AI-Subtitle-Studio

基于 PySide6 的桌面字幕工具，面向本地批量转写、字幕翻译和 Windows 打包分发。

核心能力

• 拖拽导入文件或文件夹，支持批量任务
• 可递归扫描目录中的媒体文件
• 支持直接导入并翻译字幕文件：.srt、.vtt、.txt
• 转写后端支持：
  • Mistral
  • Whisper (OpenAI 兼容接口)，可对接第三方服务
• 可选本地 Silero VAD 预切分，减少长音频请求压力
• 可配置语言模式、时间戳粒度、上下文提示词、线程数
• 翻译模式支持：
  • 不翻译
  • Mistral API
  • OpenAI 兼容 Chat API
• 输出格式支持：
  • .srt
  • .lrc
  • .txt
  • .json
• 支持双语 SRT、保留原文 SRT、自定义输出目录、批量停止/取消

项目结构

main.py                    桌面应用入口
subtitle_studio/           核心业务与界面代码
scripts/build_exe.py       Windows 打包脚本
tests/                     自动化测试
assets/                    图标与本地模型资源

环境要求

• Python 3.10+
• Windows（用于构建 EXE）
• 打包版会自动附带 ffmpeg；源码运行如果要处理视频或启用 VAD，仍可通过 FFMPEG_BINARY 或系统 PATH 提供 ffmpeg
• 至少一种可用的 API 凭证：
  • MISTRAL_API_KEY
  • OPENAI_API_KEY

安装

python -m venv .venv
.venv\Scripts\Activate.ps1
pip install -r requirements.txt

启动

python main.py

应用会在当前工作目录生成设置文件 .ai_subtitle_studio_settings.json，用于保存界面配置和默认参数。

转写后端说明

Mistral

• 使用 mistralai SDK
• 支持 diarize
• 启用时间戳粒度时，Mistral 侧可能忽略显式语言设置

Whisper（OpenAI 兼容）

• 使用兼容 audio/transcriptions 的接口
• 需要配置 base_url、api_key、model
• context_bias 会映射为请求里的 prompt
• 如果服务端不支持 timestamp_granularities，程序会自动降级重试
• diarize 不适用于该后端

Silero VAD

• 默认关闭
• 启用后先将音频标准化为 16kHz / 单声道 / wav
• 使用仓库内打包的本地 ONNX 模型，不依赖运行时下载
• 默认参数：
  • min_speech_ms = 250
  • min_silence_ms = 400
  • speech_pad_ms = 200
  • max_segment_seconds = 900

环境变量

变量名	用途
MISTRAL_API_KEY	Mistral 转写或翻译认证
OPENAI_API_KEY	Whisper/OpenAI 兼容接口认证
FFMPEG_BINARY	自定义 ffmpeg 可执行文件路径

打包 EXE

python ./scripts/build_exe.py

也可以在资源管理器中直接双击 scripts/build_exe.py。脚本在双击启动时会在构建完成后自动打开产物位置，并保留窗口直到手动关闭。

构建脚本会：

1. 在虚拟环境中安装项目依赖与 PyInstaller
2. 下载并临时准备 ffmpeg.exe 与 ffprobe.exe
3. 使用 ai_subtitle_studio.spec 打包 main.py
4. 输出 dist/AI-Subtitle-Studio.exe

如果你是在终端中执行且不想要结束时的暂停或自动打开产物目录，可以使用：

python ./scripts/build_exe.py --no-pause --no-open-dist

测试

pytest

说明

• 默认输出目录为当前目录下的 subtitles/
• 设置页不再提供 ffmpeg 路径选择；打包版会自动使用附带的 ffmpeg.exe
• 源码运行时，如果当前目录下没有打包资源，程序仍会回退到环境变量或系统 PATH 中的 ffmpeg
• 项目当前主要面向 Windows 桌面使用场景