项目概览
Indic Voice Pipeline 可从大量网站下载音视频，再用针对印度语言微调的 Whisper 模型或 Qwen3-ASR 进行转写、翻译和字幕生成，并输出 TXT、SRT 与 JSON。可选的 pyannote 说话人分离需要 Hugging Face 令牌；核心转写在本地完成，但模型下载和算力需求可能较高。
仓库事实
- 主要语言
- Python
- 许可证
- MIT
- 仓库更新时间
- 2026年2月15日
- 默认分支
- main
资源类型
通用技能
使用场景
媒体、音频与视频内容创作
运行平台
Claude Code、Codex 等
运行方式
本地运行
核心能力
音频处理语音转写翻译视频处理
适合人群
内容创作者