MoviePilot-Plugins/plugins/autosubv2

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 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
• 支持监听媒体入库事件自动执行字幕生成
• 支持手动触发字幕生成任务
• 支持任务队列机制，确保并发安全
• 支持任务状态列表展示（等待中 / 进行中 / 已完成 / 失败）

配置说明

基础配置

配置项	说明	默认值
启用插件	是否启用插件	否
清除历史记录	清除已完成的任务记录（完成、跳过或失败）	否
媒体入库自动执行	监听到媒体入库事件后自动执行字幕生成	是
手动执行一次	保存配置后立即执行一次任务	否
发送通知	是否发送任务执行通知	否
文件大小（MB）	最小处理的视频文件大小，小于该值的文件不处理	10
字幕源语言偏好	设置字幕提取的优先级策略	优先原音字幕
翻译为中文	是否使用大模型将字幕翻译成中文	是

ASR配置（语音识别）

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
faster-whisper 模型选择	使用的 Whisper 模型大小	base
使用代理下载模型	是否使用代理下载模型	是

翻译接口配置

可选使用 ChatGPT 插件配置 或 自定义 OpenAI 接口参数

配置项	说明	默认值
复用ChatGPT插件配置	是否直接使用系统中已配置的 ChatGPT 插件参数	否
使用代理服务器	是否通过 MP 配置的代理访问 OpenAI 接口	否
兼容模式	是否启用兼容模式（绕过 /v1 路径拼接）	否
OpenAI API URL	自定义 OpenAI 接口地址	https://api.openai.com
API 密钥	OpenAI 的 API Key	无
自定义模型	使用的 LLM 模型名称（如 gpt-3.5-turbo）	gpt-3.5-turbo

翻译参数配置

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	10
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
翻译英文时合并整句	对英文字幕先合并单词再翻译，提升翻译质量	否

手动运行配置

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

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

翻译方式说明

插件支持两种方式调用大模型进行翻译：

1. 复用 ChatGPT 插件配置

   • 开启“复用ChatGPT插件配置”后，自动使用系统中维护的 ChatGPT 插件参数
   • 包括 API Key、API URL、是否使用代理等
   • 适合已有 ChatGPT 插件的用户快速部署

2. 自定义 OpenAI 接口参数

   • 关闭“复用ChatGPT插件配置”后，可独立配置：
     • API 地址（支持反代）
     • API Key
     • 使用的模型
     • 是否使用代理
     • 是否启用兼容模式（避免 /v1 路径冲突）

---

注意事项

1. 翻译功能依赖大模型配置，使用前请确保已正确配置 OpenAI Key 或 ChatGPT 插件。
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。
7. 插件运行时会启动一个后台线程用于消费任务队列，插件关闭时会清空队列并终止当前任务。

todo

• 工作流/API接口
• 任务完成后调用媒体库刷新