一句话，翻译任何视频 我把用了半年的视频翻译工具开源了

有人说现在都是AI自动翻译字幕工具了，你这个有啥用

是有很多工具可以在线翻译视频，我也用了很多

但是总觉得翻译的不是很准确或者很好，有时候还有很多错误

另外我有时候会在推特上或者视频号分享很多海外视频，所以顺便就做了这个工具

所以其实它还能用来帮你搬运视频到国内的平台，嘿嘿

这个我用了半年了，调整了很多次了，目前比较成熟了

现在整理干净开源给大家。

装好以后，你只要对它说一句「把这个链接翻译成中文字幕视频」，剩下的它全自动做完：下载、转写、翻译、润色、烧字幕、出文稿，一条龙到底。

转写完全在你自己电脑上跑，不花一分钱 API 费。翻译用的就是你已经装好的 AI，顺手就做了。

而且不只英文，日语、韩语、法语这些外语视频，一样能转成中文字幕。

还有它本质就是几个脚本加一份说明书，Claude code、小龙虾（OpenClaw）、Gemini、Codex 这些 AI 编程工具也都能用，区别只是各家装技能的方式不同。

这玩意儿到底能干嘛

给它一个视频链接（YouTube、Bilibili、抖音都行），或者一个本地视频文件，它会一条龙做完这五步：

下载 → 转写 → 翻译 → 润色 → 烧字幕 ，最后顺带出一份文稿

拆开说就是：

• 把视频下下来（本地文件就直接用）

• 提取音频，用 Whisper 转写成带精确时间戳的原文字幕

• 把原文翻译成中文，再润色成符合中文观看习惯的字幕

• 把字幕烧进画面，输出一个带中文字幕的视频

• 顺便再出一份 Markdown 文稿，方便你存档或者改成文章

源语言不挑： 英语、日语、韩语、法语、西班牙语，只要 Whisper 听得懂的，都能转成中文。它会自己识别原视频是什么语言。中文视频就只做转写出文稿，不绕翻译这一步。

字幕有两种可以选。一种是纯中文，画面干净。另一种是中英双语，中文大、英文小，主次分明，适合想顺便练听力的人。

你全程不用记任何命令。想要什么就用大白话说，比如「这个要双语字幕」「不要水印」「用快速模式」，它都听得懂。

跟现成的翻译工具有啥不一样

市面上字幕工具不少，我自己用下来最在意三件事，这套工具就是冲着这三件事做的。

第一，本地、免费、能离线： 转写用的是OpenAI 的 Whisper 模型，下载即可自动转录文字，苹果芯片的 Mac 上还会自动调 GPU 加速。整个转写过程在你电脑里完成，不上传、不收费。翻译复用你已经订阅的的 AI，不用再单独买一个翻译 API。

第二，时间戳是真的准： 很多工具的字幕会跑在说话人前面，或者半句话挤进下一条，看着难受。这套工具拿到的是 精确到每个词什么时候说出口的时间戳，再按「一句话 + 换气停顿」来切，字幕基本说完正好换条。

第三，字幕是给人看的，不是机翻直出： 它会自动纠正转写听错的专有名词（Claude 经常被听成 cloud，MCP 被听成 NCP），按语义断句，每行不超过十二个字，术语保留英文。双语模式下中文大、英文小，同一条里拉开字号，不是两行一样大堆在一起。

这些都是我自己做了上百条视频踩出来的细节，全写进规则里了。

效果长这样

我们用 a16z 刚发的 前 OpenAI 首席技术官 Mira Murati粉 一条视频测试下。

我让它配了中英双语字幕

她原话里有个比喻：

It's more like a tandem bike where both people are pedaling.

机翻大概会给你「串联自行车」这种读着别扭的词。

我的工具会翻成了：

它更像一辆双人自行车，两个人一起踩着踏板。

接地气、不绕口。专有名词也拎得清，Thinking Machines 这种公司名留英文不硬翻。

你只需要输入：链接+翻译这个视频 即可

它会让你选择配什么样的双语还是只是中文

这里我主要是翻译视频为中文所以我默认就设置了两个选项

实际上它可以翻译成任意语言

除了视频，它还会同时出一份文稿，原文加中文对照

整段读下来是这样：

它更像是去造这样一种系统：不会自己闷头狂奔、把整个文明甩在身后，而更像一辆双人自行车，两个人一起踩着踏板。上坡的时候，也许更有劲的那个人踩得更用力，但两个人的手都在车把上。

翻译效果展示：

日文：

韩文：

阿拉伯语：

法语：

十几分钟的视频也行

甚至是1个半小时以上的视频也轻松应对

它其实是三个技能

打开仓库你会看到三个文件夹，各管一段活，可以单独用，也可以串起来用：

•xiaohu-video-md ：总指挥，负责下载、转写、调翻译、烧字幕、出文稿

•xiaohu-subtitle-polish ：专门管字幕翻译润色，纠错、翻译、断句、对时间轴、做双语

•xiaohu-video-download ：纯下载工具，下视频、下音频、下整个播放列表，也能给本地视频烧字幕

翻译一个视频的时候，是 xiaohu-video-md 在总调度，翻译那一步它自己会去叫 xiaohu-subtitle-polish 。你不用管这些，知道有这么三块就行。

手把手安装

这套工具目前是给 Mac 调的，苹果芯片的机器跑得最顺。

装法有两种，挑一种就行：嫌麻烦，就把下面那段话整段丢给 AI，让它替你全装完；想搞清楚每一步在干嘛、或者怕中途出岔子，就照着后面的手动三步敲。

广告

偷懒版：把这段话丢给 AI

打开你的 AI 工具：Claude Code、Codex、小龙虾（OpenClaw）都行，把下面这段原样复制进去发给它。它会自己判断你是什么系统、装好依赖、拉仓库、跑安装脚本，一条龙搞定，中间该问你的会停下来问：

帮我安装这个视频翻译工具：

https://github.com/xiaohuailabs/xiaohu-video-translate

按下面的顺序来：
1. 先看我的系统：Mac 还是 Windows；Mac 的话是不是苹果芯片（M 系列）
2. 装依赖：yt-dlp、ffmpeg、whisper-cpp（Mac 用 brew install，Windows 走 WSL 或 winget）。
   转写引擎——苹果芯片装 mlx-whisper，其它机器一律装 faster-whisper
3. git clone 这个仓库，进目录跑 bash install.sh，把三个技能装进我的技能目录
4. 装完找到 xiaohu-video-md 技能里的 config.json（Claude Code 在 ~/.claude/skills/ 下），
   问我成品想存在哪个文件夹，帮我把 output_dir 改成完整路径
5. 最后检查依赖都装齐了没，告诉我能不能开始用

遇到问题让它帮你解决即可...

它替你跑的其实就是下面这三步，只是你不用自己敲，你可以跳过...

想自己动手、或者中途卡住想排查，就照着手动版来。

第一步：装几个基础工具

先确认你装了 Homebrew（Mac 上最常用的软件包管理器，没装的去 brew.sh 按提示装一下）。

然后一行命令把三个工具装上：

brew install yt-dlp ffmpeg whisper-cpp

这三个分别是：yt-dlp 负责下视频，ffmpeg 负责音视频处理和烧字幕，whisper-cpp 是「只下载」子技能在本地转写时用的备用命令，主翻译流程不靠它，真正干转写的是下面这步要装的引擎 。

再装一个转写引擎：苹果芯片的 Mac 用这个，会走 GPU 加速，最快： （命令里 --break-system-packages 看着吓人，其实只是绕过新版系统的一个安装限制，不动你系统本身，放心敲。）

pip3 install --break-system-packages mlx-whisper

如果不是苹果芯片，就换成通用版本：

pip3 install --break-system-packages faster-whisper

第二步：把技能装进 Claude

把我的仓库拉下来，跑一下自带的安装脚本：

git clone https://github.com/xiaohuailabs/claude-video-translate.git
cd claude-video-translate
bash install.sh

这个脚本会把三个技能复制到 Claude 的技能目录，自动生成配置文件，还会帮你检查依赖装齐没有。脚本跑到最后会逐项打印 [OK] 或 [缺] ，看到 yt-dlp、ffmpeg、转写引擎都是 [OK] 就说明装齐了，哪个显示 [缺] 就按提示补那一个。

这里路径以 Claude Code 为例（技能在 ~/.claude/skills/ ）；你要是用 Codex、小龙虾，把这个目录换成你那家工具的技能目录就行，其余都一样。

第三步：告诉它把成品放哪

打开 ~/.claude/skills/xiaohu-video-md/config.json 这个文件，把里面的 output_dir 改成你想存放成品的文件夹路径（要写完整路径，比如 /Users/你的用户名/Documents/视频翻译 ）。

中间的临时文件会进 tmp/ ，最终的文稿进 data/ ，烧好的视频默认放在下载文件夹里。

转写模型不用手动下。第一次跑的时候，mlx-whisper 会自己从网上把模型拉下来（一点五个 G 左右），下一次就直接用了。

装完，重启一下你的 AI 工具，就能用了。

Windows 用户看这里

上面是 Mac 的装法。Windows 也能跑，但有几处不一样，别照搬。

最省事的办法是用 WSL，也就是 Windows 自带的 Linux 子系统。装好以后把下面这几样装上，脚本就能原样跑：

class="language-bash">sudo apt install ffmpeg
pip install yt-dlp faster-whisper

如果不想用 WSL，想直接在 Windows 上装，记住三点。

第一，转写引擎用通用版本： 别装那个苹果芯片专用的，脚本检测不到苹果引擎会自动用通用版兜底。

第二，安装脚本得用 Git Bash 跑： 或者干脆手动把三个技能文件夹复制到工具的技能目录，再把每个配置模板复制成正式配置。

第三，字幕字体要换： 默认用的是 Mac 的苹方，Windows 上没有这个字体，中文会显示成方块。把命令里的 PingFang SC 换成系统自带的微软雅黑就行。

直接在系统里装依赖的话，命令是这样：

class="language-powershell">pip install yt-dlp faster-whisper
winget install Gyan.FFmpeg

字体这条 Linux 上也一样，苹方是苹果独有的，得换成系统里的中文字体。

怎么用

装好以后就一句话的事。下面这些话你都可以直接说：

几个坑先跟你说在前面

都是我自己踩过的，提前知道能少走弯路。

YouTube 有时候下不动，报一串 403 之类的错。 这是 YouTube 近一年风控变严了。脚本会自动从你浏览器里读 cookies 重试，一般能过。还不行就挂个代理。

烧出来的字幕是一个个方块。

这是 Mac 字体索引的老问题， 脚本默认已经绕开了，正常装完不会遇到。只有你手动改过字体设置、或换了系统里没有的字体才会冒出来，真碰上就把字体换回 PingFang SC（苹方）。

第一次用抖音，要先登录一次。 跑一下 python3 ~/.claude/skills/xiaohu-video-md/scripts/douyin_login.py ，弹出来的浏览器里扫码登录，登录状态只存在你自己电脑上，不会上传到任何地方。开源仓库里我也把我自己的登录信息全删干净了，你拿到的是空的。

拿去用，随便改

仓库地址在这：

github.com/xiaohuailabs/ xiaohu-video-translate

代码是 MIT 协议，水印、字幕样式、默认字号这些你都可以照自己喜欢改。唯一提醒一句：别把你自己的配置文件和抖音登录信息传到公开仓库上去，仓库里已经默认帮你挡掉了。

这套工具是我日常真在用的，不是写来演示的玩具。觉得好用，点个 star，有问题提 issue，我会接着维护。