violin

上传视频，自动生成多语言字幕和配音，一键完成本地化

violin 是一个开源的视频翻译技能（Video Translation Skill），主要面向视频内容的跨语言本地化场景。它解决的问题是：传统视频翻译需要人工处理字幕、配音和音画同步，流程繁琐且成本高。violin 基于 agent-skills 架构，集成了自动语音识别（ASR）、机器翻译、配音（dubbing）和视频合成能力，能够将一段视频的语音自动转录为文本，翻译成目标语言，再生成对应语言的字幕和配音，最终输出翻译后的视频。其核心能力包括：支持多语言识别与翻译、自动生成对齐的字幕、语音克隆或合成配音、以及保持原始视频画面和节奏的合成输出。项目采用 Python 编写，模块化设计，便于开发者集成到自己的智能体或工作流中。作为一个成长中的项目（GitHub 星标 1055），violin 为视频内容创作者、跨国企业培训和多语言营销提供了高效的自动化翻译解决方案，显著降低人工参与度，提升视频本地化效率。