了。 ## 效果长这样 拿 a16z 刚发的一条访谈试试。受访的是前 OpenAI 首席技术官 Mira Murati,我让工具配了中英双语字幕。 *(视频内容)* 她原话里有个比喻: > It's more like a tandem bike where both people are pedaling. 机翻大概会甩给你「串联自行车」这种读着别扭的词。这套工具翻成的是: > 它更像一辆双人自行车,两个人一起踩着踏板。 接地气、不绕口。专有名词也拎得清,Thinking Machines 这种公司名直接留英文,不硬翻。  你只要发一句「链接 + 翻译这个视频」,它会先问你要纯中文还是中英双语——我平时主要翻成中文,就默认留了这两个选项,实际上翻成任意语言都行。  除了带字幕的视频,它还会同时出一份文稿,原文加中文对照。  整段读下来是这样: > 它更像是去造这样一种系统:不会自己闷头狂奔、把整个文明甩在身后,而更像一辆双人自行车,两个人一起踩着踏板。上坡的时候,也许更有劲的那个人踩得更用力,但两个人的手都在车把上。 不挑语言是这套工具最实在的地方。同一段访谈,中文、日语、韩语、阿拉伯语、法语都能翻成双语字幕——各国译文在上、英文原文统一压一行在下,主次分明,连从右往左写的阿拉伯语也排得整整齐齐:   十几分钟的视频没问题 > **小互@xiaohu**: [原文链接](https://x.com/xiaohu/status/2062560594784616566) > > SpaceX IPO路演视频 > 由SpaceX CFO Bret-Johnsen通过17分钟的视频详细阐述SpaceX的财务情况和愿景 > Starlink 现在 9600+ 颗在轨 > • 440 万(24 底)→ 890 万(25 底)→ 1030 万(Q1) > • 一年翻倍,覆盖 164 国 30 亿人 > • 直连手机已经覆盖 19 亿人(覆盖不等于使用) > 手里有全球最大的一体化超算中心 > >  一个半小时以上的长视频也能轻松应对 > **小互@xiaohu**: [原文链接](https://x.com/xiaohu/status/2056886402785411247) > > Google I/O 2026 开发者大会 > 完整中英文双语视频 > Google I/O 2026:Gemini 3.5 Flash、Spark、Omni 三剑齐发 > Gemini 3.5 Flash升级为:行动大脑 > Gemini Spark:远端个人 AIAgent 入口 > Gemini Omni:多模态世界模型雏形 > >  ## 它其实是三个技能 打开仓库你会看到三个文件夹,各管一段活,可以单独用,也可以串起来用: - xiaohu-video-md:总指挥。负责下载、转写、调翻译、烧字幕、出文稿 - xiaohu-subtitle-polish:专门管字幕翻译润色。纠错、翻译、断句、对时间轴、做双语 - xiaohu-video-download:纯下载工具。下视频、下音频、下整个播放列表,也能给本地视频烧字幕  翻译一个视频的时候,是 xiaohu-video-md 在总调度,翻译那一步它自己会去叫 xiaohu-subtitle-polish。你不用管这些,知道有这么三块就行。 ## 手把手安装 这套工具目前是给 Mac 调的,苹果芯片的机器跑得最顺。装法有两种,挑一种就行:嫌麻烦,就把下面那段话整段丢给 AI,让它替你全装完;想搞清楚每一步在干嘛、或者怕中途出岔子,就照着后面的手动三步敲。 ## 偷懒版:把这段话丢给 AI 打开你的 AI 编程工具,Claude Code、Codex、小龙虾(OpenClaw)都行,把下面这段原样复制进去发给它。它会自己判断你是什么系统、装好依赖、拉仓库、跑安装脚本,一条龙搞定,中间该问你的会停下来问: > 帮我安装这个视频翻译工具:https://github.com/xiaohuailabs/xiaohu-video-translate > 按下面的顺序来: > 1. 先看我的系统:Mac 还是 Windows;Mac 的话是不是苹果芯片(M 系列) > 2. 装依赖:yt-dlp、ffmpeg、whisper-cpp(Mac 用 brew install,Windows 走 WSL 或 winget)。 > 转写引擎——苹果芯片装 mlx-whisper,其它机器一律装 faster-whisper > 3. git clone 这个仓库,进目录跑 bash install.sh,把三个技能装进我的技能目录 > 4. 装完找到 xiaohu-video-md 技能里的 config.json(Claude Code 在 ~/.claude/skills/ 下), > 问我成品想存在哪个文件夹,帮我把 output_dir 改成完整路径 > 5. 最后检查依赖都装齐了没,告诉我能不能开始用 > 每一步做完简单说一句你干了啥;依赖装失败就停下来问我,别硬往下跑。 它替你跑的其实就是下面这三步,只是你不用自己敲。想自己动手、或者中途卡住想排查,就照着手动版来。 ## 第一步:装几个基础工具 先确认你装了 Homebrew(Mac 上最常用的软件包管理器,没装的去 brew.sh 按提示装一下)。然后一行命令把三个工具装上: > brew install yt-dlp ffmpeg whisper-cpp > 这三个分别是:yt-dlp 负责下视频,ffmpeg 负责音视频处理和烧字幕,whisper-cpp 是「只下载」子技能在本地转写时用的备用命令,主翻译流程不靠它,真正干转写的是下面这步要装的引擎。 再装一个转写引擎。苹果芯片的 Mac 用这个,会走 GPU 加速,最快:(命令里 --break-system-packages 看着吓人,其实只是绕过新版系统的一个安装限制,不动你系统本身,放心敲。) > pip3 install --break-system-packages mlx-whisper 如果不是苹果芯片,就换成通用版本: > pip3 install --break-system-packages faster-whisper  ## 第二步:把技能装进 Claude 把仓库拉下来,跑一下自带的安装脚本: > git clone https://github.com/xiaohuailabs/xiaohu-video-translate.git > cd xiaohu-video-translate > bash install.sh 这个脚本会把三个技能复制到 Claude 的技能目录,自动生成配置文件,还会帮你检查依赖装齐没有。脚本跑到最后会逐项打印 [OK] 或 [缺],看到 yt-dlp、ffmpeg、转写引擎都是 [OK] 就说明装齐了,哪个显示 [缺] 就按提示补那一个。这里路径以 Claude Code 为例(技能在 ~/.claude/skills/);你要是用 Codex、小龙虾,把这个目录换成你那家工具的技能目录就行,其余都一样。  ## 第三步:告诉它把成品放哪 打开 ~/.claude/skills/xiaohu-video-md/config.json 这个文件,把里面的 output_dir 改成你想存放成品的文件夹路径(要写完整路径,比如 /Users/你的用户名/Documents/视频翻译)。 中间的临时文件会进 tmp/,最终的文稿进 data/,烧好的视频默认放在下载文件夹里。 > 转写模型不用手动下。第一次跑的时候,mlx-whisper 会自己从网上把模型拉下来(一点五个 G 左右),下一次就直接用了。 装完,重启一下你的 AI 工具,就能用了。  ## Windows 用户看这里 上面是 Mac 的装法。Windows 也能跑,但有几处不一样,别照搬。 最省事的办法是用 WSL,也就是 Windows 自带的 Linux 子系统。装好以后把下面这几样装上,脚本就能原样跑: > sudo apt install ffmpeg > pip3 install yt-dlp faster-whisper 如果不想用 WSL,想直接在 Windows 上装,记住三点: - 转写引擎用 faster-whisper,别装那个苹果芯片专用的版本。脚本检测不到苹果引擎,会自动用它兜底 - 安装脚本得用 Git Bash 跑,或者干脆手动把三个技能文件夹复制到工具的技能目录,再把每个配置模板复制成正式配置 - 字幕字体要换。默认用的是 Mac 的苹方,Windows 上没有这个字体,中文会显示成方块。把命令里的 PingFang SC 换成系统自带的微软雅黑就行 直接在 Windows 上装依赖的话,命令是这样: > pip install yt-dlp faster-whisper > winget install Gyan.FFmpeg > 字体这条 Linux 上也一样,苹方是苹果独有的,得换成系统里的中文字体。想让非苹果系统也能自动选对字体、开箱即用,我正在做适配,可以去仓库提 issue 催我。 ## 怎么用 装好以后就一句话的事。下面这些话你都可以直接说: 你说的话 它做的事 把这个链接翻译成中文字幕视频 + 链接 全流程,下载到出成品 翻译这个视频,要中英双语字幕 + 链接 同上,字幕换成中英双语 把这个视频转成文字 + 链接 只出 Markdown 文稿,不烧字幕 给我本地这个视频加中文字幕 + 文件路径 本地文件直接处理 下载这个视频 + 链接 只下载,不翻译 用快速模式转写 换更快但精度略低的模型 翻译时不要水印 关掉水印  ## 几个坑先跟你说在前面 都是我自己踩过的,提前知道能少走弯路。 YouTube 有时候下不动,报一串 403 之类的错。 这是 YouTube 近一年风控变严了。脚本会自动从你浏览器里读 cookies 重试,一般能过。还不行就挂个代理。 烧出来的中文字幕是一个个方块。 这是 Mac 字体索引的老问题,脚本默认已经绕开了,正常装完不会遇到。只有你手动改过字体设置、或换了系统里没有的字体才会冒出来,真碰上就把字体换回 PingFang SC(苹方)。 第一次用抖音,要先登录一次。 跑一下 python3 ~/.claude/skills/xiaohu-video-md/scripts/douyin_login.py,弹出来的浏览器里扫码登录,登录状态只存在你自己电脑上,不会上传到任何地方。开源仓库里我也把我自己的登录信息全删干净了,你拿到的是空的。 ## 拿去用,随便改 仓库地址在这: > github.com/xiaohuailabs/xiaohu-video-translate 代码是 MIT 协议,水印、字幕样式、默认字号这些你都可以照自己喜欢改。唯一提醒一句:别把你自己的配置文件和抖音登录信息传到公开仓库上去,仓库里已经默认帮你挡掉了。 这套工具是我日常真在用的,不是写来演示的玩具。觉得好用,点个 star,有问题提 issue,我会接着维护。 下期我会开源自己的文章 IP 配图技能——用个人 IP 形象给文章生成配图,本文里那些插画就是这么来的。 ## 相关链接 - [lvwzhen reposted](https://x.com/lvwzhen) - [@xiaohu](https://x.com/xiaohu) - [2.3K](https://x.com/xiaohu/status/2063972223170556302/analytics) - [Jun 4](https://x.com/xiaohu/status/2062560594784616566) - [17K](https://x.com/xiaohu/status/2062560594784616566/analytics) - [May 20](https://x.com/xiaohu/status/2056886402785411247) - [24K](https://x.com/xiaohu/status/2056886402785411247/analytics) - [https://github.com/xiaohuailabs/xiaohu-video-translate](https://github.com/xiaohuailabs/xiaohu-video-translate) - [install.sh](https://install.sh/) - [brew.sh](https://brew.sh/) - [https://github.com/xiaohuailabs/xiaohu-video-translate.git](https://github.com/xiaohuailabs/xiaohu-video-translate.git) - [install.sh](https://install.sh/) - [github.com/xiaohuailabs/xiaohu-video-translate](https://github.com/xiaohuailabs/xiaohu-video-translate) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [9:11 PM · Jun 8, 2026](https://x.com/xiaohu/status/2063972223170556302) - [2,336 Views](https://x.com/xiaohu/status/2063972223170556302/analytics) - [View quotes](https://x.com/xiaohu/status/2063972223170556302/quotes) --- *导出时间: 2026/6/8 22:04:38*
还 还在用 AI 学术妲己学论文?这套 Agent 科研团队帮你打败99%研究生 本文指出当前 AI 辅助学术论文写作中普遍存在的“幻觉”和造假问题,并介绍了一个名为 academic-research-skills (ARS) 的开源 Agent 系统。该系统通过多 Agent 协作、引用核验、反谄媚协议及完整性闸门机制,实现了从调研、写作到审稿的防出错流水线,旨在解决 AI 写作不可靠的痛点。 技术 › Agent ✍ Gyro🕐 2026-05-18 AI学术研究Agent论文写作工具Claude开源科研工作流效率
s skill+anki+美剧,这样学英语太高效了 作者分享了利用AI Agent结合Anki和美剧学习英语的高效方法,并开源了相关Skill。该工具能自动抓取剧集字幕、提取生词并生成闪卡,配合先预习后追剧的学习顺序,大幅提升词汇记忆效率和观剧体验。 技术 › Skill ✍ 狗哥笔记🕐 2026-07-19 AI英语学习Anki开源ClaudeSkill美剧方法论
开 开源发布灵剪 lingjian-video 作者开源了灵剪(lingjian-video)项目,这是一种可以逐关审核的AI短视频生成工具。它将脚本、分镜、配音等流程自动化,但允许用户在每个环节对候选内容进行审核和决策。项目支持4种首发风格,基于Apache-2.0协议开源,并可用作Agent Skill。 技术 › Skill ✍ 爆裂队长NEXT🕐 2026-07-19 开源灵剪视频生成AIAgent自动化审核Apache-2.0工具
用 用 Skills 给 AI Agent 注入设计品味 介绍了开源技能库 emilkowalski/skills,它能为 AI 编程 Agent 注入设计品味,解决 AI 生成 UI 动画和交互时缺乏质感的问题。文章详解了其核心功能、安装方法、实操流程,并对比了 Taste-Skill、Hallmark 等类似工具的差异。 技术 › 前端 ✍ sitin🕐 2026-07-15 AI设计前端Agent工具Claude CodeCursor开源交互UI
开 开源个 Skill|解决 X 转国内赛道的内容审查违规难题 文章介绍了一个开源的 AI Skill 工具 media-publish-check,旨在帮助创作者解决从海外平台(如 X)转至国内自媒体平台(抖音、小红书等)时遇到的内容审查和违规限流问题。该工具整合了大量平台规则和违禁词库,支持发布前的内容自审和优化,降低违规风险。 技术 › Skill ✍ Sherry小水🕐 2026-07-15 AI内容审查开源自媒体AgentSkill内容风控工具
想 想要吃上自媒体这碗饭你一定需要一条 AI 视频生产流水线 文章介绍了 GitHub 上的开源项目 OpenMontage,该项目利用 Codex、Claude Code 等 AI 编程助手构建了一个自动化的视频生产流水线。它能够从选题、脚本、分镜到素材准备、字幕生成、音视频合成及渲染,全流程自动化视频制作,非常适合内容创作者和短视频团队。 技术 › 视频制作 ✍ Serena🕐 2026-07-10 AI视频生产OpenMontage自动化自媒体工具ClaudeCodex技术选型效率
终 终于!!AI Agent 也能开口说话了:这个开源工具把语音克隆、听写、MCP 全打通 文章介绍了一款名为 Voicebox 的开源 AI 语音工作室工具。它不仅支持语音克隆、生成和全局听写,更关键的是通过内置 MCP Server,让 Claude Code、Cursor 等 AI Agent 能够调用本地语音层,实现“能听、能说”的交互闭环,弥补了 Agent 只能文字交互的短板。 技术 › TTS ✍ AFei Liang🕐 2026-07-08 VoiceboxMCP语音克隆Agent开源听写Claude本地部署AI语音工作流
自 自媒体人必备工具Agent Reach 让AI Agent变全网通 文章介绍了开源项目 Agent Reach,旨在解决 Claude、Cursor 等 AI Agent 无法直接访问互联网平台的问题。该项目支持 YouTube、B站、Twitter 等多平台数据采集,具有零配置、多后端路由、本地运行保障隐私等特点,能极大提升 Agent 获取信息的能力。 技术 › Agent ✍ HankAI🕐 2026-06-20 Agent Reach开源爬虫ClaudeCursor工具数据采集效率
耗 耗时30天,WeSight正式开源:一个入口,用所有 Agent 本文介绍了 WeSight 的正式开源,这是一款开源桌面 AI Agent 控制台。它整合了 Claude Code、Codex、Hermes 等多种 Agent 引擎,通过可视化工作台实现了对本地 Agent 的统一调度、模型管理和运行监控。WeSight 支持 Agent 团队协作、IM 通道绑定(如飞书)、技能管理及桌面宠物等创新功能,旨在降低多 Agent 协作门槛,让开发者专注于创意本身。 技术 › Agent ✍ 苍何🕐 2026-06-02 WeSight开源Agent工具苍何桌面端工作台模型管理协作AI
t tw93 的开源故事:十三年六款工具的长期主义 本文专访了前端工程师 tw93,讲述他在 13 年间利用业余时间开发了 6 款知名开源工具(如 Pake、Mole)的故事。文章深入探讨了他的产品逻辑(解决自身痛点)、设计审美、长期主义价值观,以及在 AI 时代构建个人技术壁垒的独特见解,并分享了个人开发者出海商业化的实战经验。 技术 › 工具与效率 ✍ 向阳乔木🕐 2026-05-24 开源个人开发长期主义AI产品设计独立开发访谈ClaudeWazaPake
隆 隆重推出 Violin:一款开源视频翻译技能 作者推出了名为 Violin 的开源视频翻译技能。该工具结合了语音识别(ASR)、LLM 翻译和语音合成(TTS)技术,旨在打破高质量视频内容的语言壁垒。Violin 支持个性化翻译、多语言处理及与视频互动,提供 Web、CLI 和代理技能等多种使用方式,并已在 MIT 协议下完全开源。 技术 › LLM ✍ Kevin Lin🕐 2026-05-15 开源视频翻译ASRTTSTogether AIWhisperDeepSeekQwen工具发布
2 2026年真正学习AI的7个开源仓库 这是一份2026年AI学习资源清单,包含7个精选的GitHub开源仓库。内容覆盖从初学者指南到高级LLM路线图,包括微软的GenAI课程、从零构建ChatGPT的PyTorch教程、Karpathy的nanoGPT训练、OpenAI与Anthropic的实战Cookbook以及AI Agents构建指南。所有资源均免费,旨在帮助学习者掌握Prompt、RAG、微调及Agent等核心技术。 技术 › LLM ✍ self.dll🕐 2026-05-06 AILLM学习资源GitHubOpenAIClaudeAgent教程开源模型训练