视频智能体

VideoAgent 作品介绍
视频本地化智能工作台

VideoAgent 是一款基于 PySide6 的 Windows 桌面应用，面向视频内容本地化场景，实现「视频下载 → 语音识别 → 字幕翻译 → 重新配音 → 成片导出」的端到端自动化。用户在界面粘贴链接或选择本地 MP4 即可发起任务，全程无需编写代码。

核心技术能力

多引擎语音识别：内置 SenseVoice、Whisper、sherpa-onnx 三套本地 ASR，同时支持火山引擎豆包、阿里百炼、腾讯云、讯飞、Azure 等五家云端服务，可按场景在离线与在线之间自由切换
大语言模型改写：接入主流 LLM 完成字幕翻译与风格化改写，支持简洁、学术、二次元等多套预设
多音色语音合成：集成 CosyVoice 本地克隆与多平台云端 TTS，支持语速、音调、音量三维调节
本地 Demucs 人声分离：可选开启，在识别前自动分离人声与背景声，显著提升音乐背景下字幕准确率；分离失败时显式报错，绝不静默回落原始音轨
工程亮点

完全离线的私有化部署：本地模型全部打包进安装包，用户可在无网络环境完成全流程，零 API 费用
全链路凭证安全：API Key 统一托管于 Windows 凭据管理器，设置文件仅保留 provider 标识与模型路径，不落盘明文密钥
断点续传与幂等设计：每个处理阶段独立检查点持久化，暂停或异常中断后可从断点恢复，不重复消耗算力
弹性部署形态：提供 NSIS 安装器与免安装便携版两种分发方式，主包 3.2 GB，GPU 加速能力按需通过独立扩展包提供
质量保障体系：配套 12 项端到端冒烟测试与运行时自检脚本，覆盖模型加载、时长校验、异常降级等关键路径
VideoAgent 兼具工程可靠性与交付完整度，适用于视频搬运、多语种本地化、无障碍字幕生成等实际生产需求。