2. Linux.do
  3. 【开源】Rust 字幕工具： SubForge，从转录、翻译到烧字幕一条命令完成【win 和 Linux 已验证】

【开源】Rust 字幕工具： SubForge，从转录、翻译到烧字幕一条命令完成【win 和 Linux 已验证】

nightraider 2026-05-31 17:41 1

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：



  • 我的帖子已经打上 开源推广 标签： 是

  • 我的开源项目完整开源，无未开源部分： 是

  • 我的开源项目已链接认可 LINUX DO 社区： 是

  • 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是

  • 以上选择我承诺是永久有效的，接受社区和佬友监督： 是


以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出



前言


最近在看外国课程，但奈何本人英语水平有限，机翻的字幕又简直灾难，于是参考各种方法做了一个还不错的工具，安装使用都很清晰（详见README.md），欢迎各位佬友品鉴


效果图：






正文


流程：


视频 / 音频

→ 语音转录

→ 智能分段

→ 字幕翻译

→ 质量评估

→ 硬烧字幕 / 软封装字幕


核心特点




  • Rust CLI，跨平台（Linux和Windows已验证），支持Linux/macOS/Windows




  • 本地 faster-whisper 转录，支持 GPU




  • SaT 分段，尽量改善字幕断句




  • 支持 Google / Bing / LLM 翻译




  • 支持术语、翻译记忆、质量评估和低分重翻




  • FFmpeg 硬烧字幕，也可软封




常用的命令只有一条


subforge process video.mp4


只想生成字幕，不烧录可以


subforge translate video.mp4


项目地址：


最新回复 (19)
  • Frankorz 05-31 17:50
    2楼

    佬友牛逼！晚会试试看！不知道要不要下模型

  • nightraider 楼主 05-31 18:03
    4楼

    asr模型的话，如果没有，他会有提示，自动就可以下的

  • xiaoyutx 05-31 18:18
    5楼

    佬，这工具吃配置么？需要啥样的显卡才能跑起来。

  • nightraider 楼主 05-31 18:20
    6楼

    得看模型选什么，英语我一般用small.en，这个一般笔记本（我的是5060）都能跑，而且占用比较低

  • Tairitsu 05-31 18:23
    7楼

    本地 faster-whisper 转录，支持 GPU



    之前单独用whisper的时候感觉识别还是很怪，而且没法识别几种语言混在一起的

    以及比如说如果发给gemini的话能自动根据上下文纠正一些词，但是这种传统小模型就没办法了

    但是gemini现在又整的很一般，长音频基本都会漏句，不知道什么时候能回到2.5水平

  • nightraider 楼主 05-31 18:28
    8楼

    嗯呢，目前用的顺手的依然是很久都不更新的whisper，可能也没人关注这方面了吧，佬友们有好的模型可以推荐推荐

  • 獭栖八雫 05-31 18:36
    9楼

    很好的工具，模型方面佬可以看看Fun-ASR-Nano

  • kkmomi 05-31 18:52
    10楼

    可以不在本地跑，直接用STT的api吗

  • nightraider 楼主 05-31 19:06
    11楼

    可以的，OpenAI-compatible就可以


  • 猎奇分子 05-31 19:14
    12楼

    有个朋友让我帮他问问可以自动生成那种视频的字幕吗

  • tyzones 05-31 19:36
    13楼

    这个纯CPU可以跑起来么？正好想给旧机加点活

  • nightraider 楼主 05-31 19:38
    14楼

    是可以跑的， 只是会慢一点， 佬

  • crystalwayne 05-31 19:41
    15楼

    可以，挺好用的，主要是我目前很懒，还在走沉浸式的懒人路线，看个技术类的视频，有些单词太偏门了不是很好理解，非技术类的还是可以直接生啃不需要字幕翻译的

  • Re2025 06-01 10:08
    16楼

    最近刚好想vide一个类似的，刚好省去了再造轮子！

  • relienidema 06-01 11:25
    17楼

    让你朋友谢我。


    `前缀ghub/meizhong986/WhisperJA*（*为键盘B左边的字母）` （为啥要审核，改了好几版了）


    我朋友亲测好用。

  • fx318 06-01 13:08
    18楼

    厉害厉害，佬友真是太强了，支持一下

  • Meta 06-01 14:01
    19楼

    没啥别的意思，就是问问，有测过在不正经ASMR里好用吗

  • nightraider 楼主 06-01 14:54
    20楼

    原理上来说， 应该没有不能用的地方 ^-^

  • Meta 06-01 14:55
    21楼

    我目前在用Qwen3-ASR-0.6B的原模型进行测试，发现类似NHK的播报很准，但是类似ASMR或者歌曲的女声经常被忽略，直接让Qwen3-ASR自己的VAD工作可以正常捕获，但是生成质量一般(主要是断句太极端了，导致语义变了) ^-^

    然后我刚又看了一下这个项目，发现我不太适合接入我的玩具里，我在做一个实时字幕的玩具，如果用了它的方案还要加点延迟，我感觉接受不了 ^-^不过不是实时的话应该不错

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐