V
0
原站网页截图，页面可能随时间更新。
- 作者：artificialguybr
- 分类：AI 视频
- 名称：VIDEO TRANSLATION TRANSCRIPTION
- 来源：Hugging Face Spaces
VIDEO TRANSLATION TRANSCRIPTION 适合把短视频中的语音整理为文字、翻译成其他语言并制作字幕。使用时上传视频，选择目标语言，再查看转写文本或下载SRT文件；应用也提供输出视频区域，用于承载处理后的结果。
公开功能
应用支持上传视频，处理时长上限为15分钟。系统会进行自动语言检测，并使用 WhisperX large-v3-turbo 完成视频语音转写，结果包含词级时间戳，便于将文字与视频中的具体语音位置对应起来。
除转写外，应用提供目标语言选择和翻译处理，并支持并行翻译。完成后可以查看转写文本，或下载SRT格式字幕文件；界面还设有输出视频区域。
适用任务
它适合处理时长较短、需要快速整理语音内容的视频，例如将视频内容转成可检索的文字稿、制作字幕文件，或把原视频中的讲话翻译为指定目标语言。词级时间戳对定位原话、校对字幕和查找片段尤其有帮助。
如果任务涉及不同说话人的区分，可以考虑启用说话人区分功能。该功能需要设置 HF_TOKEN secret，因此是否能够使用取决于相应配置。
使用思路
先确认视频长度不超过15分钟，再上传视频并选择目标语言。若主要需求是阅读或整理内容，可优先查看转写文本；若需要在播放器或剪辑软件中继续使用字幕，则下载SRT文件。
对于需要区分发言者的访谈、讨论或多人对话，可在具备相应配置的条件下启用说话人区分。翻译结果适合先作为字幕或理解内容的基础，涉及正式发布时，建议结合原视频语境检查专有词和上下文。
常见问题
支持多长的视频？
单个上传视频的时长上限为15分钟。
可以下载字幕文件吗？
可以，应用提供SRT字幕文件下载。
能否区分不同说话人？
应用提供可选的说话人区分功能，但需要设置 HF_TOKEN secret 后才能使用。