哈喽，黑域小伙伴，看外文视频最难受的，不是看不懂画面，而是听不懂人话... 但最近一个 GitHub 上开源了两年多的视频翻译配音工具 pyVideoTrans 火了起来，把一段视频从一种语言翻译成另一种语言，自动配上 AI 配音，嵌上字幕，输出成品。不用切软件，不用手动对齐，从头到尾自动跑完。

这个开源项目在 GitHub 1.8万 Star，开发者自己一个人维护了两年多，还在项目旁边搭了个 BBS 问答站，接了个 AI 自动回复用户的报错日志，说真的，对于个人开发者的项目，能维护到这种程度，可以说相当良心了。

pyVideoTrans 使用体验：

把一部外国电影，用它走一圈，马上可以变成中文字幕+中文配音的电影。当然了，跟大制作专人配音配字幕的效果比不了，但是起码能看懂听懂了，几乎没有成本的方式搞定这些，还要什么自行车！

它把视频翻译拆成了四个环节：语音识别 → 字幕翻译 → AI 配音 → 视频合成。每个环节各接了一大堆渠道和模型，本地能跑的也有，在线 API 也有，组合方式自己定。

1. 视频翻译

首先是导入视频：这个很简单，我说一个注意事项就是视频必须包含清晰的人声，纯背景音乐或者只有画面的视频处理不了。

选识别渠道：默认是faster-whisper加large-v3-turbo就行，如果是短视频的话，勾上"二次识别"字幕更贴合。

• 1.1 选翻译和语言

默认Google免费，连不上自动切微软。要求高就换其他付费AI模型，比如DeepSeek等等，这个其实用量不大，不用太担心。发音语言选视频里的语言，比如你下载的是英文视频，那发音语音就选英文，目标语言就是翻译后的语言。

可翻译的语音有很多，大家看一下：

2. 开始执行翻译

• 选配音：软件可以把翻译的字幕再配音，如果你只需要配字幕就设成"No"，默认Edge-TTS免费，角色可试听。选"clone"就是声音克隆。
• 音画同步：勾"音频加速"或"视频慢速"自动对齐，字幕嵌入建议选硬字幕。
• 背景音：想保留原背景音乐就点"设置更多参数"，勾上"分离人声背景声"和"重新嵌入背景声"。

有英伟达显卡就勾上「启动CUDA加速」，速度提升非常明显，然后点「开始执行」。

3. 中途校对拿成品

处理单个视频时，中间会弹出 3~4 次编辑窗口，让你校对识别出的字幕、翻译后的字幕和配音时长：

• 想改：直接在框里修正错别字，点「保存修改并继续下一步」
• 不想改：什么都不用做，30 秒倒计时结束会自动跳过

4. 多角色配音

碰到访谈、讲座、多人对话这类视频，它能自动区分出不同的说话人，再给每个人分配不同的 AI 配音角色。听起来就像好几位配音演员在配。

总而言之，pyVideoTrans 当然比不上真人配音的影视级效果，但它能让你看懂那条本来听不懂的视频，听懂那个本来听不懂的人。

但对绝大多数普通用户来说，这就已经够用了。而且它免费、开源、本地就能跑，素材也不用上传到别人的服务器。

提取码：HyHy