架构设计
VideoCaptioner 的系统架构设计。
技术栈
- UI 框架: PyQt5 + QFluentWidgets
- ASR 引擎: Whisper (FasterWhisper/WhisperCpp)
- LLM 集成: OpenAI/DeepSeek/Gemini/Ollama 等
- 视频处理: FFmpeg
核心模块
1. ASR 模块 (app/core/asr/)
语音识别模块，支持多种 ASR 引擎。
2. 字幕处理模块 (app/core/split/, app/core/optimize/)
字幕分割和优化模块，使用 LLM 进行智能处理。
3. 翻译模块 (app/core/translate/)
字幕翻译模块，支持多种翻译服务。
4. UI 模块 (app/view/)
PyQt5 用户界面模块。
数据流
视频/音频 → ASR → ASRData → 分割 → 优化 → 翻译 → 字幕文件 → 视频合成详细架构说明请参考 CLAUDE.md 文件。
相关文档：