SmartSub – ওপেন সোর্স অল-ইন-ওয়ান অডিও-ভিডিও সাবটাইটেল প্রসেসিং ডেস্কটপ টুল চালু আছে

SmartSub (妙幕) একটি ওপেন সোর্স অল-ইন-ওয়ান অডিও-ভিডিও সাবটাইটেল প্রসেসিং ডেস্কটপ টুল। টুলটি পুরো প্রক্রিয়াকে একটি অ্যাপ্লিকেশনে একীভূত করেছে। Whisper, FunASR, Qwen3-ASR-সহ স্থানীয় মডেলের মাধ্যমে অফলাইনে কথাকে লেখায় রূপান্তর করা যায়। ২০টিরও বেশি অনুবাদ পরিষেবা এবং একাধিক চরিত্রের AI ডাবিং সমর্থন করে। SmartSub-এ বিল্ট-ইন অনলাইন ভিডিও ডাউনলোডার রয়েছে, যা B站, YouTube-সহ বিভিন্ন প্ল্যাটফর্মের সঙ্গে সামঞ্জস্যপূর্ণ। NVIDIA CUDA, Apple Core ML-সহ হার্ডওয়্যার অ্যাক্সিলারেশন সমর্থন করে এবং Windows, macOS, Linux তিন প্ল্যাটফর্মেই স্থানীয়ভাবে চলে

WeChat-এ ফলো করে “开源” লিখে উত্তর দিন এবং AI ওপেন সোর্স প্রকল্পের গ্রুপে যোগ দিন
স্পিচ-টু-টেক্সট: whisper.cpp, FunASR, Qwen3-ASR-সহ ৬টি প্রধান স্থানীয় ইঞ্জিনের মাধ্যমে অফলাইন শনাক্তকরণ; বহুভাষিক স্বয়ংক্রিয় শনাক্তকরণ ও ব্যাচ প্রসেসিং সমর্থিত।
সাবটাইটেল অনুবাদ: ২০টিরও বেশি অনুবাদ পরিষেবা (DeepSeek, Ollama, 通义千问-সহ) সংযুক্ত; শুধু অনুবাদ অথবা মূল লেখা+অনুবাদ দ্বিভাষিক সাবটাইটেল আউটপুট করা যায়।
AI প্রুফরিডিং: বিল্ট-ইন ভিজ্যুয়াল প্রুফরিডিং প্যানেল; ভিডিও চালানোর সময় সাবটাইটেল স্বয়ংক্রিয়ভাবে সঠিক স্থানে যায়। বাক্য ধরে সম্পাদনা, এক ক্লিকে AI পরিমার্জন এবং রেফারেন্স স্ক্রিপ্টের সঙ্গে সামঞ্জস্য করা যায়।
TTS ডাবিং: স্থানীয় Kokoro/VITS অফলাইন সংশ্লেষণ; ZipVoice জিরো-শট ভয়েস ক্লোনিং, একাধিক চরিত্রে কণ্ঠ বরাদ্দ এবং বক্তা শনাক্তকরণ সমর্থিত।
সাবটাইটেল বার্ন-ইন: হার্ড সাবটাইটেল সরাসরি ভিডিও ফ্রেমে রেন্ডার করা যায়, সফট সাবটাইটেল MKV-তে ক্ষতিহীনভাবে প্যাকেজ করা যায়। ফন্ট, রং, অবস্থানসহ বিভিন্ন স্টাইলের রিয়েল-টাইম প্রিভিউ রয়েছে।
অনলাইন ডাউনলোড: yt-dlp / lux ডুয়াল ইঞ্জিন বিল্ট-ইন; B站, YouTube-সহ বিভিন্ন লিংক পেস্ট করলেই ভিডিও ও অফিসিয়াল সাবটাইটেল ব্যাচ ডাউনলোড করা যায়।
কাস্টম ওয়ার্কফ্লো: ট্রান্সক্রিপশন, অনুবাদ, প্রুফরিডিং, ডাবিং, সংশ্লেষণসহ বিভিন্ন ধাপ স্বাধীনভাবে সাজিয়ে রেসিপি হিসেবে সংরক্ষণ ও এক ক্লিকে পুনর্ব্যবহার করা যায়।

ডাউনলোড ও ইনস্টল: GitHub Releases থেকে সংশ্লিষ্ট সিস্টেম সংস্করণ (Windows/macOS/Linux) বেছে নিয়ে ইনস্টল করুন। macOS-এ brew install --cask smartsub ব্যবহার করা যায়।
মডেল ডাউনলোড: প্রথমবার চালুর সময় “ইঞ্জিন ও মডেল” পেজে গিয়ে একটি স্পিচ-রিকগনিশন মডেল বেছে নিয়ে ডাউনলোড করুন।
অনুবাদ কনফিগার করুন: “সেটিংস → অনুবাদ পরিষেবা”-তে গিয়ে ইঞ্জিন বেছে নিয়ে API Key লিখুন।
টাস্ক তৈরি: লঞ্চারে ভিডিও→ডাবিংসহ বিভিন্ন প্রিসেট কার্ড বেছে নিন, অথবা কাস্টম ওয়ার্কফ্লো সাজিয়ে লক্ষ্য নির্ধারণ করুন।
ফাইল টেনে আনুন: স্থানীয় ভিডিও/অডিও টাস্ক কার্ডে টেনে আনুন, অথবা B站/YouTube লিংক পেস্ট করে স্বয়ংক্রিয়ভাবে ডাউনলোড করুন।
প্যারামিটার ঠিক করুন: ট্রান্সক্রিপশন ইঞ্জিন, লক্ষ্য ভাষা, দ্বিভাষিক সাবটাইটেল হবে কি না, ডাবিংয়ের কণ্ঠ এবং সাবটাইটেল স্টাইল বেছে নিন।
প্রসেসিং শুরু করুন: “টাস্ক শুরু করুন” ক্লিক করলে অ্যাপটি স্বয়ংক্রিয়ভাবে ট্রান্সক্রিপশন→অনুবাদ→প্রুফরিডিং→ডাবিং→সংশ্লেষণ প্রক্রিয়া সম্পন্ন করবে।
প্রুফরিড ও এক্সপোর্ট: প্রুফরিডিং প্যানেলে বাক্য ধরে পরীক্ষা ও সংশোধন করুন; নিশ্চিত হওয়ার পর সাবটাইটেল বা ডাবিংসহ চূড়ান্ত ভিডিও এক্সপোর্ট করুন।

সম্পূর্ণ স্থানীয় প্রক্রিয়া: ট্রান্সক্রিপশন, অনুবাদ (Ollama), ডাবিং এবং বার্ন-ইন সবই অফলাইনে সম্পন্ন করা যায়।
ইঞ্জিন স্বাধীনভাবে বদলানো যায়: ৬টি ট্রান্সক্রিপশন ইঞ্জিন + ২০টিরও বেশি অনুবাদ পরিষেবা + ৫ ধরনের ডাবিং সমাধান সমর্থিত; ভাষার প্রয়োজন ও হার্ডওয়্যার অনুযায়ী নমনীয়ভাবে সমন্বয় করা যায়।
সম্পূর্ণ হার্ডওয়্যার অ্যাক্সিলারেশন: NVIDIA CUDA, AMD/Intel Vulkan, Apple Core ML/Metal সবই সমর্থিত; অ্যাপের ভেতর এক ক্লিকেই অ্যাক্সিলারেশন প্যাক ইনস্টল করা যায়।
শূন্য খরচে ব্যবহার: স্থানীয় মডেল + বিল্ট-ইন বিনামূল্যের অনুবাদ + স্থানীয় TTS; পুরো ওয়ার্কফ্লো কোনো পেইড API ছাড়াই চালানো যায়।
একাধিক চরিত্রের ডাবিং: v3.7.0-এ বক্তা শনাক্তকরণ এবং চরিত্র অনুযায়ী ব্যাচ কণ্ঠ বরাদ্দ সমর্থিত; একেকটি বাক্যের কণ্ঠও আলাদাভাবে ওভাররাইড করা যায়।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://smartsub.linxiaodong.com/
GitHub রিপোজিটরি: https://github.com/buxuku/SmartSub

বিদেশি ভাষার ভিডিও লোকালাইজেশন: সাবটাইটেলবিহীন উন্মুক্ত কোর্স ও তথ্যচিত্র ট্রান্সক্রাইব করে দ্বিভাষিক সাবটাইটেলে অনুবাদ করুন, অথবা সরাসরি ডাবিং করে চীনা/বিদেশি ভাষার অডিও ট্র্যাক তৈরি করে বিদেশে প্রকাশ করুন।
পডকাস্ট ও মিটিং整理: দীর্ঘ অডিও ব্যাচ ট্রান্সক্রাইব করে SRT টেক্সটে রূপান্তর করুন, যা কনটেন্ট অনুসন্ধান, সম্পাদনার উপকরণ বা টেক্সট আর্কাইভে ব্যবহার করা যায়।
স্বয়ংক্রিয়-মাধ্যমের সাবটাইটেল তৈরি: B站/YouTube ভিডিওর জন্য দ্রুত নির্ভুল সাবটাইটেল তৈরি ও বার্ন-ইন করুন; বিভিন্ন প্ল্যাটফর্মের স্টাইল প্রিসেট সমর্থিত।
অনলাইন শিক্ষাসামগ্রী: শিক্ষামূলক ভিডিওতে বহুভাষিক ডাবিং ও দ্বিভাষিক সাবটাইটেল যোগ করুন; ভয়েস ক্লোনিংয়ের মাধ্যমে শিক্ষকের কণ্ঠের সামঞ্জস্য বজায় রাখুন।
চলচ্চিত্রের পুনর্নির্মাণ ও অনুবাদ: অনলাইন ভিডিও ডাউনলোডের পর অফিসিয়াল সাবটাইটেলের সঙ্গে স্বয়ংক্রিয়ভাবে মিলিয়ে নিন; অনুবাদ পরিমার্জনের পর হার্ড বার্ন-ইন বা সফট প্যাকেজিং করে প্রকাশ করুন।