ywsj/audio-to-subtitle repository overview

⁠🎙️ ywsj-audio-to-subtitle

免费的音频转字幕工具，上传 MP3/WAV/M4A 等音频文件即可在线生成字幕。基于必剪（B站）和剪映（字节）的免费云端语音识别 API，无需任何 API Key，开箱即用。

⁠✨ 功能特性

• 🎵 多格式支持 — MP3 / WAV / M4A / FLAC / OGG / AAC 等，最大 200MB
• 🔍 免费语音识别 — 内置必剪（B站）和剪映（字节）两个引擎，无需配置
• ✏️ 在线编辑 — 识别完成后可逐条编辑字幕文本，修正错别字
• ➕ 增删行 — 可添加新字幕行或删除不需要的行
• 💾 多格式下载 — 支持 SRT / VTT / TXT 格式下载
• 📊 实时进度 — 上传、识别进度条 + 实时日志输出
• 🔐 登录认证 — 首次部署设置密码，密码 scrypt 加盐哈希存储
• 🛡️ 防暴力破解 — 同 IP 失败 5 次锁定 15 分钟
• 🐳 Docker 部署 — 支持 amd64 + arm64 双架构，GitHub Actions 自动构建发布
• 🎨 暗色 / 亮色主题切换

⁠🚀 快速部署

⁠Docker

docker run -d \
  --name audio-to-subtitle \
  -p 5210:5200 \
  -v ./data:/data \
  --restart always \
  ywsj/audio-to-subtitle:latest

⁠Docker Compose

services:
  audio-to-subtitle:
    image: ywsj/audio-to-subtitle:latest
    container_name: audio-to-subtitle
    ports:
      - "5210:5200"
    volumes:
      - ./data:/data
    restart: always

docker compose up -d

部署后访问 http://你的IP:5210，首次访问设置管理员账号密码。

⁠📖 使用方法

1. 上传音频文件 — 拖拽或点击上传音频文件
2. 选择引擎 — 必剪（B站）或剪映（字节），均为免费
3. 识别 — 点击开始识别，实时查看进度和日志
4. 在线编辑 — 点击字幕文本即可编辑，修正错别字
5. 下载 — 选择 SRT / VTT / TXT 格式下载

⁠引擎说明

⁠🛠️ 技术栈

• 后端 — Python / Flask / Gunicorn
• 前端 — 原生 HTML + CSS + JavaScript
• 音频处理 — pydub + ffmpeg
• 数据库 — SQLite（用户认证 + 识别历史）
• 部署 — Docker（多架构 amd64 + arm64）
• CI/CD — GitHub Actions 自动构建推送 Docker Hub + 创建 GitHub Release

⁠📂 项目结构

ywsj-audio-to-subtitle/
├── app.py              # Flask 主应用
├── asr_engine.py       # 语音识别引擎（必剪 + 剪映）
├── templates/
│   ├── index.html      # 主页面（上传 + 识别 + 编辑）
│   ├── setup.html      # 初始化设置密码
│   └── login.html      # 登录页
├── Dockerfile
├── docker-compose.yml
└── .github/workflows/
    └── docker-publish.yml

⁠🙏 致谢

• VideoCaptioner⁠ — 必剪/剪映 ASR 接口实现参考
• Flask⁠ — Web 框架
• pydub⁠ — 音频处理库

⁠☕ 请作者喝杯咖啡

如果这个项目对你有帮助，欢迎请作者喝杯咖啡 ☕️

⁠📄 License

MIT