Trải nghiệm khi dùng pyVideoTrans
Trên Windows, bạn tải file nén từ trang Releases, giải nén ra thư mục không có dấu hay khoảng trắng rồi bấm đúp sp.exe. Giao diện mở ra cho bạn chọn video, ngôn ngữ nguồn và đích, kênh nhận dạng, kênh dịch và giọng đọc. Bạn bấm chạy và nhận về video đã có phụ đề hoặc lồng tiếng.
Điểm đáng giá là bạn có thể tạm dừng ở từng giai đoạn: sửa chữ sau khi nhận dạng, sửa bản dịch, nghe thử giọng lồng rồi mới ghép. Nhờ đó bạn kiểm soát chất lượng thay vì phó mặc cho AI. Với video có nhiều người nói, công cụ hỗ trợ nhận biết người nói để gán giọng khác nhau.
Phần khó nhất là chọn và cấu hình kênh dịch hoặc giọng đọc. Có kênh miễn phí như Edge-TTS cho giọng đọc, và nhiều kênh trả phí qua khoá API như DeepSeek, ChatGPT hay Azure. Muốn chạy hoàn toàn trong máy thì dùng mô hình nhận dạng cục bộ (Faster-Whisper) và dịch qua Ollama.
Tính năng nổi bật
Dịch video một lần chạy
Nhận dạng giọng nói, dịch phụ đề, lồng tiếng và ghép video trong cùng một quy trình.
Dừng và sửa tay từng bước
Cho phép tạm dừng sau nhận dạng, dịch và lồng tiếng để chỉnh lại cho đúng ý.
Lồng tiếng nhiều nhân vật
Nhận biết người nói và gán giọng đọc khác nhau cho từng người.
Nhân bản giọng
Tích hợp các mô hình như F5-TTS, CosyVoice, GPT-SoVITS để đọc bằng giọng mẫu.
Tạo phụ đề hàng loạt
Chuyển nhiều file âm thanh hoặc video thành SRT; có dòng lệnh và WebUI để chạy tự động hoặc trong mạng nội bộ.
Nhiều kênh dịch vụ
Hỗ trợ Faster-Whisper cục bộ, dịch bằng DeepSeek, ChatGPT, Claude, Gemini hoặc Ollama, giọng đọc Edge-TTS miễn phí hay dịch vụ trả phí.
Tận dụng pyVideoTrans vào việc gì?
Sinh viên, người tự học
Dịch video học tập sang tiếng Việt
Tạo phụ đề tiếng Việt từ bài giảng tiếng Anh để theo dõi dễ hơn, chú ý quyền sử dụng video gốc.
Chủ shop, người làm marketing
Đổi ngôn ngữ cho video giới thiệu sản phẩm
Lồng tiếng video của mình sang ngôn ngữ khác để bán hàng cho khách nước ngoài.
Người làm YouTube, TikTok
Làm phụ đề hàng loạt
Cho cả thư mục video đi qua nhận dạng giọng nói để có SRT nhanh.
Đội kỹ thuật
Chạy dịch vụ phụ đề trong công ty
Chạy bản WebUI hoặc Docker để nhiều người trong mạng nội bộ cùng dùng.
Cần chuẩn bị gì?
- Windows 10/11 để dùng bản đóng gói sẵn; macOS và Linux chạy từ mã nguồn.
- Muốn tăng tốc bằng NVIDIA GPU: cài CUDA 12.8 và cuDNN 9.11 (theo README).
- Mã nguồn cần Python 3.10 (khuyến nghị) và FFmpeg trong biến môi trường.
- Khoá API cho các kênh dịch hoặc giọng đọc trả phí nếu bạn chọn dùng.
Hướng dẫn cài đặt chi tiết
Cài trên Windows (bản đóng gói)
Mở trang Releases của dự án và tải bản đóng gói mới nhất.
https://github.com/jianchang512/pyvideotrans/releasesGiải nén ra thư mục không có dấu và khoảng trắng, ví dụ D:\pyVideoTrans. Đừng chạy trực tiếp trong file nén.
Bấm đúp sp.exe trong thư mục vừa giải nén để mở ứng dụng.
Nếu dùng card NVIDIA, cài CUDA 12.8 và cuDNN 9.11 để bật tăng tốc GPU.
Cài trên Mã nguồn (macOS, Linux)
Cài FFmpeg. Trên Ubuntu hoặc Debian dùng lệnh dưới; macOS xem hướng dẫn Homebrew trong README.
sudo apt-get install ffmpeg libsndfile1-devCài uv rồi clone mã nguồn và đồng bộ thư viện.
curl -LsSf https://astral.sh/uv/install.sh | sh git clone https://github.com/jianchang512/pyvideotrans.git cd pyvideotrans uv syncChạy giao diện đồ hoạ.
uv run sp.py
Cài trên Docker (WebUI)
Clone repo, build image rồi chạy container mở cổng 7860 theo README, sau đó truy cập qua trình duyệt.
git clone https://github.com/jianchang512/pyvideotrans.git cd pyvideotrans docker build -t pyvideotrans-webui . docker run -d -p 7860:7860 --name pyvideotrans pyvideotrans-webuiMở trình duyệt vào địa chỉ dưới trên cùng máy.
http://localhost:7860
Dùng thử lần đầu
Mở pyVideoTrans (bấm đúp sp.exe trên Windows, hoặc uv run sp.py ở bản mã nguồn). Chọn một video ngắn khoảng một đến hai phút.
Chọn ngôn ngữ gốc và ngôn ngữ đích. Với nhận dạng giọng nói, chọn Faster-Whisper chạy cục bộ; với giọng đọc, chọn Edge-TTS miễn phí.
Với kênh dịch, thử một kênh miễn phí hoặc nhập khoá API của dịch vụ bạn đã có (ví dụ YOUR_API_KEY của DeepSeek hay OpenAI) vào phần cài đặt.
Bật chế độ dừng ở từng bước nếu giao diện có, để kiểm tra chữ nhận dạng và bản dịch trước khi lồng tiếng, rồi chạy tiếp.
Chỉ muốn tạo phụ đề thì chạy chế độ chuyển giọng thành chữ; dùng dòng lệnh để tự động hoá.
uv run cli.py --task stt --name "./audio.wav" --model_name large-v3
Mẹo dùng hay
- Giải nén bản Windows vào thư mục có đường dẫn ngắn, không có tiếng Việt có dấu hay khoảng trắng, để tránh lỗi đường dẫn.
- Giọng Edge-TTS miễn phí đủ cho phần lớn video; chỉ nâng cấp lên dịch vụ trả phí hoặc nhân bản giọng khi thật sự cần.
- Dùng Ollama làm kênh dịch nếu bạn muốn mọi bước chạy trong máy, chấp nhận chất lượng dịch phụ thuộc mô hình chọn.
Lưu ý và hạn chế
- Dịch và lồng tiếng lại video của người khác có thể vi phạm bản quyền hoặc điều khoản nền tảng. Chỉ làm với nội dung của bạn hoặc khi được phép.
- Nhân bản giọng người thật cần có sự đồng ý của họ; không dùng để giả danh hay đánh lừa người xem.
- Chất lượng phụ thuộc rất nhiều vào kênh bạn chọn; dịch máy và giọng AI có thể sai sắc thái nên cần rà lại. Giấy phép GPL-3.0, nếu bạn phân phối lại sản phẩm phái sinh cần tuân thủ điều khoản.
Câu hỏi thường gặp
pyVideoTrans có miễn phí không?
Phần mềm miễn phí theo giấy phép GPL-3.0. Một số kênh dịch hoặc giọng đọc là dịch vụ trả phí với khoá API riêng của bạn, còn Edge-TTS và nhận dạng cục bộ không tốn phí.
Có dịch sang tiếng Việt được không?
README nói nhiều kênh dịch và giọng đọc, nhưng không có bảng ngôn ngữ chi tiết ở phần này. Hãy chọn kênh có hỗ trợ tiếng Việt và thử trên video ngắn trước.
Máy không có card đồ hoạ có chạy được không?
Được. Chỉ chậm hơn khi nhận dạng giọng nói. GPU tăng tốc chỉ hỗ trợ card NVIDIA trong bản Windows đóng gói.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/jianchang512/pyvideotrans.gitRepo tương tự nên xem
Buzz
chidiwilliams / buzz
Ứng dụng máy tính gỡ băng và dịch âm thanh offline bằng Whisper, xuất phụ đề SRT.
faster-whisper
SYSTRAN / faster-whisper
Thư viện chạy Whisper nhanh hơn và tốn ít bộ nhớ hơn để chuyển giọng nói thành chữ.
Ultimate Vocal Remover (UVR)
Anjok07 / ultimatevocalremovergui
Phần mềm có giao diện tách giọng hát khỏi nhạc nền bằng AI, chạy ngay trên máy tính của bạn.