pyVideoTrans 本地离线视频字幕生成教程

  |   0 评论   |   0 浏览

适合场景:有涉密 / 内部视频,不上传云端、全程本地离线,免费、中文识别精度高,支持导出 SRT 字幕、一键烧录硬字幕。 适用系统:Windows / Linux / Mac,信创统信、麒麟也可使用 核心优势:内置多款离线 ASR 模型,不用自己搭 Python 环境,开箱即用

一、前置说明

  1. 核心原则:所有音频、视频数据不会上传外网,满足保密要求;
  2. 模型推荐(纯中文优先排序) 表格
    | 引擎 | 推荐子模型 | 特点 |
    | --------------------- | ------------- | ---------------------------------------------- |
    | 阿里 FunASR (内置) | paraformer-zh | ✅首选,普通话识别最强,支持热词,专业名词友好 |
    | Qwen-ASR (内置) | 默认中文模型 | 效果优秀,部署简单,算力要求适中 |
    | FireRed 中文 (内置) | 中文模型 | 嘈杂环境音频适配更好 |
    | faster-whisper (内置) | large-v2 | 通用性强,中文弱于上面几个,不优先选 |

❗注意:列表名称是【阿里 FunASR (内置)】,不是 “FunASR 中文”,很多人找不到是名字差异。

  1. 硬件参考
    • 最低:CPU 可跑,速度慢;
    • 推荐:NVIDIA 显卡(CUDA 加速),转写速度快很多;
    • 无 N 卡:直接 CPU 模式,只是耗时变长。

二、下载与安装

  1. 项目地址:https://github.com/jianchang512/pyVideoTrans

保密提示:涉密环境建议离线拷贝安装包,不要在涉密机直接访问 github 下载;在外网电脑下载好安装包、模型包,U 盘单向导入内网。

  1. 安装方式二选一
    • 方式 A(推荐 Windows 小白):下载打包好的绿色 exe 版本,解压直接运行,无需安装 Python、ffmpeg;
    • 方式 B(源码部署):git clone 源码,自行安装依赖,适合信创 Linux / 麒麟系统。
  2. 首次打开:软件会自动下载选中的 ASR 模型包

    保密重点:外网机器下载完模型,拷贝模型文件夹到涉密内网机器,避免内网机联网下载。

三、基础操作步骤(纯中文、离线保密流程)

步骤 1:导入视频

打开软件 → 点击【添加视频】,选择需要处理的视频文件;支持 mp4、mov、mkv 等常见格式。

建议:涉密视频不要放在桌面公共目录,使用本地加密文件夹存放。

步骤 2:选择 ASR 识别引擎(重点)

顶部下拉 ASR 引擎选择框,选中:阿里 FunASR (内置)

  • 子模型选择:paraformer-zh(中文标准版,首选)
  • 语言选择:中文
  • 【关键配置】 ✅ 关闭:联网校验、自动反馈、云同步、上传日志 ✅ 开启:离线模式(不同版本文字略有差异,核心就是禁止任何向外网络请求) ✅ 可选:加载热词表(提升专业词汇识别准确率)

步骤 3:热词表配置(政务 / 专业场景强烈推荐)

热词作用:把专有名词、人名、项目名录入,减少同音错误。

  1. 新建一个 hotword.txt 文本文件;
  2. 一行一个词汇,示例:
信创改造
达梦数据库
昇腾NPU
视频会议
  1. 在软件 FunASR 设置里,选择加载这个 txt 热词文件。

步骤 4:开始识别转写字幕

点击【开始识别】,软件会自动提取视频音频 → 本地 ASR 识别 → 生成字幕。

  • 识别完成后,右侧字幕面板可以逐句校对、修改错别字、调整时间轴;
  • 支持拆分、合并字幕行,调整字幕出现时长。

四、字幕两种输出方式(软字幕 / 硬字幕)

方式 1:导出 SRT 软字幕(推荐,可复用)

软字幕 = 独立 .srt字幕文件,播放时可以开关字幕,视频本体不变。 操作:【导出字幕】→ 选择 srt 格式,保存。 用途:播放器加载、剪辑软件二次编辑,不破坏原视频。

方式 2:烧入硬字幕(字幕直接画到画面里,任何设备都能看到)

硬字幕 = 字幕永久嵌入视频画面,无法关闭。 操作:校对完字幕之后,勾选【烧入字幕到视频】→ 设置字幕字体、大小、颜色、位置 → 选择输出目录 → 开始合成新视频。

注意:合成会重新编码视频,耗时比单纯识别更长。

五、常见问题

  1. 找不到 FunASR 中文?

软件内名称是【阿里 FunASR (内置)】,不是 FunASR 中文,选中后再选 paraformer-zh 中文模型。

  1. 识别很慢?

优先 N 卡 CUDA 加速;没有独立显卡只能 CPU 跑,长视频耐心等待。

  1. 保密环境报错、无法下载模型?

在外网同版本软件把模型下载完成,复制软件目录下的 models文件夹,覆盖内网机器对应目录,全程离线。

  1. 识别错字多?

① 优先 paraformer-zh 模型;② 音频降噪;③ 导入热词表;④ 降低背景噪音。

六、保密红线提醒(博客一定要加上)

  1. 涉密视频严禁使用在线字幕网站、剪映云字幕、各类云端语音 API;
  2. 内网涉密主机,禁止开启软件的联网选项,模型提前外网下载导入;
  3. 处理完成后的字幕文件、中间音频文件,做好权限管控,不用时及时清理;
  4. 本工具仅本地离线推理,不代表文件自动符合保密规范,遵守单位保密管理要求。

七、补充:备选模型选择

  • Qwen-ASR (内置):中文效果优秀,算力消耗适中;
  • FireRed 中文 (内置):适合嘈杂录音、现场会议视频;
  • faster-whisper:通用性强,中文识别弱,不优先用于纯中文场景。

标题:pyVideoTrans 本地离线视频字幕生成教程
作者:zytops
地址:https://www.zytops.com/articles/2026/11/19/1795080372059.html