Trải nghiệm khi dùng VideoCaptioner (Kaka Subtitle Assistant)
Bạn cài bằng pip hoặc tải bộ cài cho Windows, mở giao diện máy tính, thả video vào và chọn công cụ nhận dạng giọng. README nói các chức năng miễn phí như nhận dạng giọng Bijian và dịch bằng Bing hay Google dùng được ngay không cần cấu hình gì.
Sau vài phút bạn có file phụ đề với mốc thời gian theo từng chữ. Nếu cấu hình thêm khoá API của một mô hình ngôn ngữ lớn tương thích OpenAI, công cụ sẽ ngắt câu theo ngữ nghĩa, sửa lỗi nhận dạng và dịch có ngữ cảnh để phụ đề đọc tự nhiên hơn bản dịch máy thô.
Bước cuối là ghép phụ đề vào video, dạng phụ đề rời hoặc ghi cứng lên hình. Nếu thích gõ lệnh, một lệnh process chạy cả quy trình từ nhận dạng, tối ưu, dịch đến ghép; chủ yếu để xử lý hàng loạt hoặc cho lập trình viên.
Tính năng nổi bật
Quy trình phụ đề trọn gói
Từ âm thanh đến chữ, ngắt câu, chỉnh sửa, dịch và ghép vào video đều nằm trong một công cụ.
Nhiều lựa chọn nhận dạng giọng
Hỗ trợ faster-whisper, whisper-cpp, Whisper API và hai công cụ miễn phí là bijian và jianying.
Dịch bằng dịch vụ miễn phí hoặc AI
Chọn dịch Bing, Google miễn phí, hoặc dịch bằng mô hình ngôn ngữ lớn có tính đến ngữ cảnh.
Giao diện máy tính và dòng lệnh
Dùng cửa sổ phần mềm cho tiện, hoặc dùng lệnh videocaptioner để tự động hoá.
Tải video trực tuyến và lồng tiếng
README liệt kê lệnh download cho video YouTube, Bilibili và lệnh dub để tạo giọng đọc từ phụ đề.
Tận dụng VideoCaptioner (Kaka Subtitle Assistant) vào việc gì?
Người làm video, YouTuber
Thêm phụ đề cho video YouTube, TikTok của mình
Chuyển lời thoại video của bạn thành phụ đề có mốc thời gian, chỉnh nhanh rồi ghi vào video hoặc xuất file để dùng ở trình dựng khác.
Sinh viên, người học ngoại ngữ
Dịch bài giảng, video nước ngoài để tự học
Nhận dạng và dịch phụ đề video bài giảng bạn có quyền sử dụng để theo dõi dễ hơn.
Dân văn phòng, bộ phận đào tạo
Làm phụ đề cho video họp, đào tạo nội bộ
Biến video tập huấn thành bản chữ có thể tra cứu và gắn phụ đề cho nhân viên xem ở nơi không bật tiếng.
Lập trình viên, đội sản xuất nội dung
Xử lý hàng loạt bằng dòng lệnh
Dùng lệnh process trong script để tự chạy hàng chục video theo cùng một cấu hình.
Cần chuẩn bị gì?
- Windows (có bộ cài trong Releases), macOS (có script cài) hoặc máy có Python để cài bằng pip.
- Kết nối Internet cho các tính năng miễn phí như Bijian và dịch Bing/Google, và cho việc gọi API mô hình ngôn ngữ nếu dùng.
- Khoá API của dịch vụ tương thích OpenAI nếu muốn tối ưu và dịch bằng mô hình ngôn ngữ lớn (chi phí tính theo nhà cung cấp).
- Nếu chạy nhận dạng giọng bằng Whisper trên máy thì cần cấu hình mạnh hơn; README không nêu yêu cầu cụ thể.
Hướng dẫn cài đặt chi tiết
Cài trên Windows
Cách dễ nhất cho người không quen lệnh: mở trang Releases của dự án và tải bộ cài cho Windows, rồi cài như phần mềm thường.
https://github.com/WEIFENG2333/VideoCaptioner/releasesHoặc nếu bạn đã có Python, cài bằng pip trong PowerShell. Lệnh này cài cả công cụ dòng lệnh lẫn giao diện máy tính.
pip install videocaptionerMở giao diện bằng lệnh dưới.
videocaptioner-gui
Cài trên macOS
README cung cấp script cài một lệnh cho macOS. Hãy đọc nội dung script trước khi chạy nếu bạn muốn chắc chắn.
curl -fsSL https://raw.githubusercontent.com/WEIFENG2333/VideoCaptioner/master/scripts/run.sh | bashHoặc cài bằng pip rồi mở giao diện.
pip install videocaptioner videocaptioner-gui
Cài trên pip (mọi hệ điều hành)
Nên tạo môi trường ảo riêng rồi cài gói.
python -m venv .venv # Windows: .venv\Scripts\activate | macOS/Linux: source .venv/bin/activate pip install videocaptionerMở giao diện máy tính, hoặc dùng lệnh videocaptioner trực tiếp ở Terminal.
videocaptioner gui
Dùng thử lần đầu
Chọn một video ngắn bạn có quyền sử dụng để thử trước khi xử lý video dài.
Nhận dạng giọng nói bằng công cụ miễn phí theo ví dụ của README.
videocaptioner transcribe video.mp4 --asr bijianDịch phụ đề bằng dịch vụ miễn phí. Mã vi trong lệnh là tiếng Việt, đổi sang mã khác nếu muốn dịch sang ngôn ngữ khác.
videocaptioner subtitle input.srt --translator bing --target-language viGhép phụ đề vào video.
videocaptioner synthesize video.mp4 -s subtitle.srtKhi muốn chất lượng tốt hơn, điền khoá API và địa chỉ của dịch vụ mô hình ngôn ngữ trong phần cài đặt của phần mềm, hoặc cấu hình bằng các lệnh config trong README.
Mẹo dùng hay
- Chạy videocaptioner config show để xem cấu hình hiện tại; thứ tự ưu tiên là tham số dòng lệnh, biến môi trường, file cấu hình rồi giá trị mặc định.
- Phụ đề cho video tiếng Việt: hãy xuất thử một đoạn ngắn và đọc lại trước, vì chất lượng nhận dạng tiếng Việt phụ thuộc công cụ bạn chọn.
- Xem tài liệu chính thức của dự án để cấu hình dịch vụ mô hình ngôn ngữ cho bước tối ưu và dịch.
Lưu ý và hạn chế
- README và tài liệu chủ yếu bằng tiếng Trung; giao diện có thể không có tiếng Việt, nên bạn có thể cần dịch trang tài liệu.
- Các công cụ miễn phí như Bijian hay dịch Bing/Google cần Internet nên âm thanh hoặc văn bản có thể được gửi tới dịch vụ bên ngoài. Đừng dùng cho nội dung nhạy cảm hay bí mật.
- Chỉ nhận dạng, dịch và tải video mà bạn có quyền: tôn trọng bản quyền và điều khoản của nền tảng (YouTube, Bilibili...) khi dùng chức năng tải video hay tái đăng nội dung của người khác. Dự án dùng giấy phép GPL-3.0 nên nếu bạn phân phối lại phần mềm cần tuân thủ điều kiện này.
Câu hỏi thường gặp
VideoCaptioner có miễn phí không?
Phần mềm miễn phí và mã nguồn mở theo GPL-3.0. Các tính năng như nhận dạng Bijian và dịch Bing/Google dùng miễn phí. Nếu dùng mô hình ngôn ngữ lớn để chỉnh sửa và dịch, bạn trả phí API cho nhà cung cấp đó.
Có làm phụ đề tiếng Việt được không?
Có thể chọn tiếng Việt làm ngôn ngữ đích khi dịch. Chất lượng nhận dạng tiếng Việt và cách chọn công cụ cụ thể README không nêu rõ, nên hãy thử trên một đoạn ngắn trước.
Có chạy offline được không?
README liệt kê faster-whisper và whisper-cpp là các lựa chọn nhận dạng giọng, thường chạy được trên máy. Tuy vậy phần dịch miễn phí, Bijian và gọi mô hình ngôn ngữ lớn vẫn cần Internet.
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/WEIFENG2333/VideoCaptioner.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.
pyVideoTrans
jianchang512 / pyvideotrans
Công cụ dịch video, lồng tiếng AI, gỡ băng và tạo phụ đề trong một quy trình liền mạch.
whisper.cpp
ggml-org / whisper.cpp
Chạy mô hình nhận dạng giọng nói Whisper của OpenAI ngay trên máy, nhẹ, offline, không cần Python