「NAS、键盘、路由器······年轻就要多折腾，我是爱折腾的熊猫，今天又给大家分享最近折腾的内容了，关注是对我最大的支持，阿里嘎多」

引言

虽说中文目前在国际的影响力越来越大，但很多时候一些冷门的资源或者短片都还是生肉，没有官方中配就算了，甚至很多连中文字幕都没有。虽说大部分视频网站都有翻译与字幕功能，但很多其实体验真不咋样。

而随着AI和NAS算力的飞速提升，许多全自动化的翻译项目应运而生，熊猫我也把翻译的任务转移到现役的极空间NAS上，“拯救了”我的翻译需求！

Chenyme-AAVT的功能非常齐全，不仅能通过Whisper模型进行声音识别，还能生成字幕文件，最后通过大模型进行翻译。同时支持音频识别，视频识别和字幕翻译。除了这些，它还可以利用AI直接生成视频的图文博客，并支持声音模拟！项目现在在GitHub开源，地址是：https://github.com/chenyme/Chenyme-AAVT。

部署准备

Whisper模型现在已经全面转到本地了，所以本地项目部署我们需要自行下载模型文件，模型下载地址为：https://huggingface.co/Systran。

这里熊猫用的是极空间Z423旗舰版，因为项目支持GPU和FFmpeg加速，所以模型的选择自然是越大越好了，当然自身设备的性能也要能跟上才行，理论来说性能越高自然识别速度越快，但这也受视频长度影响。

模型下载之后我们需要得到config.json、model.bin、README.md、tokenizer.json、vocabulary.txt这几个文件，同时在极空间中新建文件夹model用来存放模型文件，模型的所有文件需要存放在同一文件夹内，最后的目录树规则应该是这样的，model\faster-whisper/xx模型文件夹。项目部署

做好准备工作之后我们就可以拉取镜像了，打开极空间的Docker，在镜像仓库中输入镜像名：chenyme/chenyme-aavt。随后直接下载就行，版本选择latest即可。

整个镜像完整下载下来有7.4G，所以整个过程需要耐心等待，如果没有速度可以尝试换一下加速器配置，这里比较推荐docker.1ms.run，稳定好用。

拉取完镜像之后在本地镜像中双击镜像，通用设置这里记得关闭性能限制，同时可以开启核心显卡调用与特权模式，这样方便后续调用GPU加速。

文件夹路径这里，我们新建路径，转载路径为/app/model，本地路径则是我们创建的model模型文件夹。

最后则是端口，容器端口为8501不可更改，左边本地端口根据自身NAS的端口占用情况来定，有冲突换就行了，默认8501也可以。

所有设置完毕之后点击应用就能启动容器了，这时候查看容器日志，能看到首次使用的登录密码，默认都是chenymeaavt。项目使用

通过极空间的远程访问，我们就能来到项目的主页了，首次登录需要输入验证密码chenymeaavt。主页提供了AI助手，可以在这里问一些使用教程的问题。

侧边栏能看到音频识别、视频识别、字幕翻译以及声音克隆等功能，不过正在使用之前我们还需要进到设置界面设置一些东西。

主页的AI助手也支持模型设置，这里可以更换模型，模型的类型还是非常多的，国际主流的GPT、Gemini与国内的deepseek和kimi等等都支持，同时也可以更换API对接地址。

紧接着是识别后端的设置，这里我们选择FasterWhisper - LocalModel，此时项目就会调用我们自行下载的模型，在下方还可以选择GPU加速与VAD辅助，想要精度高可以调整VAD辅助检测。

翻译设置这里往下翻也有非常多的模型设置，同时也支持提示词的添加和修改，如果没有特殊需求，默认即可。

点击下方的视频识别，能看到顶部四个选项，分别是视频识别、批量翻译、图文博客以及参数设置，在使用之前我们需要先检查参数设置，识别模型能看到已经正常加载了。

再往下能看到翻译设置和字幕设置，这里可以调节字幕的字体与字号。最后则是图文博客的模型选择和一些详细设置了。

这里熊猫选择了一段5分钟的英文短片，首先项目会调用我们下载的模型进行音频识别，这时候的CPU调用大概在28%左右，随后会对字幕进行分离与翻译，这个阶段因为用到的是在线的API，所以并不会占用本地的性能。

最后项目会将字幕文件嵌入视频并生成新的视频文件，这个过程需要用到FFmpeg，此时能看到Z423的CPU调用来到了90%左右，整个过程会因视频的长度来决定生成速度。

最后，项目会生成两个预览窗，同时播放原始视频和生成视频，在下方还能看到字幕的预览。

音频识别的道理也是同样的，先进行音频识别，在进行字幕生成。图文博客这个功能比较新鲜，项目会提取视频的关键帧与音频文件，最后针对音频和视频关键帧进行AI分析，最后获得一篇符合视频内容的图文内容。写在最后

Chenyme-AAVT 这套方案让视频翻译和字幕生成变得简单和高效，整个体验非常丝滑，无论是日常追油管，还是处理一些需要翻译的外语视频，都能轻松应对，推荐有需求的可以部署尝试。

以上便是本次分享的全部内容了，如果你觉得还算有趣或者对你有所帮助，不妨点赞收藏，最后也希望能得到你的关注，咱们下期见！