一句话：YouTube 链接粘进去，转写、翻译、切轴、对齐、配音一条龙，出来就是带双语字幕甚至中文配音的成片。
GitHub：Huanshere/VideoLingo ｜ ⭐ 18.6k ｜ Fork 2k ｜ Apache 2.0 协议
在线体验：videolingo.io ｜ 作者自称”Netflix 级字幕组”
它是什么？解决什么问题？
看外语视频的痛点人人都懂：生肉听不懂，机翻字幕时间轴稀烂（要么闪现要么糊屏），想转成中文配音更是专业活——转写、断句、翻译、压轴、对轨、TTS、混音，一条链七八个工具。
VideoLingo 把整条链装进一个 Streamlit 应用：转写 → 翻译 → NLP 智能断句 → 术语对齐 → 字幕压制 → AI 配音，点一次跑完。出来三样东西：字幕文件、压好双语字幕的视频、AI 配音版视频。用作者的话说，就是”一键全自动 AI 字幕组”。
核心优势：为什么 18.6k Star
1. 断句是灵魂：NLP + 大模型双保险
字幕最难的不是翻译，是断在哪。一句 30 词的英文_dump_ 出来，观感稀烂。VideoLingo 用 NLP + LLM 做字幕切分（可配单行长度），再按词级时间戳对齐，Netflix 感就来自这里——字幕出现消失的节奏是对的。
2. 翻译质量有讲究：术语表 + 反思改写
- 自定义术语表 + AI 生成术语，保证人名、专有名词前后一致；
- 直译后可走反思（reflection）和自然改写，不说翻译腔；
- 模型随便换（OpenAI 兼容接口），便宜和高质量自己选。
3. 配音不只是 TTS：能克隆你的声音
配音后端一堆可选：GPT-SoVITS（含作者本人声音复刻演示）、CosyVoice2 声音克隆、Edge TTS 白嫖、OpenAI、Fish Audio……讲究的用克隆，省事的用 Edge，丰俭由人。
4. 工程化到位：断点续跑 + 任务可控
- 详细日志 + 进度断点续跑，失败只重跑失败段（先查
output/gpt_log/error.json，别删 output 目录）； - 可暂停/恢复/停止，有 HTTP API 给脚本和 Agent 调（替代了老 Excel 批量模式）；
- Windows 一键包（双击 bat 装环境）、Colab 版、Docker 版全有，Mac 分芯片优化（Apple Silicon 走 MLX）。
5. 输入输出都省心：yt-dlp 直拉 + 多语 UI
YouTube 链接直接下；输入支持英俄法德意西日中 8 语；界面多语言。 limitation 作者也写明白了：背景噪音影响识别、混杂多语对不准、配音不分角色声线——诚实。
怎么使用？三步
- 装：Windows 下 Release 包双击
OneKeyStart.bat（自动装 uv/Python/FFmpeg）；其他系统uv run start.py；懒人直接 videolingo.io 在线玩； - 配：侧边栏填 API 地址 + Key + 模型（LLM/ASR/TTS 各选各的）；
- 跑：粘 YouTube 链接（或本地视频），点开始，该干嘛干嘛，回来收成片。
适合谁、边界在哪
| 适合 | 说明 |
|---|---|
| 知识区搬运/二创 | 外语长视频转中文，效率差一个数量级 |
| 留学生/研究者 | 讲座、课程批量转双语存档 |
| 出海/本地化小团队 | Apache 协议，可商用改造 |
| 边界 | 说明 |
|---|---|
| 版权 | 下别人的视频先看授权，工具不管这个 |
| 质量 | 噪音大、口音重、多人混聊的片子，识别和对齐会打折，先拿短片试 |
结语
字幕组是门手艺活，VideoLingo 把它变成了流水线。18.6k Star 背后是个朴素道理：把”七八个工具来回导”的链路收进一个界面，就是生产力。
仓库：github.com/Huanshere/VideoLingo（Apache 2.0）。先去在线版丢一条 3 分钟的片子试试，效果自己会说话。
