xiaohu-video-translate：把外語影片變成中文字幕與文稿

如果你想把外語影片翻譯成中文字幕，xiaohu-video-translate 可以讓支援 Skills 的 AI 工具串接影片讀取，語音轉文字，翻譯，字幕潤色與燒錄，最後輸出中文字幕影片與 Markdown 文稿。

它的優勢不是發明新的翻譯模型，而是把原本分散的工具接成一條可重複工作流。

影片翻譯 Skill 一次可以完成什麼

輸入可以是影片 URL，也可以是本機檔案。依需求不同，你可以只取得逐字稿，也可以完成整條翻譯流程。

上游將流程拆成 xiaohu-video-md，subtitle-polish 與 video-download 三個 Skills。這讓你可以只做轉錄，不一定每次都重新下載或重新燒字幕。

macOS，Windows 與 Linux 的差別

這個專案主要在 Mac 上調校，尤其適合 Apple Silicon。macOS 可以使用 MLX Whisper，首次下載的模型約 1.5 GB。

Windows 最省事的方式是 WSL2 加 Ubuntu，再依 Linux 路徑安裝 ffmpeg，yt-dlp 與 faster-whisper。

若要在原生 Windows 執行，有三個差異需要處理：

  1. 轉錄引擎要使用 faster-whisper，不能使用只支援 Apple Silicon 的 MLX。
  2. install.sh 需要 Git Bash，或由你手動複製三個 Skill 資料夾與 config。
  3. 字幕燒錄字體要從 PingFang SC 改成 Microsoft YaHei，否則中文可能顯示成方塊。

Linux 也需要換成系統中實際存在的中文字體，例如 Noto Sans CJK。

本機轉錄不等於完全離線

語音轉錄可以在本機完成，因此這部分不一定需要按分鐘付 API 費用。不過字幕翻譯會使用你目前的 AI Agent。若 Agent 連接雲端模型，字幕內容仍可能送往第三方服務。

另外，從 YouTube 或抖音取得影片時，可能需要瀏覽器 cookies，登入狀態或代理。抖音的登入狀態依官方說明保留在本機，但你仍應把 config 與登入資料視為敏感資訊，不能提交到公開 repository。

建議使用流程

  1. 先確認你有權下載，翻譯與再發布影片。
  2. 用一段短影片測試下載與轉錄。
  3. 先人工校對原文 transcript，再進行翻譯。
  4. 建立專有名詞表，固定人名，產品名與技術名詞。
  5. 燒錄前檢查每行長度，斷句與時間點。
  6. 保留原始影片，字幕檔與 Markdown，避免只有不可逆的燒錄版本。

限制與風險

Whisper 會受到背景音樂，重口音與多人同時說話影響。自動翻譯也可能把專有名詞翻錯。YouTube，抖音與其他平台的下載方式會隨政策與反爬機制變動。

更重要的是，工具能下載不代表你有權使用。處理第三方影片前，仍需確認著作權，授權範圍與平台條款。

來源與授權

官方 GitHub 目前沒有提供 Release 套件。Windows 最省事的安裝路徑是 WSL2；原生 Windows 需改用 faster-whisper，並把燒錄字體換成 Microsoft YaHei 等本機中文字體。