# AI字幕自动生成(v2)

自动生成视频字幕，并使用大模型将字幕翻译成中文。

基于 [autosub](https://github.com/lightolly/MoviePilot-Plugins) 修改并适配v2，感谢原作者

## 功能特点

- 支持从视频音轨中提取字幕（使用faster-whisper）
- 支持从视频内嵌字幕中提取字幕
- 支持从外挂字幕文件中提取字幕
- 支持使用大模型（OpenAI）将字幕翻译成中文
- 支持批量翻译以提高效率
- 支持使用滑动窗口配置上下文提高翻译连贯性
- 支持多种字幕提取语言偏好设置

## 配置说明

### 基础配置

| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| 立即运行一次 | 保存配置后是否立即执行一次任务 | 否 |
| 本地字幕提取策略 | 设置字幕提取的优先级策略 | 优先原音字幕 |
| 翻译为中文 | 是否在需要时使用大模型将字幕翻译成中文 | 是 |
| 发送通知 | 是否发送任务执行通知 | 否 |

### ASR配置

| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| 允许从音轨提取字幕 | 是否允许从视频音轨中提取字幕 | 是 |
| ASR引擎 | 语音识别引擎 | faster-whisper |
| 模型 | 使用的模型大小 | base |
| 使用代理下载模型 | 是否使用代理下载模型 | 是 |

### 翻译配置

| 配置项 | 说明 | 默认值 | 
|--------|------|--------|
| 启用批量翻译 | 是否启用批量翻译以提高效率 | 是 | 
| 每批翻译行数 | 每批处理的字幕行数 | 20 | 
| 上下文窗口大小 | 翻译时考虑的上下文行数 | 5 | 
| llm请求重试次数 | 翻译失败时的重试次数 | 3 |

### 其他配置

| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| 媒体路径 | 要处理的媒体文件或文件夹绝对路径，每行一个 | 空 | 
| 文件大小（MB） | 最小处理文件大小 | 10 | 


## 字幕提取策略说明
字幕提取优先级：外挂字幕 > 内嵌字幕 > 音轨识别

字幕提取策略的选择主要取决于视频源语言和大模型的翻译能力。对于包含多语言字幕的非英语视频，建议根据以下原则选择策略：

1. 仅英文字幕
   - 仅使用英文字幕作为翻译源
   - 当视频无英文字幕时，使用ASR提取
   - 适用于大模型仅支持中英互译的场景

2. 优先英文字幕
   - 优先使用英文字幕作为翻译源
   - 无英文字幕时，使用其他语言字幕
   - 当所有字幕都不存在时，使用ASR提取
   - 适用于大模型在英译中任务上表现更好的场景

3. 优先原音字幕
   - 优先使用视频原始语言的字幕
   - 无原音字幕时，使用英文字幕
   - 当所有字幕都不存在时，使用ASR提取
   - 适用于大模型支持多语言翻译且翻译质量较好的场景

## 注意事项

1. 翻译功能依赖OpenAI插件配置，使用前请确保已正确配置
2. 首次使用音轨识别功能时，会自动从HuggingFace下载模型。开启"使用代理下载模型"选项会使用MP配置的代理。
3. 媒体路径支持单个文件或文件夹的绝对路径。选择文件夹时会递归处理其中的所有视频文件，外挂字幕将从媒体文件同级目录中查找
4. 批量翻译通过一次处理多行字幕来减少API调用次数，提高效率。如果翻译结果与原文行数不匹配，系统会自动降级为逐行翻译
5. 上下文窗口大小和批量翻译行数需要根据大模型的推理能力来调整。当模型能力不足时，过大的批量或上下文窗口可能会影响翻译质量 
6. 翻译后的中文字幕会打上“机翻”标签。

## todo
- 监听媒体入库事件自动调用字幕生成
- 任务完成后调用媒体库刷新
- 历史任务管理与展示