VideoLingo

上传视频，一键生成 Netflix 级字幕和配音，轻松本地化搬运。

VideoLingo 是一个基于 Python 的全自动视频字幕处理工具，旨在实现从字幕切割、翻译、对齐到配音的一站式流程，达到 Netflix 级别的字幕质量。它解决了视频创作者和翻译者在多语言字幕制作中面临的效率低下、人工成本高、术语不统一等问题。核心能力包括：自动语音识别（ASR）生成字幕、智能断句与时间轴对齐、基于大语言模型的精准翻译（支持多语言）、以及文本转语音（TTS）配音功能。用户只需上传视频，即可一键获得带高质量字幕和配音的本地化版本，极大简化了视频搬运和本地化流程。项目采用模块化设计，支持自定义 API 密钥，适合个人创作者、小型团队以及需要批量处理视频内容的机构使用。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 18497

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队Huanshere

所属国家

官网地址https://docs.videolingo.io

GitHubhttps://github.com/Huanshere/VideoLingo

定价模式free

价格说明开源项目，Apache-2.0许可，可免费使用和自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-translation,dubbing,localization,video-translation,voice-cloning

GitHub 星标★ 18497

30天Star增速

HF 下载量

上线时间2024-08-09 00:00:00

最近更新2026-09-22 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

FFmpeg（必需，Windows 用 Chocolatey、macOS 用 Homebrew、Linux 用 apt 安装）
Docker 方式需 CUDA 12.4 且 NVIDIA 驱动版本大于 550
Windows + NVIDIA GPU 需先安装 CUDA Toolkit 12.6 与 CUDNN 9.3.0
能运行 Docker 的环境（使用 Docker 部署时）

安装与启动步骤

1Windows 前置准备

Windows NVIDIA 用户先装 CUDA Toolkit 12.6 和 CUDNN 9.3.0，再把 C:Program FilesNVIDIACUDNN9.3in .6 加入系统 PATH，最后重启电脑。
2安装 FFmpeg

FFmpeg 为必需依赖，按自己的系统选一行执行：Windows 需先装 Chocolatey，macOS 需先装 Homebrew。
```
choco install ffmpeg
brew install ffmpeg
sudo apt install ffmpeg
```
3获取项目代码

克隆官方仓库并进入项目目录，后续 docker build 需在项目根目录执行。
```
git clone https://github.com/Huanshere/VideoLingo.git
cd VideoLingo
```
4构建镜像

在项目目录内执行 docker build，把项目打包成名为 videolingo 的镜像。
```
docker build -t videolingo .
```
5启动容器

后台运行容器并把容器 8501 端口映射到本机 8501，同时通过 --gpus all 启用 GPU。
```
docker run -d -p 8501:8501 --gpus all videolingo
```

如何确认成功

浏览器打开 http://localhost:8501，能看到 Streamlit 界面即启动成功。

常见问题

Q：FFmpeg 没安装可以吗？

A：不可以。README 明确要求安装 FFmpeg，需先用系统包管理器（Chocolatey / Homebrew / apt）装好，再进行后续部署。

Q：Windows 用 NVIDIA 显卡要额外做什么？

A：先安装 CUDA Toolkit 12.6 和 CUDNN 9.3.0，把 CUDNN 的 bin 目录加入系统 PATH，并重启电脑，否则可能无法正常调用 GPU。

Q：docker run 报 GPU 不可用怎么办？

A：Docker 方式要求 CUDA 12.4 且 NVIDIA 驱动版本大于 550，并确认命令中包含 --gpus all。

Q：安装过程中遇到问题怎么办？

A：README 提供了免费在线 AI 助手咨询入口，可前往 https://share.fastgpt.in/chat/share?shareId=066w11n3r9aq6879r4z0v9rh 提问。

注意事项

官方还提供在线试用入口 https://videolingo.io，不想本地部署可先在线体验。
docker build 与 docker run 需在克隆下来的项目根目录中执行。
README 节选未给出非 Docker 的 pip / Streamlit 启动命令，本地源码方式请查阅官方文档 https://docs.videolingo.io。

核心亮点

全自动流水线，从语音识别到配音无需人工干预，大幅提升效率。
翻译质量高，支持多语言，术语和风格可自定义，接近专业字幕组水准。
时间轴对齐精准，断句智能，保证字幕与语音同步，观看体验好。

不足之处

依赖外部 API（如 OpenAI、TTS 服务），需要付费密钥，完全免费使用受限。
对视频处理时长和资源消耗较大，长视频处理可能较慢。
文档/社区待观察，部分高级功能的配置说明不够详尽。

适用场景

视频创作者将内容翻译成多语言，拓展海外观众。
搬运和本地化海外热门视频，快速生成带字幕和配音的版本。
教育机构或企业批量制作多语言培训视频和课程字幕。

替代项目

WhisperX、Subtitle Edit、PySubs

项目介绍

VideoLingo 是视频领域的开源项目，由 Huanshere 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（18,497）位列前 3%，在视频分类的 472 个项目里位列前 2%。

近 41 天，它的 GitHub 星标从 18,124 增加到 18,497，净增 373。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。Apache-2.0许可，可免费使用和自行部署。

它主要面向的使用场景是：视频创作者将内容翻译成多语言，拓展海外观众。同类可对比的替代方案包括 WhisperX、Subtitle Edit、PySubs。

上一篇：LORIS

下一篇：VideoLingo-OneClick