d0zingcat/MoviePilot-Plugins
1
0
Fork 0
mirror of https://github.com/d0zingcat/MoviePilot-Plugins.git synced 2026-05-13 15:09:12 +00:00
Code Issues Packages Projects Releases Wiki Activity
Files
main
MoviePilot-Plugins/plugins/autosubv2/README.md
TimoYoung b942cf7cf5 v2.3
2025-06-06 17:20:28 +08:00

6.3 KiB
Raw Permalink Blame History

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
Reference in New Issue View Git Blame Copy Permalink