ZastTranslate

ZastTranslate官网

ZastTranslate 是一款完全开源（MIT 协议）的本地 AI 视频翻译配音工具，由开发者基于面壁智能开源的 VoxCPM2 语音模型构建，可将视频从一种语言翻译并配音成 30 多种目标语言，全程在本地运行，无需云端服务。它的技术栈由多个开源组件组成：Demucs 负责音轨分离、Qwen 系列大模型负责文本翻译与润色、VoxCPM2 负责语音合成与音色克隆，再通过 Gradio 网页界面串联成完整的”转录—翻译—配音—合成”流水线。工具支持批量模式一键生成多语言版本、保留原始说话人音色的克隆配音，还能配合 YouTube API 自动发布带本地化标题、描述与字幕的视频。对于出海内容创作者、字幕组与需要多语言分发的媒体团队来说，这是一个零 API 费用、数据不出本地的实用方案。

ZastTranslate的主要功能：

1. 完整翻译配音流水线：自动完成视频转录、翻译、语音合成与成片打包，输入一个视频链接或本地文件即可输出带配音与字幕的多语言版本；
2. VoxCPM2 音色克隆：基于 VoxCPM2（30 种语言、48kHz 输出）实现高质量配音，可克隆原始说话人的音色、情绪与语气，让译文听起来还是”同一个人”；
3. 批量多语言模式：一次操作同时生成多种目标语言版本，翻译环节 8 段并行处理，速度较逐段提升约 6 倍，并自动翻译视频标题与描述等元数据；
4. 交互式时间轴编辑器：双栏界面内置视频预览与字幕轨道，点击任意台词行即可跳转播放，可对单个分段调整文本与起止时间并单独重新合成，无需重跑整个视频；
5. 智能时长适配：内置覆盖 30 多种语言的每字符秒数（CPS）校准表，自动压缩或改写译文以匹配原视频节奏，并对被缩短的段落给出警告标记；
6. YouTube 一键发布：接入 YouTube API 后可自动推送本地化的标题、描述与字幕轨，直接完成多语言视频的海外分发。

如何使用ZastTranslate？

使用流程如下：

1. 从 GitHub 下载项目并安装依赖（需 NVIDIA GPU，VoxCPM2 约需 8GB 显存），或使用 Pinokio 一键启动器部署；
2. 启动 Gradio 网页界面，在导入页粘贴 YouTube 链接或上传本地视频/音频文件；
3. 选择源语言（可自动检测）与目标语言，按需勾选音色克隆；
4. 在时间轴编辑器中检查转录与翻译结果，必要时修正个别段落的文本和时间戳；
5. 点击合成生成配音成片，批量模式下可一次性输出多个语言版本，配合 YouTube API 可直接发布。

ZastTranslate的使用场景：

1. 出海内容创作：将中文视频批量翻译配音成英语、日语、西班牙语等多语言版本，借助 YouTube 发布功能直接触达海外观众；
2. 知识搬运与字幕组：将外语讲座、教程、播客快速本地化为中文配音，本地运行保证了处理敏感或未公开内容时的数据安全；
3. 多语言自媒体矩阵：一个团队用一个工作流同时运营多个语言频道，批量模式让每条内容一次性产出多个语种版本；
4. 无障碍与本地化：为课程、企业培训视频生成多语言配音与字幕，替代昂贵的人工翻译配音流程。

ZastTranslate：产品价格与版本

1. 完全免费开源：项目采用 MIT 协议在 GitHub 开放源码，无订阅、无 API 费用，底层 VoxCPM2 模型亦为 Apache-2.0 开源可商用；
2. 硬件成本：需自备 NVIDIA 显卡（建议 8GB 以上显存）本地运行，持续迭代中，当前为 Beta 1.06 版本，另有 Pinokio 一键安装包降低部署门槛。

ZastTranslate的常见问题解答：

ZastTranslate 需要联网或 API 密钥吗？

核心的转录、翻译与配音全部在本地模型上完成，无需 API 密钥；仅 YouTube 发布功能为可选项，需要用户自行配置 Google Cloud 的 client_secret.json。

配音能保留原视频说话人的声音吗？

可以，工具基于 VoxCPM2 的音色克隆能力，从原视频中提取干净的人声参考段进行克隆， Beta 1.03 起改用精准参考段提取策略以避免杂音和伪影。

不支持 GPU 能用吗？

不推荐，语音合成与翻译模型均依赖 CUDA 加速（要求 PyTorch 2.5+ 与 CUDA 12+），没有 NVIDIA 显卡的机器运行速度会非常慢甚至无法完成。

相关工具推荐

同方向的工具还有：HeyGen 提供商用的 AI 视频翻译与口型同步服务；视频翻译 汇总了在线视频翻译方案；音色克隆方向可参考 Voicv语音克隆 与 Reecho.ai AI语音克隆合成平台。

ZastTranslate官网网址：

ZastTranslate官网入口网址：https://github.com/zast57/ZastTranslate

OpenI AI时代点评

ZastTranslate 是”开源模型堆出生产力工具”的又一个好样本：Demucs 分离人声、Qwen 负责翻译、VoxCPM2 负责克隆配音，三件开源套件拼出了一条原本要花大价钱订阅 SaaS 才能拿到的流水线，而且数据全程不出本地。对做出海内容的个人创作者和中小团队，它几乎把多语言视频分发的边际成本压到了电费水平；代价是需要自己有一张够用的显卡并接受命令行级的部署体验。如果你正被多语言视频的制作成本卡住，这个 MIT 开源项目值得直接跑起来试试。