Tranvideo 是一个基于 Whisper Large V3 和 Ollama 的开源视频翻译平台，支持自动语音识别、多语言翻译和字幕生成。
- 🎯 智能显存管理 - 先进的显存轮询技术，8GB GPU 即可流畅运行
- 🌍 多语言支持 - 支持多种语言的语音识别和翻译
- ⚡ 高效处理 - 优化的流水线设计，快速处理视频文件
- 🔧 灵活部署 - 支持 Docker 和源码部署，适配多种环境
给 kindmitaishere@gmail.com或rttommmr@outlook.com发送电子邮件，或者提出“问题”
请注意，获取公开API的邀请号码不是必须的。因为你可以自行部署，可以通过源码运行，也可以通过docker的方式运行（推荐）*
- 公开邀请码:
kindmita(在公开 API 中使用)
- 🎵 音频提取 - 从视频文件中自动提取高质量音频
- 🎯 语音识别 - 使用 Whisper Large V3 模型进行精准文字识别
- 🌍 智能翻译 - 调用 Ollama API 实现逐句翻译
- 📝 字幕生成 - 生成标准 SRT 格式字幕文件
- 🎬 视频合成 - 将字幕嵌入视频，支持多种输出格式
- 📦 批量处理 - 支持多文件并行处理和批量下载
- 🚀 显存优化 - 8GB GPU 显存即可流畅运行，支持显存轮询管理
- GPU: NVIDIA RTX 4070 Ti (8GB 显存)
- Ollama 模型:
qwen3:8b(推理模式) - Whisper 模型:
large-v3-turbo - 显存管理: 智能轮询机制
在 8GB 显存 环境下，30分钟的视频处理耗时约 15分钟
⚠️ 注意: 实际处理时间受视频中语音内容密度影响，翻译阶段是主要性能瓶颈
项目采用先进的显存轮询技术，实现高效的内存管理：
- 🎯 转录阶段 - Whisper 模型加载到 GPU，Ollama 模型被卸载
- 🌍 翻译阶段 - Whisper 模型移动到 CPU，Ollama 模型加载到 GPU
- ⚡ 优化效果 - 8GB 显存即可流畅运行，无需 16GB 显存
- 🔧 智能调度 - 自动在模型间切换，最大化 GPU 利用率
如图的显存占用情况
- 简洁直观的 Web 界面
- 邀请码验证系统
- 文件时长预检查
- 队列管理和状态监控
# 创建项目目录
mkdir -p tranvideo && cd tranvideo
# 下载 docker-compose.yaml
wget https://raw.githubusercontent.com/MitaHill/tranvideo/main/docker-compose.yaml# 启动所有服务
sudo docker compose up -d
# 查看启动状态
sudo docker compose logs -f tranvideo服务启动后，访问 http://localhost:5000 即可使用
docker run -d \
--name tranvideo \
--gpus all \
--network host \
--restart always \
-p 5000:5000 \
-v $(pwd)/cache:/root/tranvideo/cache \
kindmitaishere/tranvideo-v0.6
⚠️ 注意: 此方式需要单独部署 Ollama 服务并提前拉取模型文件
⚠️ 重要提示: 通过源码部署时，需要手动下载 Whisper 模型文件
git clone https://github.com/MitaHill/tranvideo.git
cd tranvideo方式 A: 从 Hugging Face 下载（推荐）
# 在项目根目录执行
mkdir -p whisper
cd whisper
# 下载模型文件
wget https://huggingface.co/openai/whisper-large-v3-turbo/resolve/main/large-v3-turbo.pt -O large-v3-turbo.pt方式 B: 手动下载
- 访问 Hugging Face - Whisper Large V3 Turbo
- 下载
large-v3-turbo.pt文件 - 将文件放置到项目的
whisper/目录下
方式 C: 从官方源下载
# 在项目根目录执行
mkdir -p whisper
cd whisper
# 使用 OpenAI 官方下载链接
wget https://openaipublic.azureedge.net/main/whisper/models/large-v3-turbo.pt -O large-v3-turbo.pt确保模型文件位置正确：
ls -lh whisper/large-v3-turbo.pt
# 应该显示文件大小约为 1.5GB# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或 venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt编辑 config/tran-py.json 文件，配置翻译服务和模型：
{
"translator_type": "ollama",
"ollama_api": "http://127.0.0.1:11434",
"ollama_model": "qwen3:8b",
"openai_base_url": "https://api.siliconflow.cn/v1",
"openai_api_key": "apikey",
"openai_model": "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B"
}"translator_type": "ollama"- 使用本地 Ollama 服务"translator_type": "openai"- 使用 OpenAI 兼容的云服务
⚠️ 重要: 显存轮询仅在以下条件触发：
translator_type设置为"ollama"ollama_api使用http://127.0.0.1:11434(localhost 不会触发)- 本地部署的 Ollama 服务
- 本地 Ollama: 启用显存轮询，8GB 显存即可运行
- 远程 Ollama: 禁用显存轮询，需要更多显存
- OpenAI API: 禁用显存轮询，仅需 Whisper 模型显存
python main.py服务将在 http://localhost:5000 启动。
tranvideo/
├── whisper/
│ └── large-v3-turbo.pt # 需要手动下载的模型文件
├── config/
│ └── tran-py.json # 配置文件
├── src/ # 源代码
├── main.py # 主程序入口
└── requirements.txt # Python 依赖
⚠️ 前提条件: 需要先部署 Ollama 服务并安装 qwen3:8b 模型
访问以下 URL 配置 API 地址：
http://地址:端口/api/tranpy/config-ollama-api/你的ollama地址:端口
示例:
http://192.168.1.50:5000/api/tranpy/config-ollama-api/192.168.1.100:11434
http://地址:端口/api/tranpy/config-ollama-model/qwen3:8b
访问配置查看接口：
http://地址:端口/api/tranpy/config
-
打开 Web 界面
http://地址:端口 -
输入邀请码
kindmita -
上传视频文件
- 支持常见视频格式（MP4, AVI, MOV 等）
- 自动检查视频时长
- 显示预估处理时间
-
选择处理模式
- 仅字幕: 输出 SRT 字幕文件
- 视频+字幕: 输出带字幕的视频文件
-
监控处理进度
- 实时显示当前处理状态
- 队列位置和预估完成时间
- 详细的处理步骤信息
-
下载结果
- 处理完成后自动提供下载链接
- 支持批量下载打包文件
- 选择多个视频文件
- 系统会自动计算总时长
- 验证可用时长是否充足
- 所有文件将按顺序处理
- 完成后提供批量下载
- CPU: 4核心及以上
- 内存: 8GB RAM（推荐 16GB）
- 显存: 8GB VRAM 或更多（支持显存轮询优化）
- 存储: 32GB 可用空间
- GPU: 支持 CUDA 的 NVIDIA 显卡
- Docker 20.10+
- Docker Compose 2.0+
- NVIDIA Container Runtime
- CUDA 11.0+
- 智能轮询 - 自动在 Whisper 和 Ollama 模型间切换 GPU 显存
- 内存优化 - 使用 Whisper Large-V3-Turbo 模型，减少内存占用
- 自动清理 - 任务完成后自动释放显存资源
- 8GB 兼容 - 优化后的代码可在 8GB 显存环境下稳定运行
- 日志自动轮转，单文件最大 2MB
- 日志文件位置:
./logs/ - 支持实时日志查看
- 显存轮询管理 - 自动在 Whisper 和 Ollama 模型间切换，8GB 显存即可运行
- 内存限制优化 - Whisper 模型使用 90% 显存，turbo 版本进一步优化
- 自动缓存清理 - 任务完成后自动执行垃圾回收
- 实测性能 - 空载状态下显存占用为 6.5-7GB
- 单任务队列 - 避免资源冲突，确保任务处理的稳定性
- 显存轮询机制 - 最大化 GPU 内存利用效率
- 模型预热 - 减少模型加载时间，提升处理速度
Q: 容器启动失败
# 检查 GPU 支持
nvidia-smi
docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smiQ: Whisper 服务未启动
# 检查服务状态
curl http://地址:端口/api/whisper/health
# 查看容器日志
docker-compose logs tranvideoQ: 翻译功能异常
# 验证 Ollama 连接
curl http://地址:端口/api/tags
# 检查配置
curl http://地址:端口/api/tranpy/config- 显卡性能 - 根据显卡性能调整批处理大小
- 显存监控 - 实时监控 GPU 显存使用情况
- 并发控制 - 适当调整并发任务数量
- 轮询优化 - 显存轮询机制自动优化内存使用
- 硬件要求 - 8GB 显存即可运行，无需 16GB
欢迎提交 Issue 和 Pull Request！
- Fork 项目
- 创建特性分支
- 提交更改
- 推送到分支
- 创建 Pull Request
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
- 邮箱: kindmitaishere@gmail.com
- 备用邮箱: rttommmr@outlook.com
- 网站: b.clash.ink
- OpenAI Whisper - 强大的语音识别模型
- Ollama - 便捷的大模型部署工具
- Qwen - 优秀的中文大语言模型
- 当前版本: v0.6.0
- 发布日期: 2025年10月
- Docker镜像:
kindmitaishere/tranvideo:0.6.0 - 下一版本: v1.0.0 (正式版，计划中)
查看 CHANGELOG.md 了解详细的版本变更记录。
主要特性:
- 🎯 智能显存轮询管理 - 8GB显存即可运行
- 🌍 多语言支持 - Whisper + Ollama/OpenAI
- 📦 批量处理 - 支持多文件并行处理
- 🎬 视频合成 - 自动嵌入字幕
- 💾 任务管理 - SQLite数据库持久化
Docker 镜像标签:
# 推荐使用精确版本号
docker pull kindmitaishere/tranvideo:0.6.0
# 或使用 latest 标签 (当前指向 0.6.0)
docker pull kindmitaishere/tranvideo:latest| 版本 | 状态 | 计划时间 | 主要内容 |
|---|---|---|---|
| v0.6.0 | ✅ 已发布 | 2025-10 | 显存优化、批量处理 |
| v0.7.0 | 📋 规划中 | 2025-Q2 | 性能优化、新功能 |
| v0.8.0 | 📋 规划中 | 2025-Q3 | UI增强、API扩展 |
| v1.0.0 | 🎯 目标版本 | 2025-Q4 | 正式版发布、生产就绪 |
查看 VERSION_POLICY.md 了解版本管理策略。
项目采用规范的版本管理和发布流程:
- 版本号: 遵循 语义化版本 2.0.0
- 发布流程: 详见 RELEASE_GUIDE.md
- Git 分支: main(稳定版) / develop(开发版)
- Docker 镜像: 每个版本都会发布对应的镜像标签
如果这个项目对你有帮助，请给一个 Star！