VideoTrans视频翻译配音工具

软件本身完全开源（GPL-V3 协议）、免费且无功能限制，无需登录注册，从官方 GitHub 或文档站免费获取即可。但注意两点：使用 ChatGPT、DeepSeek 等第三方 API 需自行申请密钥并承担费用；淘宝、闲鱼、拼多多等平台上的付费版本均非官方渠道，开发者未授权任何商业销售，任何要求登录或输卡密的都不是官方原版。

当前使用文档匹配 v4.15 版本。软件集成 Faster-Whisper、F5-TTS、Qwen3-ASR、Edge-TTS 等 30+ 种渠道，覆盖视频翻译、语音转录、文字配音、翻译字幕四大功能。语种支持取决于所选底层模型：Whisper 系列覆盖最广支持多达 99 种语言，Edge-TTS 支持多达 80 种语言，Qwen-TTS 覆盖约 10 种主流语言。

在线翻译工具通常只处理文本，pyVideoTrans 把语音识别、字幕翻译、AI 配音、视频合成做成一条自动化流水线，直接产出带目标语言配音和字幕的新视频。识别、翻译、配音三个环节都能换成 30+ 种渠道里的任意组合，还支持本地离线跑。代价是需要下载安装、读懂使用文档，上手比网页工具重。

能用。软件是国产开源项目，Windows 有预打包版解压即用，文档全中文。但部分在线渠道有网络要求：Google 翻译和 gTTS 国内需科学上网，Microsoft 翻译无需代理但可能限流，Edge-TTS 默认微软免费接口。可全部改用本地模型（如 faster-whisper、Qwen3-ASR）完全离线运行。另可在根目录建 edgetts-noproxy.txt 禁止 edge-tts 走代理。

识别侧：明确指定发音语言而非自动检测，faster-whisper 模型选 large-v3 精度最高（需 8GB+ 显存），large-v3-turbo 速度与质量兼顾是默认推荐；也可开 LLM 纠错修正错别字标点。配音侧：Edge-TTS 免费声音自然，Qwen3-TTS、F5-TTS 等内置模型支持克隆原视频音色。翻译侧：用 AI 大模型渠道、每批字幕行数设为 100 以上并附带完整字幕做参考。

这是正常现象：不同语言的音节数和语法结构不同，读出该句子的时长必然变化。软件提供的对齐手段包括：默认已启用的音频加速、可选的视频慢速、调整配音语速，以及在高级选项里移除配音开头结尾或全部静音缓冲。若对画质有要求，原始视频为 H.264 编码 MP4、不勾选视频慢速、不嵌入硬字幕时可实现无损输出。

无最低硬件要求，有无英伟达显卡均可运行，笔记本、台式机都可以。有英伟达显卡时可安装 CUDA 12.8 和 cuDNN 9 开启 CUDA 加速，语音识别阶段速度数倍提升；AMD 显卡不支持 CUDA 加速。选 large-v3 模型做识别需要 8GB+ 显存，Higgs-audio-v3 模型 CUDA 加速需 10G 显存、CPU 运行需 20G 内存。