把识别、翻译、字幕校对、音色选择和配音导出放进同一条工作流。

功能概览 · 快速开始 · YouTube 说明 · 技术栈

DubFlow 是一个面向中文内容创作者的本地视频翻译与配音工作台。它支持音频、视频、SRT、文本和 YouTube 链接输入，可在浏览器中完成语音识别、字幕翻译、逐条校对、配音试听与文件导出。

功能概览

环节	已支持能力
内容输入	上传音频或视频、导入 SRT、直接输入文本、解析 YouTube 链接
识别与翻译	音视频语音识别、SRT 自动翻译、识别文本与译文查看
字幕处理	原文与译文逐条校对、搜索与状态筛选、单条配音试听
音色配置	9 种内置音色、参考音频声音克隆、自然语言音色设计
文件输出	识别/翻译 TXT、单语或中英双语 SRT、合并后的 WAV 配音音频
YouTube 工具	字幕下载与加载、MP3 码率选择、MP4 清晰度与文件大小展示、下载进度

设置面板提供 MiMo、DeepL Free 和 Google 三种翻译服务选项。MiMo 同时承担语音识别、语音合成、声音克隆与音色设计。

工作流程

1. 导入内容：上传本地文件、粘贴 YouTube 链接、导入 SRT，或直接填写配音文本。
2. 获得字幕：从音视频识别文本，或从 YouTube 选择已有字幕轨道。
3. 翻译校对：自动生成译文，在字幕编辑器中搜索、筛选和逐条修改。
4. 配置声音：选择内置音色，上传参考人声，或用文字描述目标音色。
5. 试听导出：试听单条译文，导出字幕文件或合成完整配音音频。

快速开始

运行要求

• Node.js 20.9.0 或更高版本
• npm
• 已加入系统 PATH 的 yt-dlp，用于 YouTube 音视频下载

先确认本机可以执行：

node --version
yt-dlp --version

安装运行

git clone https://github.com/TIUCSIB/DubFlow.git
cd DubFlow
npm install
npm run dev

打开 http://localhost:3000，点击右上角设置按钮，然后完成以下配置：

1. 添加 MiMo API Key，并选择当前使用的配置。
2. 选择翻译服务；使用 DeepL 时还需要填写 DeepL API Key。
3. 返回主界面并选择输入方式。

Google 翻译选项无需 API Key。没有 MiMo API Key 时，语音识别、配音合成、声音克隆和音色设计无法使用。

API Key 与数据

• API Key 配置保存在当前浏览器的 localStorage 中，清理站点数据后需要重新填写。
• 项目不会把本地 .env* 文件提交到 Git；仓库的 .gitignore 已覆盖这些文件。
• 处理内容时，文本或音频会发送给所选的外部服务，请避免上传不应离开本机的敏感资料。
• 在共享电脑上使用后，建议删除已保存的 API Key 配置。

YouTube 说明

YouTube 字幕和媒体格式取决于视频本身、地区、网络环境及平台访问策略。部分视频会要求登录确认访问者身份；遇到这种情况时，DubFlow 只能显示基础视频信息，字幕和媒体下载会暂时停用。

媒体下载会先在服务端创建任务，完整处理结束后再由浏览器保存文件。MP3 转码、MP4 音视频合并和进度读取均依赖系统中的 yt-dlp，并需要可写的临时目录。

当前下载实现使用 Node.js 子进程、内存中的任务状态和本地临时文件。生产部署需要长期运行的 Node.js 服务、可写文件系统以及可执行的 yt-dlp；无服务器平台的一键部署通常无法满足这些条件。

请只下载你有权保存和使用的内容，并遵守 YouTube 的服务条款及所在地法律。

输出说明

• 字幕可以导出为译文 SRT 或中英双语 SRT。
• 多段配音会在浏览器中合并为 WAV 文件。
• 文本输入会直接生成可试听、可下载的 MP3 音频。
• YouTube 工具下载的是原视频提供的媒体流，视频清晰度和音频码率按解析结果选择。
• 当前版本尚未把翻译字幕和新配音重新封装成完整视频文件。

技术栈

技术	用途
Next.js 16 / React 19	App Router、页面与服务端 Route Handlers
TypeScript	类型约束与业务模型
HeroUI React 3	按钮、表单、标签页、反馈与进度组件
Tailwind CSS 4	页面样式与响应式布局
youtubei.js	YouTube 视频信息、字幕和媒体格式解析
yt-dlp	YouTube 媒体下载、转码与音视频合并
ffmpeg-static	本地上传视频的音频提取
MiMo API	语音识别、翻译、语音合成、声音克隆、音色设计

项目结构

src/
├── app/
│   ├── api/          # 识别、翻译、合成、导出与 YouTube Route Handlers
│   └── page.tsx      # 主工作台与流程状态
├── components/       # 输入、字幕编辑、音色、导出和下载界面
├── lib/              # MiMo、YouTube、字幕与音频处理逻辑
└── types/            # 全局 TypeScript 类型

开发命令

npm run dev    # 启动开发服务器
npm run build  # 创建生产构建
npm run start  # 启动生产服务器

仓库目前处于持续开发阶段，尚未附带开源许可证文件。