SmartSub – اوپن سورس آل اِن ون آڈیو ویڈیو سب ٹائٹل پروسیسنگ ڈیسک ٹاپ ٹول آپریشن میں

SmartSub (妙幕) ایک اوپن سورس آل اِن ون آڈیو ویڈیو سب ٹائٹل پروسیسنگ ڈیسک ٹاپ ٹول ہے۔ یہ ٹول مکمل ورک فلو کو ایک ہی ایپلی کیشن میں یکجا کرتا ہے، اور Whisper، FunASR، Qwen3-ASR جیسے مقامی ماڈلز کی مدد سے آف لائن صوتی متن نگاری کرتا ہے۔ یہ 20 سے زائد ترجمہ سروسز اور متعدد کرداروں والی AI وائس اوور کو سپورٹ کرتا ہے۔ SmartSub میں آن لائن ویڈیو ڈاؤن لوڈر شامل ہے جو B站، YouTube جیسے پلیٹ فارمز سے مطابقت رکھتا ہے۔ NVIDIA CUDA، Apple Core ML جیسی ہارڈویئر ایکسلریشن کے ساتھ یہ Windows، macOS، Linux تینوں پلیٹ فارمز پر مقامی طور پر چلتا ہے۔

WeChat پر فالو کریں اور “开源” کا جواب دے کر AI اوپن سورس پروجیکٹس کے گروپ میں شامل ہوں
صوتی متن نگاری: whisper.cpp، FunASR، Qwen3-ASR جیسے 6 بڑے مقامی انجنز کی بنیاد پر آف لائن شناخت، متعدد زبانوں کی خودکار تشخیص اور بیچ پروسیسنگ کی سہولت۔
سب ٹائٹل ترجمہ: 20+ ترجمہ سروسز، جن میں DeepSeek، Ollama، 通义千问 وغیرہ شامل ہیں، سے منسلک؛ صرف ترجمہ یا اصل متن+ترجمہ پر مشتمل دو لسانی سب ٹائٹل تیار کریں۔
AI پروف ریڈنگ: بصری پروف ریڈنگ پینل شامل ہے۔ ویڈیو چلاتے وقت سب ٹائٹل خودکار طور پر متعلقہ مقام پر پہنچتا ہے؛ جملہ بہ جملہ ترمیم، AI کی مدد سے ایک کلک میں روانی بہتر بنانے اور حوالہ متن کے ساتھ ہم آہنگی کی سہولت موجود ہے۔
TTS وائس اوور: مقامی Kokoro/VITS کے ذریعے آف لائن ترکیب؛ ZipVoice زیرو شاٹ وائس کلوننگ، متعدد کرداروں کے لیے آواز کی تقسیم اور گویندہ شناخت کی سہولت۔
سب ٹائٹل برن اِن: ہارڈ سب ٹائٹل براہ راست ویڈیو میں رینڈر کریں، جبکہ سافٹ سب ٹائٹل کو بغیر نقصان MKV میں پیک کریں؛ فونٹ، رنگ، مقام اور دیگر اسٹائلز کا حقیقی وقت میں پیش نظارہ۔
آن لائن ڈاؤن لوڈ: yt-dlp / lux کے دوہری انجن شامل ہیں؛ B站، YouTube وغیرہ کے لنکس پیسٹ کرکے ویڈیوز اور سرکاری سب ٹائٹل بیچ میں ڈاؤن لوڈ کریں۔
حسب ضرورت ورک فلو: صوتی متن نگاری، ترجمہ، پروف ریڈنگ، وائس اوور، ترکیب اور دیگر مراحل کو آزادانہ طور پر جوڑیں، اور ایک کلک میں دوبارہ استعمال کے لیے بطور نسخہ محفوظ کریں۔

ڈاؤن لوڈ اور انسٹالیشن: GitHub Releases سے اپنے نظام کا متعلقہ ورژن (Windows/macOS/Linux) منتخب کرکے انسٹال کریں؛ macOS پر brew install --cask smartsub استعمال کیا جا سکتا ہے۔
ماڈل ڈاؤن لوڈ کریں: پہلی بار شروع کرتے وقت «انجن اور ماڈلز» کے صفحے پر صوتی شناخت کا ماڈل منتخب کرکے ڈاؤن لوڈ کریں۔
ترجمہ ترتیب دیں: «ترتیبات → ترجمہ سروس» میں جائیں، انجن منتخب کریں اور API Key درج کریں۔
ٹاسک بنائیں: لانچر میں ویڈیو→وائس اوور ویڈیو جیسے پری سیٹ کارڈز منتخب کریں، یا ہدف کے مطابق حسب ضرورت ورک فلو بنائیں۔
فائل شامل کریں: مقامی ویڈیو/آڈیو کو ٹاسک کارڈ پر گھسیٹیں، یا B站/YouTube کا لنک پیسٹ کرکے خودکار ڈاؤن لوڈ کریں۔
پیرامیٹرز ایڈجسٹ کریں: صوتی متن نگاری کا انجن، ہدف زبان، دو لسانی سب ٹائٹل کا انتخاب، وائس اوور کی آواز اور سب ٹائٹل اسٹائل منتخب کریں۔
پروسیسنگ شروع کریں: «ٹاسک شروع کریں» پر کلک کریں؛ ایپ خودکار طور پر صوتی متن نگاری→ترجمہ→پروف ریڈنگ→وائس اوور→ترکیب کا ورک فلو چلائے گی۔
پروف ریڈنگ اور برآمد: پروف ریڈنگ پینل میں جملہ بہ جملہ جانچ اور ترمیم کریں، پھر سب ٹائٹل یا وائس اوور والی مکمل ویڈیو برآمد کریں۔

مکمل مقامی ورک فلو: صوتی متن نگاری، ترجمہ (Ollama)، وائس اوور اور برن اِن سب کچھ آف لائن مکمل کیا جا سکتا ہے۔
انجن کی آزادانہ تبدیلی: 6 صوتی متن نگاری انجن + 20+ ترجمہ سروسز + 5 قسم کے وائس اوور حل؛ زبان، منظرنامے اور ہارڈویئر کے مطابق لچکدار امتزاج۔
مکمل ہارڈویئر ایکسلریشن: NVIDIA CUDA، AMD/Intel Vulkan، Apple Core ML/Metal سب سپورٹڈ ہیں؛ ایپ کے اندر ایک کلک سے ایکسلریشن پیکیج انسٹال کریں۔
بغیر لاگت مکمل استعمال: مقامی ماڈلز + بلٹ اِن مفت ترجمہ + مقامی TTS؛ پورا ورک فلو کسی بامعاوضہ API کے بغیر استعمال کیا جا سکتا ہے۔
متعدد کرداروں کی وائس اوور: v3.7.0 گویندہ شناخت اور کردار کے لحاظ سے آوازوں کی بیچ تقسیم کو سپورٹ کرتا ہے؛ ہر جملے کی آواز الگ سے بھی تبدیل کی جا سکتی ہے۔

پروجیکٹ کی ویب سائٹ：https://smartsub.linxiaodong.com/
GitHub ریپوزٹری：https://github.com/buxuku/SmartSub

غیر ملکی ویڈیوز کی مقامی化: بغیر سب ٹائٹل والے عوامی لیکچرز اور دستاویزی فلموں کو صوتی متن میں تبدیل کرکے دو لسانی سب ٹائٹل میں ترجمہ کریں، یا چینی/غیر ملکی آڈیو ٹریک کے ساتھ وائس اوور بنا کر بیرون ملک شائع کریں۔
پوڈکاسٹ اور اجلاس کی ترتیب: طویل آڈیوز کو بیچ میں SRT متن میں تبدیل کریں، تاکہ مواد کی تلاش، ایڈیٹنگ مواد یا متنی آرکائیو کے لیے استعمال ہو سکے۔
سوشل میڈیا سب ٹائٹل سازی: B站/YouTube ویڈیوز کے لیے تیزی سے درست شدہ سب ٹائٹل تیار کرکے برن اِن کریں، اور متعدد پلیٹ فارمز کے اسٹائل پری سیٹس سپورٹ کریں۔
آن لائن تعلیمی مواد: تعلیمی ویڈیوز میں متعدد زبانوں کی وائس اوور اور دو لسانی سب ٹائٹل شامل کریں، اور وائس کلوننگ کے ذریعے استاد کی آواز کا تسلسل برقرار رکھیں۔
فلم و ویڈیو کا ثانوی تخلیق اور ترجمہ: آن لائن ویڈیوز ڈاؤن لوڈ کرنے کے بعد سرکاری سب ٹائٹل خودکار طور پر جوڑیں، ترجمہ بہتر بنانے کے بعد ہارڈ برن اِن یا سافٹ پیکجنگ کے ذریعے شائع کریں۔