项目介绍 (立即体验在线版！)

快速开始

KrillinAI是由Krillin AI开发的一款多功能音视频本地化与增强解决方案。这款极简而强大的工具集成了视频翻译、配音和语音克隆功能，支持横屏和竖屏两种格式，确保在各大主流平台上都能完美呈现（哔哩哔哩、小红书、抖音、微信视频号、快手、YouTube、TikTok等）。通过端到端的工作流，您只需点击几下，就能将原始素材转化为精美且可直接使用的跨平台内容。

核心特性与功能：

🎯 一键启动：无需复杂环境配置，自动安装依赖，即开即用，并推出全新桌面版，使用更便捷！

📥 视频获取：支持yt-dlp下载或本地文件上传

📜 精准识别：基于Whisper的高精度语音识别

🧠 智能分段：利用LLM进行字幕分段与对齐

🔄 术语替换：一键替换专业词汇

🌍 专业翻译：结合上下文的LLM翻译，保持自然语义

🎙️ 语音克隆：提供CosyVoice精选音色或自定义语音克隆

🎬 视频合成：自动处理横屏、竖屏视频及字幕布局

💻 跨平台：支持Windows、Linux、macOS，提供桌面版和服务器版

效果展示

下图展示了导入一段46分钟的本地视频并一键执行后生成的字幕文件效果，全程无需任何手动调整。字幕无遗漏、无重叠，分段自然，翻译质量极高。

字幕翻译 https://github.com/user-attachments/assets/bba1ac0a-fe6b-4947-b58d-ba99306d0339

配音 https://github.com/user-attachments/assets/0b32fad3-c3ad-4b6a-abf0-0865f0dd2385

竖屏模式 https://github.com/user-attachments/assets/c2c7b528-0ef8-4ba9-b8ac-f9f92f6d4e71

🔍 支持的语音识别服务

下表中的所有本地模型均支持可执行文件+模型文件的自动安装；您只需选择，Klic便会为您准备好一切。

服务来源	支持平台	模型选项	本地/云端	备注
OpenAI Whisper	所有平台	-	云端	速度快，效果好
FasterWhisper	Windows/Linux	tiny/medium/large-v2（推荐使用medium及以上）	本地	速度更快，无需支付云服务费用
WhisperKit	macOS（仅M系列）	large-v2	本地	苹果芯片原生优化
WhisperCpp	所有平台	large-v2	本地	支持所有平台
阿里云ASR	所有平台	-	云端	可避免中国大陆地区的网络问题

🚀 大语言模型支持

✅ 兼容所有符合OpenAI API规范的云服务或本地大语言模型服务，包括但不限于：

• OpenAI
• Gemini
• DeepSeek
• 通义千问
• 本地部署的开源模型
• 其他兼容OpenAI格式的API服务

🎤 TTS 文本转语音支持

• 阿里云语音服务
• OpenAI TTS

语言支持

输入语言支持：中文、英语、日语、德语、土耳其语、韩语、俄语、马来语（持续增加中）

翻译语言支持：英语、中文、俄语、西班牙语、法语以及其他101种语言

界面预览

🚀 快速开始

您可以在KrillinAI的Deepwiki上提问。该平台索引了仓库中的文件，因此您可以快速找到答案。

基本步骤

首先，请从 Release 下载与您设备系统匹配的可执行文件，然后按照以下教程选择桌面版或非桌面版。请将软件下载放置在一个空文件夹中，因为运行时会生成一些目录，放在空文件夹里便于管理。

【如果是桌面版，即带有“desktop”字样的发布文件，请参阅此处】 桌面版是新推出的版本，旨在解决新用户难以正确编辑配置文件的问题，并且目前仍存在一些正在持续修复的 bug。

1. 双击该文件即可开始使用（桌面版同样需要在软件内部进行配置）

【如果是非桌面版，即不带“desktop”字样的发布文件，请参阅此处】 非桌面版是初始版本，配置较为复杂，但功能稳定，适合服务器部署，因为它提供了基于网页的用户界面。

1. 在软件所在文件夹内创建一个 config 文件夹，然后在 config 文件夹中创建一个 config.toml 文件。将源代码 config 目录下的 config-example.toml 文件内容复制到 config.toml 中，并根据注释填写您的配置信息。
2. 双击可执行文件，或在终端中运行该文件以启动服务。
3. 打开浏览器并输入 http://127.0.0.1:8888 即可开始使用（请将 8888 替换为您在配置文件中指定的端口）。

致 macOS 用户

【如果是桌面版，即带有“desktop”字样的发布文件，请参阅此处】 由于签名问题，桌面版目前无法通过双击运行或通过 dmg 安装；您需要手动信任该应用程序。具体方法如下：

1. 打开终端，进入可执行文件所在的目录（假设文件名为 KrillinAI_1.0.0_desktop_macOS_arm64）。
2. 按照顺序执行以下命令：

sudo xattr -cr ./KrillinAI_1.0.0_desktop_macOS_arm64
sudo chmod +x ./KrillinAI_1.0.0_desktop_macOS_arm64 
./KrillinAI_1.0.0_desktop_macOS_arm64

【如果是非桌面版，即不带“desktop”字样的发布文件，请参阅此处】 该软件未经过签名，因此在 macOS 上运行时，在完成“基本步骤”中的文件配置后，您还需要手动信任该应用程序。具体方法如下：

1. 打开终端，进入可执行文件所在的目录（假设文件名为 KrillinAI_1.0.0_macOS_arm64）。

2. 按照顺序执行以下命令：

   sudo xattr -rd com.apple.quarantine ./KrillinAI_1.0.0_macOS_arm64
    sudo chmod +x ./KrillinAI_1.0.0_macOS_arm64
    ./KrillinAI_1.0.0_macOS_arm64
   

   这样即可启动服务。

Docker 部署

本项目支持 Docker 部署，请参考 Docker 部署说明。

基于提供的配置文件，以下是更新后的 README 文件中“配置帮助（必读）”部分：

配置帮助（必读）

配置文件分为几个部分：[app]、[server]、[llm]、[transcribe] 和 [tts]。一项任务由语音识别 (transcribe) + 大模型翻译 (llm) + 可选的语音服务 (tts) 组成。理解这一点将有助于您更好地掌握配置文件。

最简单快捷的配置：

仅用于字幕翻译：

• 在 [transcribe] 部分，将 provider.name 设置为 openai。
• 然后只需在 [llm] 模块中填写您的 OpenAI API 密钥，即可开始进行字幕翻译。app.proxy、model 和 openai.base_url 可根据需要填写。

成本、速度和质量的平衡配置（使用本地语音识别）：

• 在 [transcribe] 部分，将 provider.name 设置为 fasterwhisper。
• 将 transcribe.fasterwhisper.model 设置为 large-v2。
• 在 [llm] 模块中填写您的大语言模型配置。
• 所需的本地模型将自动下载并安装。

文本转语音 (TTS) 配置（可选）：

• TTS 配置是可选的。
• 首先，在 [tts] 部分设置 provider.name（例如 aliyun 或 openai）。
• 然后，填写所选提供商对应的配置模块。例如，如果您选择 aliyun，则必须填写 [tts.aliyun] 部分。
• 用户界面上的语音代码应根据所选提供商的文档进行选择。
• 注意： 如果您计划使用语音克隆功能，则必须选择 aliyun 作为 TTS 提供商。

阿里云配置：

• 关于如何获取阿里云服务所需的 AccessKey、Bucket 和 AppKey 的详细信息，请参阅 阿里云配置说明。重复的 AccessKey 等字段设计是为了保持清晰的配置结构。

常见问题解答

请访问 常见问题解答。

贡献指南

1. 请勿提交无用文件，如 .vscode、.idea 等；请使用 .gitignore 进行过滤。
2. 请勿提交 config.toml，而是提交 config-example.toml。

联系我们

1. 如有任何问题，请加入我们的 QQ 群：754069680。
2. 关注我们的社交媒体账号，Bilibili，我们每天都会分享人工智能领域的优质内容。

星标历史

KrillinAI 快速上手指南

KrillinAI 是一款极简的 AI 视频翻译与配音工具，支持一键完成视频下载、语音识别（Whisper）、字幕智能分段、大模型翻译及语音克隆配音。

1. 环境准备

系统要求

• 操作系统：Windows、Linux、macOS (Intel/M-series)
• 硬件建议：
  • 若使用本地语音识别模型（如 FasterWhisper），建议配备 NVIDIA GPU 以获得更佳速度；CPU 亦可运行但速度较慢。
  • macOS M 系列芯片用户推荐使用原生优化的 WhisperKit。
• 网络环境：需能访问 GitHub Release 页面下载文件；若使用云端大模型或 TTS 服务，需确保网络通畅（国内用户建议使用阿里云 ASR 避免网络问题）。

前置依赖

• 桌面版：无需安装任何依赖，下载即用。
• 非桌面版/源码部署：需安装 Python 3.8+ 及 FFmpeg（用于视频处理）。

2. 安装步骤

请前往 Releases 页面 下载对应系统的最新版本。

方案 A：桌面版（推荐新手）

下载文件名包含 desktop 的安装包（如 KrillinAI_x.x.x_desktop_...）。

1. 将下载的文件放入一个空文件夹中。
2. 直接双击运行即可启动图形界面。

macOS 用户特别注意： 由于签名问题，桌面版无法直接双击运行，需在终端执行以下命令授权：

# 进入文件所在目录
cd /path/to/your/folder
# 移除隔离属性并赋予执行权限 (假设文件名为 KrillinAI_1.0.0_desktop_macOS_arm64)
sudo xattr -cr ./KrillinAI_1.0.0_desktop_macOS_arm64
sudo chmod +x ./KrillinAI_1.0.0_desktop_macOS_arm64
# 运行
./KrillinAI_1.0.0_desktop_macOS_arm64

方案 B：非桌面版（适合服务器/Web 部署）

下载文件名不包含 desktop 的版本。

1. 将文件放入空文件夹。
2. 创建配置目录和文件：

   mkdir config
   # 将源码中的 config-example.toml 复制为 config/config.toml 并编辑
   

3. 编辑 config/config.toml，填入 API Key 等配置（参考下文“基本使用”）。
4. 启动服务：
   • Windows: 双击可执行文件或在终端运行。
   • Linux/macOS:

     # macOS 同样需要先授权
     sudo xattr -rd com.apple.quarantine ./KrillinAI_x.x.x_macOS_arm64
     sudo chmod +x ./KrillinAI_x.x.x_macOS_arm64
     ./KrillinAI_x.x.x_macOS_arm64
     

5. 浏览器访问 http://127.0.0.1:8888（端口可在配置文件中修改）。

3. 基本使用

第一步：配置文件设置 (config.toml)

若使用桌面版，可在软件界面内配置；若为非桌面版，需手动编辑 config/config.toml。

场景一：仅做字幕翻译（成本最低）

只需配置大模型（LLM）和云端语音识别。

[transcribe]
provider.name = "openai"  # 使用 OpenAI Whisper 云端识别

[llm]
# 填写你的兼容 OpenAI 格式的 API 信息 (如 DeepSeek, Tongyi Qianwen 等)
base_url = "https://api.deepseek.com/v1"
api_key = "sk-your-api-key"
model = "deepseek-chat"

场景二：本地识别 + 高质量翻译（平衡速度与成本）

使用本地 FasterWhisper 进行识别，免费且速度快。

[transcribe]
provider.name = "fasterwhisper" # 本地运行
[transcribe.fasterwhisper]
model = "large-v2"              # 首次运行会自动下载模型

[llm]
# 填写大模型配置
base_url = "..."
api_key = "..."
model = "..."

场景三：开启配音 (TTS)

如需生成配音音频，需配置 TTS 模块。注意：语音克隆功能目前仅支持阿里云 (aliyun)。

[tts]
provider.name = "aliyun" # 或 openai

[tts.aliyun]
# 填写阿里云 AccessKey, Bucket, AppKey 等信息
access_key_id = "..."
access_key_secret = "..."
app_key = "..."

第二步：开始任务

1. 输入源：在界面中输入 YouTube/Bilibili 视频链接（自动调用 yt-dlp 下载），或直接上传本地视频文件。
2. 选择流程：勾选需要的步骤（识别 -> 翻译 -> 配音）。
3. 术语替换：如有专业词汇，可在“术语替换”栏输入对照表（例如：Transformer: 变压器）。
4. 执行：点击开始，等待处理完成。
5. 输出：完成后即可下载带双语字幕的视频文件或独立的字幕/音频文件。

提示

• 国内加速：语音识别若遇网络问题，建议在 [transcribe] 中选择 Alibaba Cloud ASR。
• 模型管理：本地模型（FasterWhisper/WhisperCpp）首次运行时会自动下载至程序目录，后续无需重复下载。
• 格式支持：自动适配横屏与竖屏视频，生成的字幕时间轴已自动对齐，无重叠或缺失。