优质视频中文化一站式本地化解决方案!

项目简介

YouDub-webui 是 YouDub 项目的网页交互版本，基于 Gradio 构建，为用户提供简易操作界面来访问和使用 YouDub 的强大功能。 YouDub 是一个开创性的开源工具，旨在将 YouTube 和其他平台上的高质量视频翻译和配音成中文版本。该工具结合了最新的 AI 技术，包括语音识别、大型语言模型翻译，以及 AI 声音克隆技术，提供与原视频相似的中文配音，为中文用户提供卓越的观看体验。

YouDub-webui 适用于多种场景，包括教育、娱乐和专业翻译，特别适合那些希望将国外优秀视频内容本地化的用户。此工具的简洁界面使得即使是非技术用户也能轻松上手，实现视频的快速中文化处理。

了解更多关于 YouDub-webui 的信息和示例，请访问我们的 bilibili 视频主页。为了更好地服务社区，我们也设立了微信群组，欢迎通过扫描下方的二维码加入我们，共同探讨和贡献于 YouDub-webui 的发展。

主要特点

YouDub-webui 融合了多项先进技术，提供了一套完整的视频中文化工具包，其主要特点包括：

• 视频下载 : 支持通过链接直接下载 YouTube 视频。无论是单个视频、播放列表还是频道内的多个视频，均能轻松下载。

• AI 语音识别 : 利用先进的 AI 技术，将视频中的语音高效转换为文字。不仅提供精确的语音到文本转换，还能自动对齐时间并识别不同说话者，极大地增强了信息的丰富性和准确性。

• 大型语言模型翻译 : 结合大型语言模型如 GPT，实现快速且精准的中文翻译。无论是俚语还是专业术语，均能得到恰当的翻译，确保内容的准确性与地道性。

• AI 声音克隆 : 通过 AI 声音克隆技术，生成与原视频配音相似的中文语音。这不仅提升了视频的观看体验，也保留了原视频的情感和语调特色。

• 视频处理 : 综合了音视频同步处理、字幕添加、视频播放速度调整和帧率设置等多项功能。用户可以根据需要生成高质量的最终视频，实现无缝的观看体验。

• 自动上传 : 支持将最终视频自动上传到 Bilibili 平台。用户可以在不离开 YouDub-webui 的情况下，将视频上传到 Bilibili 平台，实现一键式的视频中文化处理。

YouDub-webui 的这些特点使其成为一个强大且易于使用的视频中文化工具，无论是个人用户还是专业团队，都能从中受益。

安装与使用指南

为了使用 YouDub-webui ，请遵循以下步骤来安装和配置您的环境：

1. 克隆仓库

首先，克隆 YouDub-webui 仓库到您的本地系统：

git clone https://github.com/liuzhao1225/YouDub-webui.git

2. 安装依赖

您可以选择自动安装或手动安装依赖：

自动安装

• 进入 YouDub-webui 目录，运行 setup_windows 脚本。

• 脚本会在当前目录创建一个 venv 虚拟环境，并自动安装所需依赖，包括 CUDA 12.1 版本的 PyTorch。

手动安装

• 进入 YouDub-webui 目录，使用以下命令安装依赖：

cd YouDub-webuipip install -r requirements.txt

• 由于 TTS 依赖的特殊性，所以将 TTS 移出了 requirements.txt ，需要手动安装：

pip install TTS

• 默认安装为 CPU 版本的 PyTorch 如果你需要手动安装特定 CUDA 版本的 PyTorch，可根据您的 CUDA 版本从 PyTorch 官方网站 获取安装命令。

3. 环境设置

在运行前，请配置环境变量：

• 环境变量配置 ：将 .env.example 改名为 .env 并填入以下环境变量：

• OPENAI_API_KEY : OpenAI API 密钥，格式通常为 sk-xxx 。

• MODEL_NAME : 模型名称，如 'gpt-4' 或 'gpt-3.5-turbo'。

• OPENAI_API_BASE : OpenAI API 基础 URL，如果使用自己部署的模型，请填入。

• HF_TOKEN : Hugging Face token，用于 speaker diarization 功能。

• HF_ENDPOINT : 如果从 huggingface 下载模型时出错，可以添加此环境变量。

• APPID 和 ACCESS_TOKEN : 火山引擎 TTS 所需的凭据。

• BILI_BASE64 : Bilibili API 所需的凭据。获取方法请参考 bilibili-toolman 准备凭据。

4. 运行程序

选择以下任一方式运行程序：

自动运行

• 在 YouDub-webui 目录下运行 run_windows.bat 。

手动运行

• 使用以下命令启动主程序

python app.py

使用步骤

1. 全自动 (Do Everything)

此界面是一个一站式的解决方案，它将执行从视频下载到视频合成的所有步骤。

• Root Folder : 设置视频文件的根目录。

• Video URL : 输入视频或播放列表或频道的URL。

• Number of videos to download : 设置要下载的视频数量。

• Resolution : 选择下载视频的分辨率。

• Demucs Model : 选择用于音频分离的Demucs模型。

• Demucs Device : 选择音频分离的处理设备。

• Number of shifts : 设置音频分离时的移位数。

• Whisper Model : 选择用于语音识别的Whisper模型。

• Whisper Download Root : 设置Whisper模型的下载根目录。

• Whisper Batch Size : 设置Whisper处理的批量大小。

• Whisper Diarization : 选择是否进行说话者分离。

• Translation Target Language : 选择字幕的目标翻译语言。

• Force Bytedance : 选择是否强制使用Bytedance语音合成。

• Subtitles : 选择是否在视频中包含字幕。

• Speed Up : 设置视频播放速度。

• FPS : 设置视频的帧率。

• Max Workers : 设置处理任务的最大工作线程数。

• Max Retries : 设置任务失败后的最大重试次数。

• Auto Upload Video : 选择是否自动上传视频到Bilibili。

2. 下载视频 (Download Video)

此界面用于单独下载视频。

• Video URL : 输入视频或播放列表或频道的URL。

• Output Folder : 设置视频下载后的输出文件夹。

• Resolution : 选择下载视频的分辨率。

• Number of videos to download : 设置要下载的视频数量。

3. 人声分离 (Demucs Interface)

此界面用于从视频中分离人声。

• Folder : 设置包含视频的文件夹。

• Model : 选择用于音频分离的Demucs模型。

• Device : 选择音频分离的处理设备。

• Progress Bar in Console : 选择是否在控制台显示进度条。

• Number of shifts : 设置音频分离时的移位数。

4. 语音识别 (Whisper Inference)

此界面用于从视频音频中进行语音识别。

• Folder : 设置包含视频的文件夹。

• Model : 选择用于语音识别的Whisper模型。

• Download Root : 设置Whisper模型的下载根目录。

• Device : 选择语音识别的处理设备。

• Batch Size : 设置Whisper处理的批量大小。

• Diarization : 选择是否进行说话者分离。

5. 字幕翻译 (Translation Interface)

此界面用于将识别出的语音转换为字幕并翻译。

• Folder : 设置包含视频的文件夹。

• Target Language : 选择字幕的目标翻译语言。

6. 语音合成 (TTS Interface)

此界面用于将翻译后的文字转换为语音。

• Folder : 设置包含视频的文件夹。

• Force Bytedance : 选择是否强制使用Bytedance语音合成。

7. 视频合成 (Synthesize Video Interface)

此界面用于将视频、字幕和语音合成为最终视频。

• Folder : 设置包含视频的文件夹。

• Subtitles : 选择是否在视频中包含字幕。

• Speed Up : 设置视频播放速度。

• FPS : 设置视频的帧率。

• Resolution : 选择视频的分辨率。

技术细节