[VR字幕工具]针对VR视频批处理字幕的工具开发好了,[5.2]RC2发布
本帖最后由 zelefans 于 2026-5-2 19:09 编辑弄了两三天终于更新了，将我一直以来对字幕的需求、研究和开发工具汇总在一起。作为11.0的beta版本发布吧。我的目的还是让软件轻量化、界面精简化，操作批量化，效率最大化，尽量希望减少对使用者对技术的要求。显卡加速问题还是比较复杂，暂时只有使用的人自己研究怎么装cuda等东西了。我尽量压缩安装包到100MB以内，摒弃了2GB的大家伙。有其他问题可以反馈。
补充，如果cuda检测不通过，Nvidia卡加速有独立的包：https://github.com/Purfview/whis ... n/releases/tag/libs，下载最新的cuBLAS.and.cuDNN_CUDA12_win_v3.7z，解压到某个目录设置系统PATH可能可以实现显卡加速。
我日语语音转文字字幕已经尽量做到用蒸馏模型逼近WhisperJAV的效果（可以测试我软件里写的字幕评分工具），显卡加速情况下平均1分钟左右可以将一段30分钟左右视频转成字幕。可以很快生成一大堆VR视频的字幕，配合DeepSeek4的翻译（大概一个视频文件就不到1毛钱的翻译成本），效率杠杠的。
再说一下翻译用API KEY的问题，我用的技术是密码存在windows的凭据管理器（Windows Credential Manager）中，没有明文写，应该是最安全的方式了，可以放心使用，源代码都开源随时供检验。
下载地址：https://codeberg.org/zelefans/vr_remove_mosaic/releases
**v11.0 Beta 字幕工具功能更新：**
1. **字幕生成**：支持批量将视频或音频自动转写为日文字幕，提供音频降噪选项以提高准确率，运行中可在日志框查看当前处理进度。
2. **SRT 转 ASS**：支持将双语 SRT 批量转为 ASS 特效字幕。可自定义中日文字号，并支持调整字幕在画面中的位置（顶部、中间、底部），Skybox VR 播放器实测兼容。
3. **字幕软嵌入**：支持将现有的字幕（SRT 或 ASS）批量封装进视频文件内。解决部分 VR 设备或 DLNA 投屏时无法加载外挂字幕的问题。可手动勾选优先嵌入 ASS 或 SRT。
4. **字幕翻译**：支持接入大模型 API 批量将日文字幕翻译为中文或其他语言。
5. **字幕质量评估**：支持对目录下所有字幕文件根据行数、时长、重复率等指标进行综合打分，方便快速筛选生成的字幕质量。
**v11.0 RC1 更新：**
1. **用户提示优化**：更新了"说明.txt"中针对非技术用户的解释，用户界面增加了缺少ffmpeg等必须第三方程序的引导。
2. **CUDA库安装引导**：增加了缺少CUDA相关库的安装引导。
3. **第三方库支持同目录安装**：支持了ffmpeg、lada-cli等第三方程序同目录放置的识别（因为本程序用了onefile打包）。
4. **幻觉字幕过滤**：过滤了一部分常见的日语模型幻觉字幕。
5. **程序压缩瘦身**：通过UPX进一步压缩本程序的大小。
**v11.0 RC2 更新：**
1. **新的语音分段模型**：引入了WhisperVad作为主要语音分段，需要另外下载100MB的onnx文件。此模型参考了WhisperJAV的最新版本更新(https://github.com/meizhong986/WhisperJAV)。
2. **时间戳对齐优化**：除了新的分段模型，还调整了word_timestamps=True，显著改善时间戳对齐问题（但此参数暂时不支持kotoba模型，程序会崩溃）。
3. **用户提示优化**：更多的对非技术用户碰到问题时的提示。
4. **CUDA库安装**：支持CUDA相关dll库的安装在exe相同目录。
5. **幻觉字幕优化**：针对幻觉字幕做进一步优化调整。
下载地址：https://codeberg.org/zelefans/vr_remove_mosaic/releases。 有问题可以反馈。
接下去的工作：单眼硬嵌入的字幕，技术已经实现，在解决效率问题
下阶段考虑硬字幕，MoonVR试了下字幕显示有问题。而且双眼字幕有显著对焦问题，SkyboxVR略好点，4XVR很严重，硬字幕我觉得只写入单眼应该可以解决问题 zelefans 发表于 2026-4-28 23:43
下阶段考虑硬字幕，MoonVR试了下字幕显示有问题。而且双眼字幕有显著对焦问题，SkyboxVR略好点，4XVR很严重 ...
单眼显示确实有说法，不过硬字幕应该不太好做吧，字幕的位置很难定，放画面边缘的话在vr时间会变形，放中间又挡内容，感觉平衡不太好把握，而且不同视频的视角中心也不一样，不可能每个都适配 ttttttts 发表于 2026-4-28 23:50
单眼显示确实有说法，不过硬字幕应该不太好做吧，字幕的位置很难定，放画面边缘的话在vr时间会变形，放中 ...
技术没问题，我的软件特长干投影转换 zelefans 发表于 2026-4-29 00:10
技术没问题，我的软件特长干投影转换
这么牛？这个能解决的话，确实可以搞。但是放哪个位置才能适配多数视频不挡内容有什么说法吗？期待大佬的成果 请问大佬目前是否有云端抓取翻译的解法? 例如pikpak 或115, squware168 发表于 2026-4-29 01:10
请问大佬目前是否有云端抓取翻译的解法? 例如pikpak 或115,
翻译一部就就几分钱折腾那个不值得。。。。 请问下这种涩涩的对话在在线翻译时会触发检测吗？ 429错误，下载不了 each 发表于 2026-4-29 06:53
429错误，下载不了
请求过多服务器限速，可以换个时间重试，刚才试了OK