mirror of
https://github.com/d0zingcat/MoviePilot-Plugins.git
synced 2026-05-22 07:26:45 +00:00
129 lines
6.3 KiB
Markdown
129 lines
6.3 KiB
Markdown
# 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
|
||
- 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 |