YouDub WebUI

一个尽量简单、可本地运行的 YouTube 中文配音工具。

输入一个 YouTube 链接，配置好 YouTube Cookie 和 OpenAI 兼容 API，YouDub WebUI 会自动下载视频、分离人声、识别字幕、逐句翻译、生成中文配音，并合成带中文字幕和中文配音的新视频。

English README: README.en.md

作者的 B 站频道：黑纹白斑马（粉丝 65 万+，视频 2 万+，自称"赛博普罗米修斯"），全站作品均使用 YouDub WebUI 自动翻译配音，覆盖科技、游戏、科普、动物、历史等题材。想看本项目实际跑出来的成品视频，欢迎前往关注。

效果示例

下面是用本项目跑出来的两段真实样例，均可在 GitHub 页面直接播放。Blastoff 长视频展示的是开头 40 秒切片，完整 mp4 文件托管在本仓库的 demo-assets Release 中。

1. Jensen Huang on Nvidia's Competition

原视频链接 · 竖屏 Shorts

原始英文	中文配音版
jensen_huang_source.mp4	jensen_huang_dubbed.mp4

2. How much YT paid me for 129 million shorts views

原视频链接 · 横屏长视频 · 下方为开头 40 秒切片，完整版可在 demo-assets Release 下载

原始英文	中文配音版
blastoff_clip_source.mp4	blastoff_clip_dubbed.mp4

中文版视频均带有自动生成的中文配音和中文字幕，背景音乐与音效保留自原始视频。

为什么做这个项目

现在有很多优秀的视频内容只存在于某一种语言里。YouDub WebUI 希望把「看懂外语视频」这件事变得更简单：不做复杂平台，不做繁重工作流，只保留一个本地可跑、容易理解、方便二次开发的最小系统。

它适合：

• 想把 YouTube 视频转换成中文配音的个人用户。
• 想研究 AI 视频本地化流程的开发者。
• 想基于 Whisper、VoxCPM、OpenAI API、Demucs、FFmpeg 做产品原型的人。
• 想参与开源共建，让跨语言内容传播更容易的人。

功能亮点

• 单页 Web 控制台，输入 URL 即可开始。
• 可以在页面里管理 YouTube Cookie、代理端口和 OpenAI 兼容 API 设置。
• 实时查看任务进度，知道当前跑到下载、识别、翻译、配音还是合成。
• 所有流程串行执行，架构简单，方便调试和改造。
• 运行数据保存在本地 SQLite 和本地文件中。
• 默认使用 ModelScope 下载模型，更适合国内网络环境。
• Demucs 使用源码子模块，避免发布版缺少 demucs.api 的问题。

工作流程

YouTube URL
  -> yt-dlp 下载
  -> Demucs 分离人声和背景音
  -> Whisper 识别语音（含词级时间戳）
  -> spaCy 重新分句并对齐时间戳
  -> OpenAI 兼容 API 逐句翻译
  -> VoxCPM2 生成中文配音
  -> FFmpeg 合成最终视频

快速开始

1. 准备环境

建议准备：

• Python 3.12
• Node.js 20+
• FFmpeg / ffprobe
• CUDA GPU
• 可用的 YouTube 代理
• Netscape 格式 YouTube Cookie
• OpenAI 兼容 API 的 base URL、API key 和 model

2. 克隆项目

git clone https://github.com/liuzhao1225/YouDub-webui.git
cd YouDub-webui
git submodule update --init --recursive

3. 安装依赖

Python 依赖：

python3.12 -m venv .venv
.venv/bin/pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt

前端依赖：

npm --prefix apps/web install --registry=https://registry.npmmirror.com

下载 spaCy 英文模型（用于 ASR 重新分句）：

.venv/bin/python -m spacy download en_core_web_sm

如果 Aliyun 某个 Python 包暂时不可用，再单独对那个包使用 Tsinghua 源重试。不要把 Tsinghua 配成全局 fallback。

4. 配置环境

cp env.txt.example .env

常用配置：

DEVICE=cuda
WORKFOLDER=./workfolder
MODEL_CACHE_DIR=./data/modelscope
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=
OPENAI_MODEL=gpt-4o-mini
YTDLP_PROXY_PORT=

.env 用于应用运行。不要提交任何密钥、Cookie 或下载产物。

5. 启动

启动后端：

.venv/bin/uvicorn backend.app.main:app --reload --host 0.0.0.0 --port 8000

启动前端：

npm --prefix apps/web run dev -- --hostname 0.0.0.0 --port 3000

打开：

http://localhost:3000

页面里需要配置什么

打开页面后，进入 Settings：

1. 粘贴 Netscape 格式 YouTube Cookie。
2. 填写 yt-dlp 代理端口，例如 20171。
3. 填写 OpenAI base URL 和 API key。
4. 点击 Get models 获取可选模型，或手动输入模型名。
5. 保存后回到首页，输入 YouTube URL，开始转换。

API key 和 Cookie 会在页面中脱敏显示，后端不会把 Cookie 明文返回给前端。

如何导出 YouTube Cookie

推荐使用 Chrome 扩展 Get cookies.txt LOCALLY（开源，cookie 不出本机）：

1. 在 Chrome 安装扩展并保持启用。
2. 登录 https://www.youtube.com。
3. 在 youtube.com 页面点扩展图标，选择 Export → Netscape，得到 cookies.txt。
4. 把文件内容整段粘贴到 Settings 的 Cookie 输入框。

任务详情页底部提供 Danger zone，确认后会调用 DELETE /api/tasks/{id}，同时清理 SQLite 记录、运行日志以及 workfolder/ 下整段会话目录。运行中的任务无法删除。

技术栈

• Frontend: Next.js App Router, shadcn/ui, Lucide icons
• Backend: FastAPI, SQLite
• Download: yt-dlp
• Source separation: Demucs
• ASR: openai-whisper（默认 large-v3-turbo）+ spaCy 句子重分割
• Translation: OpenAI-compatible Chat Completions API
• TTS: VoxCPM2
• Media: FFmpeg

项目状态

这是一个 MVP。当前重点是把最短链路跑通，并保持架构足够简单，方便大家阅读、运行和改造。

欢迎共建：

• 改进安装体验。
• 适配更多 TTS / ASR / 翻译模型。
• 优化字幕样式和横竖屏视频布局。
• 提升下载稳定性。
• 增加任务管理和结果管理。
• 补充不同平台的部署指南。

如果这个项目对你有帮助，欢迎 Star、Fork、提交 Issue 或 PR。也欢迎把它分享给对 AI 视频本地化、开源工具和跨语言内容传播感兴趣的人。

Star History