NAS部署VideoCaptioner：基于大语言模型的智能字幕识别与翻译工具

VideoCaptioner：

一款基于大语言模型（LLM）的视频字幕处理助手，支持 API 和本地离线两种方式进行语音识别，利用大语言模型进行字幕智能断句、校正、翻译，字幕视频全流程一键处理。

TIP：电脑版功能更多更全， Docker 版功能比较少

安装

Docker Compose

services:
  video-captioner:
    image: ywsj/video-captioner:latest
    container_name: video-captioner
    ports:
      - 8501:8501
    volumes:
      - ./temp:/app/temp
    restart: always

 参数说明（更多参数建议去看文档）

OPENAI_BASE_URL（环境变量，可选）：OpenAI 的基础 URL
OPENAI_API_KEY（环境变量，可选）：OpenAI API 的密钥

使用

浏览器中输入 http://NAS的IP:8501 就能看到界面

TIP：这里我切换了深色模式，截图比较明显

首先点击上传视频，注意大小不能超过 200MB

视频上传成功后，就可以点击“开始识别”

TIP：因为消耗资源实在是太低了，以致于我都不敢相信是本地处理的

因为视频时长比较短，几秒钟就识别出字幕了

滑动到下面，点击下载字幕文件

TIP：识别出来的字幕效果

切换到“字幕翻译”，上传前面下载的字幕

选择需要翻译的语言（简体中文太简单了，我试试粤语），点击“开始翻译”

基本上秒翻译完，看了一下效果很地道

没有问题，点击下载字幕

TIP：翻译后就是双字幕了

总结

VideoCaptioner 本身是个不错的项目，但只限于电脑版。至于 Docker 版的体验就比较一般了，功能太少了，而且没什么人维护。不过，对于有小视频需要翻译的用户，还是可以部署 Docker 版试试，本地翻译消耗资源也不多，速度也很快。

综合推荐：⭐⭐⭐（小体积视频，可以快速翻译）

使用体验：⭐⭐⭐（功能比较少，期待后面完善）

部署难易：⭐⭐（简单）︎

︎