手上攒了一堆说外语的小视频看不懂怎么办？这篇文章将探讨一下翻译纯口语（无字幕）的外语视频的翻译工具链。
方案探讨
（仅对实操感兴趣可跳过本章）
我们讨论的是没有字幕的外语视频，就是视频里的人巴巴巴直接说外语的那种。这种可以用 Open AI 的 Whisper 来做翻译。这个 AI 工具无需调用云服务，在本地就可以运行。如果你的显存过小，Whisper 还提供小尺寸的模型可供你用。实测下来识别非常准确，哪怕混有背景音乐、音效声，也能保证识别准确。
考虑到 Whisper 需要输入音频文件，因此，我们需要将视频中的音轨提取出来。这里我们可以用到 ffmpeg，这是一款开源的多媒体编辑框架。它可以很轻松地将视频中的音轨提取出来。
之后，Whisper 会将视频翻译成片段，这些片段包含时间戳信息（你可以简单地理解为某种字幕文件）。我们需要将片段中的外文提取出来，再使用 LLM（某种 AI，类似前段时间很火的 ChatGPT）将它们翻译。此步骤务必保证原文与译文一一对应，只有这样，才能在翻译后将译文精准地替换原文，从而与音频时间戳对准。
至此，我们得到了一段翻译过的片段信息（原文被替换为译文），将这个片段转为 SRT 格式的文件（一种字幕格式文件）。将 SRT 文件再次传给 ffmpeg，让它将其烧录到原视频上，如此一来，一个配上翻译字幕的视频便制作完成了。
好了，看起来这一长串步骤，每一步都能在市面上找到方案，但是串起来似乎需要程序来操作呢？这里是不是要写一些代码呢？这里，用我准备好的开源库 videos-translater 就行了。
准备运行环境
使用 oomol 来确保 videos-translater 的运行环境。oomol 使用容器技术，可以在设备中虚拟出一个 Linux 环境，这样可确保 videos-translater 中的所有依赖项能顺利安装，代码能在一致的环境中运行。
oomol 可以在官网下载，打开社区商店页面，输入名字并打开 videos-translater 的页面。
点击右上角的“Open by OOMOL Stduio” 下载并打开。第一次打开时，oomol 会在容器中下载并安装 books-translater 的各种依赖项（如下图），需要耐心等待它安装完毕。
oomol 正在安装项目所需的依赖项
配置翻译选项
等待初始化完成，我们在 Video path 区块配置要翻译的外语视频文件地址（左下箭头）。然后点击 Video preview 区块的播放按钮……
可以预览我们设置的这个视频内容。
然后找到 Whisper model 区块，设置 dir_path 字段为一个准备好的文件夹。这个文件夹用来下载 Whisper 的模型文件。你也可以不设置这个字段，这样一来每次运行 Whisper 都要下载一次模型（很浪费时间，建议还是配置一下）。
然后，找到 Translate text list 区块。将 source 设置成视频的语言，将 target 设为目标语言（一般是中文吧）。
最后，找到 Media Merge 区块。将 formate 设置为你希望的最终烧录上字幕的视频格式（一般选 MP4 好了）。将 file_name 设置为文件名，save_address 设置为存储文件的文件夹地址。
运行
单击右上角的播放键，就可以运行了。
运行过程就是按照 books-translater 安排的流程，先拆音频，再用 Whisper 提取文字，再用大语言模型翻译，最后烧录成视频文件（效果如下）。
使用自定义 AI 翻译
如上所述的过程中，会使用 oomol 默认的 AI。这个 AI 虽然是免费的，但每日有上限。如果你希望使用自己买的 AI 来翻书，可以在 Translate texts list 区块中做如下配置。
首先，将 llm_api 字段的值由 OOMOL 改成你的 AI 的 API 类型。目前该项目支持 OpenAI、Claude、Gemini 三种。
然后，在 model 字段中填入你的模型。在 url 中填入你的 AI 的 URL（如果你刚好使用 OpenAI 或 Claude 的官方 AI，可不填）。
最后，为 api_key 配置你的 AI 密钥。oomol 是不允许直接将密钥填入字段的， 需要进入密码中心先添加。密码中心的入口如下图所示。
