面向人类与 AI Agent 的视频翻译与配音工具（含技能集）

English｜简体中文｜日本語｜한국어｜Tiếng Việt｜Français｜Deutsch｜Español｜Português｜Русский｜اللغة العربية

项目介绍 (v2.0 版本已发布，支持 Agent)

快速开始

KrillinAI 是由 Krillin AI 团队开发的一款多功能音视频本地化与增强解决方案，专为人类用户和 AI Agent 设计。该工具涵盖了视频下载、语音转写、字幕翻译、TTS 配音、人像转换及封面生成等全链路流程，支持横屏与竖屏格式，确保在各大平台（哔哩哔哩、小红书、抖音、微信视频号、快手、YouTube、TikTok 等）上均有完美的展示效果。人类用户可通过客户端一键完成端到端的视频本地化；每项功能均可通过 CLI 独立调用；AI Agent 可根据需求编排单阶段或多阶段任务，灵活构建自动化工作流。

新特性

🤖 CLI 支持：提供分阶段的命令行接口，各阶段独立执行并输出结构化结果，支持跨阶段的数据复用。

🧩 技能集 (Skills Collection)：skills/ 目录提供各阶段的标准化技能，供 AI Agent 直接按契约调用，无需解析繁杂的 CLI 文档。

🔗 流水线编排：支持在单条命令中串联多个阶段，实现从下载到渲染的全自动化处理。

🖼️ 封面生成：根据原始视频缩略图和提示词模板，自动生成平台适配的封面图片。

核心功能与亮点

📥 视频获取：支持 yt-dlp 下载或本地文件上传

📜 精准识别：基于 Whisper 的高精度语音识别

🧠 智能分段：利用 LLM 进行字幕切分与对齐

🔄 术语替换：一键替换专业领域词汇

🌍 专业翻译：结合上下文的 LLM 翻译，保持语义自然

🎙️ 语音克隆：提供 CosyVoice 预设音色，或支持自定义语音克隆

🎬 视频合成：自动处理横屏/竖屏视频及字幕布局

💻 跨平台支持：支持 Windows、Linux、macOS，提供桌面端、服务端及 CLI 模式

效果演示

下图展示了在导入一个 46 分钟的本地视频后，一键执行生成的字幕文件效果，无需任何手动调整。字幕无遗漏、无重叠，分段自然，翻译质量极高。

字幕翻译

---

https://github.com/user-attachments/assets/bba1ac0a-fe6b-4947-b58d-ba99306d0339

配音

---

https://github.com/user-attachments/assets/0b32fad3-c3ad-4b6a-abf0-0865f0dd2385

人像模式 (竖屏)

---

https://github.com/user-attachments/assets/c2c7b528-0ef8-4ba9-b8ac-f9f92f6d4e71

🔍 支持的语音识别服务

下表中的所有本地模型均支持可执行文件 + 模型文件的自动安装；您只需选择，Klic 会为您准备好一切。

服务来源	支持平台	模型选项	本地/云端	备注
OpenAI Whisper	全平台	-	云端	速度快，效果好
FasterWhisper	Windows/Linux	tiny/medium/large-v2 (推荐 medium+)	本地	速度更快，无云端服务成本
WhisperKit	macOS (仅 M 系列芯片)	large-v2	本地	针对 Apple 芯片原生优化
WhisperCpp	全平台	large-v2	本地	支持全平台
阿里云 ASR	全平台	-	云端	-