星译 · StarryVT

Name: StarryVT
Author: Ker0el

Easy Translate

一键部署，自动生成翻译和字幕
视频 → 中文字幕 → 中文配音 → 成片，视频不上传，只有文字会发往翻译和配音服务

📘 使用文档

📖 这是什么

星译（StarryVT，全称 Starry Video Translation）是一款免费的 Windows 视频翻译工具。导入一个视频文件、选择整个文件夹，或粘贴一条 YouTube / B 站链接，它会自动完成语音识别、AI 翻译、中文字幕生成、配音合成与字幕压制，一键生成可以直接发布的视频成片。

视频不上传。 人声分离、语音识别、字幕压制、成片合成都在本机完成；翻译和配音会联网，用你自己申请的 API Key 直接调用 DeepSeek 和小米 MiMo，发出去的是字幕文字，不是视频（开启云端音色复刻时会额外上传一小段参考音）。全程不经过作者的服务器，作者看不到你的视频，也看不到你的成品。

✨ 核心功能

🎬 一键生成翻译和字幕：自动完成语音识别、AI 翻译、中文字幕生成、中文配音与字幕压制。
🎨 字幕样式可调：字体（可以选自己电脑上的字体文件）、字号、字间距、描边粗细和描边颜色、字幕颜色、底部距离都能改，设置页里实时预览，点预览图可放大。还能开双语字幕，原文和中文一起显示。
🔒 隐私保护：视频文件不上传，识别与压制都在本机完成。翻译和配音只把字幕文字发给 DeepSeek 和小米 MiMo，用你自己的 API Key，不经过作者服务器。
🎙️ AI 配音与音色替换：为外语视频生成中文配音，也可为中文视频重新合成配音。
📝 字幕检查与编辑：翻译完成后暂停，双语对照检查译文，改完再继续配音和压制（默认关闭，可在设置里开启）。
🌏 多语言支持：支持英语、日语、韩语、俄语、德语等语言的视频翻译。
📦 批量处理：支持整个文件夹及子文件夹批量处理，单个任务失败不影响其他任务。
🔗 链接直接导入：支持 YouTube / B 站视频链接，自动获取视频信息并进行处理。
🤖 AI Agent 接入：通过 MCP 让 AI Agent 直接启动翻译、查询进度、取消任务（安装包 6.0 起内置，详见下文）。

还有一些在设置里

输入

视频、文件夹直接拖进窗口
合集或整个文件夹一键批量，逐条进度可见

翻译与配音

有创作者字幕就直接拿来翻，没有才走语音识别，更快也更准
小米 MiMo TTS，九种音色，支持一键试听

字幕样式

默认用随包的思源黑体 Light，不用自己装；也可以选自己电脑上的 .ttf / .otf / .ttc 字体文件
描边颜色可以自动（深色字幕配白边、浅色字幕配黑边），也可以自己选；整组样式能一键恢复默认
长行自动缩小字号，尽量保持一行
可选双语字幕：原文和中文各占一行，原文放上还是放下、原文字号多大都能调；开启后还会多导出一份 _双语.srt，方便对着原文人工校对
自定义字体由你自行提供，请确认你有权使用；随包的思源黑体是 OFL 许可，可商用
可选本地语音克隆：用原视频里的人声念中文，不联网、不要 Key
原声音量滑杆，0% 是纯中文，默认保留一点背景音，音乐和音效不丢
视频里的专有名词会记进本机术语库，同一个系列的下一条更准
可选「联网查证」与「视频语境纠错」，专业内容更稳

使用

一键初始化，缺什么自己装，一项一项过给你看
内置 FFmpeg 与 yt-dlp，不用自己装
背景壁纸默认是随包那条视频，也能换成随机图源、切成静态图，喜欢的可以收藏
启动时检查新版本，一键升级（更新包从 GitHub 下载，国内网络可能需要代理）
崩溃和错误自动落盘，一键导出诊断报告（不含你的 API Key）

🚀 快速开始

① 下载安装
到 Releases 下载最新的 StarryVT-Setup_v*.exe 双击安装。
免管理员权限，装哪个盘自己选。

② 一键初始化
打开软件，主页点【一键初始化】。翻译引擎本体已经随安装包带好，这一步会把引擎运行环境和三个模型权重一次下齐，
约 6 GB 下载、装完占约 12 GB，带进度带校验。下载一次永久复用，重装软件也不用重下。

③ 填 API Key
左侧【设置】里每栏都有「去申请」和「测试」按钮，点一下就知道通没通。
DeepSeek 是翻译主力，必填；
小米 MiMo 配音用（目前限时免费）。
费用直接跟服务商结算，不经过作者。

④ 开始翻译
选视频或贴链接，点【开始翻译】。第一次翻译不会再下模型（初始化时已经下齐）。

📘 图文使用文档：星译使用文档（腾讯文档）

🤖 MCP 接入（AI Agent 调用）

星译可以把翻译能力通过 MCP 暴露给 AI Agent，让它直接启动翻译、查看进度、取消任务、查询术语库。MCP 服务和界面共用同一套设置、API Key、引擎与输出目录。

当前状态：MCP 服务已内置在 6.0 及更高版本的安装包里，安装版用户不需要安装 Python 或 mcp SDK，只需要配置 MCP 客户端。

支持的客户端

只要客户端支持本地 stdio MCP，就能接。下面是已经确认有 MCP 入口的客户端：

客户端	支持情况	怎么加
Claude Code	✅	`claude mcp add ...`，见下
DeepSeek Harness（DSH）	✅	在 DSH 的 MCP 配置里加 stdio server
Codex CLI	✅	`~/.codex/config.toml` 里加 `[mcp_servers.starryvt]`
Cursor	✅	Settings → MCP → Add new MCP server，选 stdio
Trae	✅	设置 → MCP → 手动添加
WorkBuddy（腾讯）	✅	设置 → MCP → 添加 stdio server
豆包工作	✅	连接器里选本地 STDIO；只收 HTTP 的版本用下面的本地 HTTP 模式
Claude Desktop / 其它 MCP 客户端	✅	填 command + args，或对应的 stdio 配置

DeepSeek 和豆包要用它们的 Agent/工作版：DeepSeek Harness（DSH）、豆包工作。普通的聊天 App 没有自定义 MCP 入口。

支持本地 stdio 的客户端直接按下面的配置接；只收 HTTP 的客户端用「本地 HTTP 模式」。

通用配置

大多数客户端用同一份 JSON，填到它的 MCP 配置里：

{
  "mcpServers": {
    "starryvt": {
      "command": "<星译安装目录>\\backend\\StarryVT.exe",
      "args": ["--mcp"]
    }
  }
}

默认安装目录是 %LOCALAPPDATA%\Programs\StarryVT，装到别的盘就换成实际路径。

Claude Code

claude mcp add --transport stdio starryvt -- "<星译安装目录>\backend\StarryVT.exe" --mcp

Codex CLI

在 C:\Users\<你的用户名>\.codex\config.toml 里加：

[mcp_servers.starryvt]
command = "<星译安装目录>\\backend\\StarryVT.exe"
args = ["--mcp"]

不同版本的 Codex 也可以试 codex mcp add，以 codex mcp add --help 为准。

本地 HTTP 模式

有些客户端只收 HTTP / Streamable HTTP，不接受本地 stdio。这时先启动星译的本地 HTTP 模式：

"<星译安装目录>\backend\StarryVT.exe" --mcp-http

然后在客户端的 MCP / 连接器里填：

传输类型：HTTP 或 Streamable HTTP
服务器 URL：http://127.0.0.1:24139/mcp

HTTP 服务只监听 127.0.0.1，不会暴露到局域网。这个窗口要一直开着，关掉后 Agent 就调不动星译了。

检查是否连上：

Claude Code：claude mcp list
其它客户端：MCP 列表里出现 starryvt，或直接问 Agent「你有哪些星译工具」。

怎么用

装好后直接对 Agent 说人话即可，例如：

「用星译把 D:\videos\demo.mp4 翻成中文，出成片。」
「只出字幕，不要配音。」
「查一下刚才那个任务的进度。」
「取消任务。」
「在术语库里查一下 MCP。」

Agent 会调用 starryvt_translate 启动任务，拿到 job_id 后用 starryvt_status 轮询，或用 starryvt_wait 等待完成；取消用 starryvt_cancel，查术语库用 starryvt_knowledge_search，环境检查用 starryvt_env，标题和背景信息用 starryvt_probe。

注意事项

第一次使用仍要先在星译界面点【一键初始化】，并在设置里填好 API Key；MCP 不会代替这一步。
任务使用你自己的 API Key，可能产生费用。
一次只跑一个任务；MCP 服务器要在 Agent 会话期间保持运行。
目前支持本机 stdio 和本地 HTTP（只监听 127.0.0.1），不开放公网访问。

🎯 适用场景

外语教程、技术课程与知识视频翻译
中文教程翻译成英文，给海外观众学习，受众更多
YouTube / B 站视频本地化
中文视频的音色替换与配音重制
大批量视频翻译与处理

🔑 环境要求

项目	要求
系统	Windows 10 / 11 x64
显卡	建议 NVIDIA RTX 20 系以上、显存 ≥4 GB；纯 CPU 也能跑，慢一些
磁盘	≥ 20 GB（引擎与模型约 12 GB + 下载缓存约 5 GB）；本地语音克隆再 +15 GB
DeepSeek API Key	翻译主力，必填
小米 MiMo API Key	配音用（限时免费）
MCP 客户端（可选）	Claude Code / DeepSeek Harness / Codex / Cursor / Trae / WorkBuddy / 豆包工作等；支持本地 stdio 或本地 HTTP MCP 即可，只在用 AI Agent 调用时需要
网络代理	下载 YouTube 和从 GitHub 检查更新时可能需要，填本机代理地址如 `http://127.0.0.1:7897`；B 站、翻译、配音不需要

语音克隆和各种缓存默认跟软件放在一起（<安装目录>\data）；之前装过的会继续用原来的 %LOCALAPPDATA%\StarryVT。想换到别的盘：设置 → 输出 → 数据目录，选好之后会先把已经下好的数据搬过去。

🌏 支持的语言

英语 / 日语 / 韩语 / 俄语 / 德语 译成中文
中文 → 英语：中文语音识别 → DeepSeek 翻英文 → MiMo 英文配音，支持原声克隆。英文配音建议选 Mia / Chloe / Milo / Dean
中文（换音色重配）：把中文语音用所选音色重新朗读一遍

📁 输出在哪

成品默认存在原视频旁边。本地视频或文件夹输入时，在它所在目录下建一个 output\：
视频在 E:\教程\，成品就在 E:\教程\output\。

链接下载没有本地来源，落在软件目录下的 output\；设置里填了「输出目录」则一律以设置为准。

单个视频一个文件夹，里面是原片、封面、中文字幕、配音版，以及带中文配音和烧录字幕的
_final.mp4 成片。批量翻译时每个视频一个子文件夹。

那个 tts_cache 文件夹是什么？

AI 配音的逐句音频缓存。重跑同一个视频会秒级复用，不用重新合成配音；确认成片没问题后可以删掉。

❓ 常见问题

首次为什么要下载这么多东西？

一键初始化（约 6 GB 下载 / 约 12 GB 磁盘）：翻译引擎本体已随安装包带好；这一步下载的是
引擎运行环境（Python + CUDA 版 torch，约 2.6 GB）和三个模型权重，人声分离、语音识别、第二模型校验（约 3.7 GB）。
这是一辈子一次的，装好后重装软件也不用重下。
本地语音克隆（可选，约 15 GB）：在设置里手动点，不用就永远不用下。

初始化时一次下齐，是为了避免「第一次翻译时才悄悄下载」：那个过程没有进度、
下断了也不报错。

没有代理能用吗？

能，而且绝大部分功能都不需要代理：翻译（DeepSeek）、配音（MiMo）、语音识别、
字幕烧录、本地语音克隆、下载 B 站链接，全都可用。

只有下载 YouTube 链接，以及从 GitHub 检查更新，国内网络可能需要代理；B 站不需要。

可以只要字幕，不要配音吗？

可以。设置 → 翻译与配音 → 默认输出里选「只出字幕」，只会导出一份 SRT；想保留原声、只把字幕烧进视频，选「只加字幕（保留原声）」；选「只出配音」则只生成配音文件；选「下载视频」则只把视频下载到输出目录，不翻译也不配音。

背景原声怎么处理？

设置里的「原声音量」滑杆控制。0% 是纯中文，15%（默认）会保留一点背景音，音乐和音效不丢。

翻译准确吗？

由 AI 自动生成，可能存在错误，请务必自行核对后再使用，详见使用条款。
专业术语多的内容，软件会按视频标题自动认领域并把相关术语带进提示词，通常不用手填；
翻过的专有名词还会留在本机术语库里，同一个系列越翻越准。

背景壁纸是哪来的？

随包那条默认视频背景由 B 站「星雨布丁」授权使用（软件内「关于」页有署名，点一下能到原片）。

其余壁纸来自第三方公开图源，在你本机实时获取、缓存在本地，软件不转存也不再分发；
图片版权归原作者，请勿用于商业用途。不想用可在「设置 → 外观」里换掉。

出错了怎么办？

设置里点【导出诊断报告】，把生成的 zip 发给作者。软件会自动记录完整堆栈与环境信息，
不含你的 API Key。

📦 源码

源码在本仓库：Ker0el/StarryVT，以 GPL-3.0 开源。
构建方法见 BUILDING.md。

安装包里随附的默认视频背景、鼠标光标主题等素材不在源码仓库内；
它们涉及第三方授权或个人信息，构建时请使用自己的素材或留空。

📄 许可与声明

本软件以 GPL-3.0 开源，源码见本仓库根目录 LICENSE；界面基于 Windows App SDK（WinUI 3）。随包分发的第三方组件与外部程序
（FFmpeg / yt-dlp / CTranslate2 等）的许可证原文与源码地址见 THIRD_PARTY_LICENSES.md 与安装目录下的 licenses\；
引擎运行时文件由翻译引擎从上游 GitHub 下载，本软件不镜像、不分发
FFmpeg 选用 LGPL 构建（不含 GPL 部分），按 LGPL 要求附许可证原文，并允许用户自行替换 bin\ 下的文件
翻译引擎 finesub（GPL-3.0-or-later）以 PyPI 上未修改的纯 Python wheel 随安装包分发，
wheel 内含完整源码；运行时环境和模型由引擎在首次使用时从上游下载
链接导入仅用于个人学习、翻译与本地观看；作者标注「禁止转载」的作品请勿转载、二次上传或商用
使用条款见 TERMS.md。AI 生成结果仅供参考，请自行核对

🙏 致谢

感谢以下开源项目：

项目	在这里做什么
finesub	翻译引擎，整条流水线的主干
FFmpeg	音视频处理与字幕烧录
yt-dlp	下载 YouTube / B 站视频
faster-whisper / Whisper	没有官方字幕时的语音识别
CTranslate2	识别与翻译的推理加速
Qwen3-ASR	语音识别模型（第二模型复核）
UVR / BS-Roformer	人声与伴奏分离（模型来自 UVR，架构代码来自 lucidrains）
Git for Windows	引擎运行时需要的 git（MinGit 由引擎从上游下载）
IndexTTS	本地语音克隆
Model Context Protocol Python SDK	AI Agent 接入（MCP）
思源黑体 / Noto Sans SC	随包的字幕字体（OFL-1.1，Light 静态实例）
Windows App SDK / .NET	界面

翻译、配音和语音识别实际用到的模型与渠道：

环节	模型	渠道
翻译	deepseek-flash（失败时自动切 deepseek-v4-pro）	DeepSeek 官方 API
配音	mimo-v2.5-tts / mimo-v2.5-tts-voiceclone	小米 MiMo 官方 API
本地语音克隆	IndexTTS-2.5	在本机运行
语音识别	faster-whisper large-v3-turbo	在本机运行
第二模型复核	Qwen3-ASR 0.6B	在本机运行

配音的音色来自小米 MiMo。
随包那条默认视频背景来自 B 站 星雨布丁（已获授权）。\

画师：梅原生
动效：Ieno伊诺_Official

「关于」页的版式与入场动效参考自 DreamTranslatePO。

💬 联系作者

反馈问题、提建议、定制需求都欢迎，微信：Star0xcc

English

StarryVT (星译), short for Starry Video Translation, is a free video translation tool for Windows.
Give it a video file, a folder, or a YouTube / Bilibili link, and one click produces
translated Chinese subtitles and a Chinese dub, all the way to a finished MP4:
speech recognition → AI translation into Chinese → Chinese AI dubbing →
burned-in subtitles → final MP4.

Your video is never uploaded. Speech recognition, subtitle burning and muxing run on
your own machine; translation and TTS call DeepSeek / Xiaomi MiMo with your own API keys.
Only subtitle text leaves your computer, plus a short voice sample if you enable cloud voice
cloning.

Language directions: English / Japanese / Korean / Russian / German → Chinese, and Chinese → English (Chinese ASR + DeepSeek translation + English TTS)
One-click setup: the runtime and models are downloaded automatically, no Python / CUDA / FFmpeg setup
Modern WinUI 3 interface, dark by default
Input: single files, whole folders, YouTube / Bilibili links, batch queues
MCP server for AI agents (Claude Code / DeepSeek Harness / Codex / Cursor / Trae / WorkBuddy / Doubao Work): start translations, check progress, cancel jobs
Requires: Windows 10/11 x64, ~20 GB disk, an NVIDIA GPU recommended (CPU works, slower)
The app's UI is in Chinese
Source code: github.com/Ker0el/StarryVT, licensed under GPL-3.0