SmartSub – Zana ya eneo-kazi ya chanzo huria ya kushughulikia manukuu ya sauti na video kwa njia ya kila kitu-kimoja Inafanya kazi

SmartSub（妙幕） ni zana ya eneo-kazi ya chanzo huria ya kushughulikia manukuu ya sauti na video kwa njia ya kila kitu-kimoja. Zana hii inaunganisha mchakato mzima katika programu moja, ikitumia miundo ya ndani kama Whisper, FunASR na Qwen3-ASR kubadilisha sauti kuwa maandishi nje ya mtandao, huku ikiunga mkono zaidi ya huduma 20 za tafsiri na uigizaji wa sauti wa AI wenye wahusika wengi. SmartSub ina kipakua video za mtandaoni kilichojengewa ndani, kinachoendana na majukwaa kama B 站 na YouTube, kinaunga mkono uharakishaji wa maunzi kama NVIDIA CUDA na Apple Core ML, na huendeshwa ndani ya Windows, macOS na Linux.

Fuata akaunti ya WeChat na ujibu “开源” ili kujiunga na kikundi cha mawasiliano cha miradi ya AI ya chanzo huria
Unukuzi wa sauti: Utambuzi wa nje ya mtandao kwa kutumia injini 6 kuu za ndani, zikiwemo whisper.cpp, FunASR na Qwen3-ASR; unaunga mkono utambuzi wa kiotomatiki wa lugha nyingi na uchakataji wa kundi.
Tafsiri ya manukuu: Inaunganisha huduma zaidi ya 20 za tafsiri, zikiwemo DeepSeek, Ollama na 通义千问, na hutoa manukuu yenye tafsiri pekee au yenye lugha mbili: maandishi asilia + tafsiri.
Usahihishaji wa AI: Ina paneli ya kuona ya kusahihisha; manukuu husawazishwa na kuwekwa mahali panapofaa kiotomatiki wakati video ikiendelea, na inaunga mkono uhariri wa sentensi moja moja, uboreshaji wa AI kwa mbofyo mmoja na upangaji kulingana na hati ya marejeo.
Uigizaji wa sauti wa TTS: Usanisi wa ndani wa Kokoro/VITS nje ya mtandao, ukiunga mkono uundaji wa sauti kwa sampuli sifuri wa ZipVoice, ugawaji wa sauti kwa wahusika wengi na utambuzi wa wasemaji.
Kuchoma manukuu: Manukuu magumu hutolewa moja kwa moja ndani ya picha, huku manukuu laini yakifungwa kwenye MKV bila kupoteza ubora; inaunga mkono onyesho la awali la wakati halisi la fonti, rangi, nafasi na mitindo mingine.
Upakuaji wa mtandaoni: Ina injini mbili za yt-dlp / lux; bandika tu viungo vya B站, YouTube na majukwaa mengine ili kupakua video na manukuu rasmi kwa kundi.
Mchakato maalum: Changanya kwa uhuru hatua za unukuzi, tafsiri, usahihishaji, uigizaji wa sauti na usanisi, kisha uhifadhi kama kichocheo kwa matumizi ya mara moja.

Pakua na usakinishe: Chagua toleo linalolingana na mfumo wako (Windows/macOS/Linux) kutoka GitHub Releases; kwenye macOS unaweza kutumia brew install --cask smartsub.
Pakua miundo: Unapoanzisha mara ya kwanza, chagua na upakue modeli ya utambuzi wa sauti kwenye ukurasa wa 「Injini na miundo」.
Sanidi tafsiri: Nenda kwenye 「Mipangilio → Huduma za tafsiri」, chagua injini na uweke API Key.
Unda kazi: Kwenye kizindua, chagua kadi ya usanidi kama video→utengenezaji wa video yenye uigizaji wa sauti, au changanya mchakato maalum kulingana na lengo.
Buruta faili: Buruta video/sauti ya ndani kwenye kadi ya kazi, au bandika kiungo cha B站/YouTube ili kupakua kiotomatiki.
Rekebisha vigezo: Chagua injini ya unukuzi, lugha lengwa, kama manukuu ya lugha mbili yatatumika, sauti ya uigizaji na mtindo wa manukuu.
Anza kuchakata: Bofya 「Anza kazi」; programu itatekeleza kiotomatiki mchakato wa unukuzi→tafsiri→usahihishaji→uigizaji wa sauti→usanisi.
Sahihisha na hamisha: Kagua na urekebishe kila sentensi kwenye paneli ya usahihishaji, kisha baada ya kuthibitisha hamisha video iliyokamilika yenye manukuu au uigizaji wa sauti.

Mchakato mzima wa ndani: Unukuzi, tafsiri (Ollama), uigizaji wa sauti na uchomaji wa manukuu vyote vinaweza kukamilishwa nje ya mtandao.
Uhuru wa kubadilisha injini: Inaunga mkono injini 6 za unukuzi + huduma zaidi ya 20 za tafsiri + aina 5 za suluhisho za uigizaji wa sauti, zinazoweza kuunganishwa kwa urahisi kulingana na lugha, mazingira na uwezo wa maunzi.
Uharakishaji wa maunzi kwa upana: Inaunga mkono NVIDIA CUDA, AMD/Intel Vulkan na Apple Core ML/Metal; vifurushi vya uharakishaji vinaweza kusakinishwa kwa mbofyo mmoja ndani ya programu.
Matumizi bila gharama: Miundo ya ndani + tafsiri ya bure iliyojengewa ndani + TTS ya ndani; mchakato mzima unaweza kutumika bila API ya kulipia.
Uigizaji wa sauti wa wahusika wengi: Toleo v3.7.0 linaunga mkono utambuzi wa wasemaji na ugawaji wa sauti kwa wahusika kwa kundi; hata sentensi moja inaweza kubadilishwa kivyake.

Tovuti rasmi ya mradi: https://smartsub.linxiaodong.com/
Hifadhi ya GitHub: https://github.com/buxuku/SmartSub

Ujanibishaji wa video za lugha za kigeni: Unukuzi na tafsiri ya kozi za wazi na makala za video zisizo na manukuu kuwa manukuu ya lugha mbili, au uundaji wa nyimbo za sauti za Kichina/lugha za kigeni kwa ajili ya kuzisambaza kimataifa.
Upangaji wa podikasti na mikutano: Badilisha kwa kundi sauti ndefu kuwa maandishi ya SRT kwa ajili ya utafutaji wa maudhui, nyenzo za uhariri au kuhifadhi maandishi.
Utengenezaji wa manukuu kwa vyombo vya habari binafsi: Tengeneza kwa haraka manukuu yaliyosahihishwa kikamilifu ya video za B站/YouTube na kuyachoma ndani ya video, ukiunga mkono mipangilio ya mitindo kwa majukwaa mengi.
Nyenzo za elimu mtandaoni: Ongeza uigizaji wa sauti wa lugha nyingi na manukuu ya lugha mbili kwenye video za kufundishia; uundaji wa sauti kwa kunakili sauti hudumisha ufanano wa sauti ya mwalimu.
Uundaji upya na utafsiri wa filamu: Baada ya kupakua video ya mtandaoni, oanisha kiotomatiki manukuu rasmi, yasahihishe baada ya kutafsiri, kisha uyachome ndani ya video au uyafunge kama manukuu laini kwa uchapishaji.