経験からスキルを作成・改善し、多数のモデルプロバイダーに対応、CLIやメッセージアプリから利用できる自己改善型AIエージェント。
WEIFENG2333/VideoCaptioner
音声認識、字幕の分割・修正・翻訳、動画への字幕合成に対応した、LLM搭載のデスクトップ/CLIツール。
代替できる製品:Subtitle Edit
Aegisub
- スター
- 16,297
- フォーク
- 1,415
- 未解決の Issue
- 214
- 最終コミット
- 先月
これは何?
VideoCaptionerは、動画ファイルの字幕作成を一貫して処理します。音声を文字起こしし、読みやすい字幕行に分割して、LLMで表現を整え、翻訳したうえで字幕を動画に合成します。pipでインストールでき、コマンドラインツールとデスクトップGUIの両方を利用できます。
設定なしで使える処理も複数あります。文字起こしには無料の必剪・剪映エンジンを、翻訳にはBingまたはGoogleを利用できます。LLMによる最適化と翻訳には、OpenAI互換サービスのAPIキーが必要です。設定はGUI、CLI、環境変数から行えます。
Claude Codeのskillも提供されており、AIコーディングアシスタントから直接動画を処理できます。また、YouTubeやBilibiliなどのプラットフォームから動画をダウンロードし、処理の入力として使えます。
主な機能
- 01必剪や剪映など、複数のエンジンによる音声文字起こし(無料オプションあり)
- 02LLMによる字幕分割と校正
- 03LLM、Bing、Googleを使った字幕翻訳
- 04字幕をソフト字幕またはハード字幕として動画に合成
- 05文字起こし、最適化、翻訳、合成を連続して実行する一括処理コマンド
- 06階層的な設定に対応したデスクトップGUIとCLI
ユースケース
- 手作業で入力せずに動画の字幕を作成する
- 動画の字幕を別の言語に翻訳する
- コマンドラインから字幕ファイルを一括処理する
- Claude Code skillを介して、AIコーディングアシスタントに動画字幕の処理を任せる
クイックスタート
- 1
PyPIからCLIとGUIをインストールする
pip install videocaptioner - 2
デスクトップGUIを開く
videocaptioner-gui - 3
またはコマンドラインから動画を文字起こしする(無料、APIキー不要)
videocaptioner transcribe video.mp4 --asr bijian
使う前に知っておきたいこと
- 字幕の最適化やLLM翻訳などのLLMベースの機能には、OpenAI互換プロバイダーのAPIキーが必要です。
- GPL-3.0ライセンスのため、派生物もGPLの条件に従ってオープンソースにする必要があります。
トピック
よくある質問
- VideoCaptioner とは?
- 音声認識、字幕の分割・修正・翻訳、動画への字幕合成に対応した、LLM搭載のデスクトップ/CLIツール。 VideoCaptionerは、動画ファイルの字幕作成を一貫して処理します。音声を文字起こしし、読みやすい字幕行に分割して、LLMで表現を整え、翻訳したうえで字幕を動画に合成します。pipでインストールでき、コマンドラインツールとデスクトップGUIの両方を利用できます。
- VideoCaptioner は無料で使えますか?ライセンスは?
- VideoCaptioner は GPL-3.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- VideoCaptioner は今もメンテナンスされていますか?
- 半年以内に更新あり。VideoCaptioner の最終コミットは 2026年9月12日 です。
- VideoCaptioner は何に使えますか?
- 手作業で入力せずに動画の字幕を作成する 動画の字幕を別の言語に翻訳する コマンドラインから字幕ファイルを一括処理する Claude Code skillを介して、AIコーディングアシスタントに動画字幕の処理を任せる
- VideoCaptioner のインストール方法は?
- PyPIからCLIとGUIをインストールする: pip install videocaptioner デスクトップGUIを開く: videocaptioner-gui またはコマンドラインから動画を文字起こしする(無料、APIキー不要): videocaptioner transcribe video.mp4 --asr bijian
- VideoCaptioner はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/WEIFENG2333/VideoCaptioner
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
リポジトリ全体をLLMに渡しやすい1つのファイルにまとめる、CLIおよびWebツールです。
VS Code、JetBrains IDE、またはターミナルで動作し、500以上のモデルを利用できるオープンソースのAIコーディングエージェント。
Gitリポジトリやローカルディレクトリを、LLMにコードを渡しやすい単一のテキストダイジェストに変換します。
音声合成、ボイスクローン、Whisper文字起こし、YouTubeダウンロード、音声分離、吹き替え用翻訳を備えたWindows向けGradioアプリ。