VideoLingo：一键把外语视频变成中文配音，字幕组的活它一个人干（Apache-2.0 · 18.9k Star）
摘要：开源自托管的视频翻译配音流水线：丢一个链接进去，自动完成下载、词级听写、翻译、语义断句、对轴和配音，Streamlit 界面一键跑完，也能当 API 接进自己的流程。
VideoLingo：一键把外语视频变成中文配音，字幕组的活它一个人干
刷到一个干货满满的英文教程，或者一部没有中字的纪录片，第一反应是去评论区蹲字幕组——这一蹲往往是几天，甚至永远。
VideoLingo 想干的就是把这几天压缩到几分钟。你把链接丢给它，它自己下载视频、听写台词、翻译、断句、对轴，最后连配音都帮你配上。官方给自己的定位是"Netflix 级字幕切割、翻译、对齐乃至配音"，实际用下来，它更像一个不知疲倦的字幕组：下载、听录、翻译、打轴、合成，一条龙全包。
本页由 1SHARE 整理：项目数据取自 GitHub 公开信息，最后核对时间 2026-10-24。
官方仓库：Huanshere/VideoLingo | 作者：Huanshere | 开源协议：Apache-2.0
核心功能
一键全自动流水线
从"一个链接"到"成品视频"中间的所有环节——下载、语音识别、翻译、字幕分段、配音合成——都在一个 Streamlit 界面里跑完，不用你在五六个软件之间倒腾文件。
词级识别与对齐
用 Qwen3-ASR 做语音识别、Qwen3-ForcedAligner 做强制对齐，能做到词级别的时间戳。这意味着字幕能卡在词上，而不是粗略地按秒估摸——后面做配音时口型和对齐都靠这个打底。
字幕断句是"读"过之后断的
这是它和"按字数硬切"最不一样的地方。它会用 NLP 先理解句子结构，再在语义自然的地方断行，还会用上你自定义的术语表加 AI 生成的专有名词，保证同一个词在全片里译法一致。看字幕的人只觉得顺，说不出哪里顺，差别就在这。