import os from dataclasses import dataclass, asdict from typing import Optional, Union from pathlib import Path @dataclass class InputFile: name: Union[os.PathLike,str]=None dirname:Union[os.PathLike,str]=None basename:str=None noextname:str=None ext:str=None uuid:str=None target_dir:Optional[str]=None def __getitem__(self, key): return getattr(self, key) def __setitem__(self, key, value): return setattr(self, key, value) # 处理：dataclass_obj | dict_obj def __or__(self, other): if isinstance(other, dict): return asdict(self) | other return NotImplemented # 处理：dict_obj | dataclass_obj def __ror__(self, other): if isinstance(other, dict): return other | asdict(self) return NotImplemented def get(self, key,default=None): return getattr(self,key,default) @dataclass class SignMsg: type:str="logs" uuid:str="" text:str="" def __getitem__(self, key): return getattr(self, key) def __setitem__(self, key, value): return setattr(self, key, value) def get(self, key,default=None): return getattr(self,key,default) # 应该在结束状态 def is_stop(self): return self.type in ['end','stop','succeed','error'] def is_error(self): return self.type == 'error' @dataclass class SrtItem: text: str = "" start_time: Union[int,float] = 0 end_time: Union[int,float] = 0 startraw: str = '' endraw: str = '' line: Optional[int] = 1 time: Optional[str] = "" spk: Optional[str] = ""#说话人id filename: Optional[str] = ""#对应音频片段 def __getitem__(self, key): return getattr(self, key) def __setitem__(self, key, value): return setattr(self, key, value) def get(self, key,default=None): return getattr(self,key,default) def items(self): _names=("line","time","start_time","end_time","startraw","endraw","text","spk","filename") for k in _names: yield k,getattr(self,k) def __iter__(self): _names=("line","time","start_time","end_time","startraw","endraw","text","spk","filename") return iter(_names) # 视频翻译流程使用全部属性 @dataclass class TaskCfgBase: # 通用区域 uuid: str = None # 默认唯一任务id name: Union[os.PathLike,str]=None # 规范化处理的原始文件绝对路径 D:/XXX/1.MP4 dirname: Union[os.PathLike,str]=None # 原始文件所在目录 D:/XXX noextname: str = None # 去掉扩展名的原始视频名 basename: str = None # noextname + ext 名 1.mp4 ext: str = None # 扩展名 mp4 target_dir: str = None # 输出文件夹，目标视频输出文件夹 cache_folder: str = None # 当前文件的临时文件夹,用于存放临时过程文件 is_cuda: bool = False # 是否使用cuda加速 source_language: str = None # 原始语言名称或代码 source_language_code: str = None # 原始语言代码 source_sub: Union[os.PathLike,str]=None # 原始字幕文件绝对路径 source_wav: Union[os.PathLike,str]=None # 原始语言音频，存在于临时文件夹下 source_wav_output: Union[os.PathLike,str]=None # 原始语言音频输出，存在于目标文件夹下 target_language: str = None # 目标语言名称或代码 target_language_code: str = None # 目标语言代码 target_sub: Union[os.PathLike,str]=None # 目标字幕文件绝对路径 target_wav: Union[os.PathLike,str]=None # 目标语言音频，存在于临时文件夹下 target_wav_output: Union[os.PathLike,str]=None # 目标语言音频输出，存在于目标文件夹下 # 语音识别 @dataclass class TaskCfgSTT(TaskCfgBase): ####### 语音识别相关 detect_language: str = None # 字幕检测语言代码 recogn_type: int = None # 语音识别渠道 model_name: str = None # 模型名字 shibie_audio: Union[os.PathLike,str]=None # 转为 pcm_s16le 16k 作为语音识别的音频文件 remove_noise: bool = False # 是否移除噪声 enable_diariz: bool = False # 是否进行说话人识别 nums_diariz: int = 0 # 是否进行说话人识别 rephrase: int = 0 # 0 默认断句不处理 1=LLM重新断句 fix_punc: int = 0 # 0=默认，1=恢复标点符号，2=移除所有标点 # 配音 @dataclass class TaskCfgTTS(TaskCfgBase): ######## 配音相关 tts_type: int = None # 语音合成渠道 volume: str = "+0%" # 音量 pitch: str = "+0Hz" # 音调 voice_rate: str = "+0%" # 语速 voice_role: str = None # 配音角色 voice_autorate: bool = False # 是否音频自动加速 video_autorate: bool = False # 是否视频自动慢速 remove_silent_mid: bool = False # 是否移除字幕间的空隙 align_sub_audio: bool = True # 是否强制对齐字幕和声音 # 字幕翻译 @dataclass class TaskCfgSTS(TaskCfgBase): ######## 字幕翻译相关 translate_type: int = None # 字幕翻译渠道 # 视频翻译所有 @dataclass class TaskCfgVTT(TaskCfgSTT, TaskCfgTTS, TaskCfgSTS): ############## 视频翻译特有 subtitle_language: str = None # 软字幕嵌入语言代码，3位 app_mode: str = "biaozhun" # 工作模式 biaohzun tiqu subtitles: str = "" # 已存在的字幕文本，例如预先导入的 targetdir_mp4: Union[os.PathLike,str]=None # 最终输出合成后的mp4 novoice_mp4: Union[os.PathLike,str]=None # 从原始视频分离出的无声视频 is_separate: bool = False # 是否进行人声、背景音分离 embed_bgm: bool = True # 是否需要重新嵌入背景音 instrument: Union[os.PathLike,str]=None # 分离出的背景音频 vocal: Union[os.PathLike,str]=None # 分离出的人声音频 clear_cache: bool = False # 是否清理已存在的文件 background_music: Union[os.PathLike,str]=None # 手动添加的背景音频，整理后的完整路径 subtitle_type: int = 0 # 软硬字幕嵌入类型 0=不嵌入，1=硬字幕，2=软字幕，3=双硬，4=双软 only_out_mp4: bool = False # 是否仅仅输出mp4,仅视频翻译使用 recogn2pass: bool = False # 对配音音频再次识别 output_srt: int = 0 # 转录并翻译 模式输出字幕类似，0=单字幕，1=目标语言在线双字幕，2=目标语言在上双字幕 copysrt_rawvideo: bool = False # 是否将生成的字幕复制到视频目录下 loop_backaudio: int = 0 # 循环背景音 或 延长拉伸背景音 backaudio_volume: float = 0.8 # 背景音量 batch:bool=False# 批量翻译模式或单视频翻译模式 batch_size:int=0#0批量并发模式，>0 每批n个 def __repr__(self): _msg=[] from videotrans.recognition import ALLOW_CHANGE_MODEL from videotrans.util.tools import get_recogn_type,get_tanslate_type,get_tts_type from videotrans.configure.config import tr,settings isTrue={True:"已选",False:"未选"} _duanjus=["默认断句","LLM重新断句"] _subtitles=[ tr('nosubtitle'), tr('embedsubtitle'), tr('softsubtitle'), tr('embedsubtitle2'), tr('softsubtitle2') ] _outs=["单字幕","目标语言在下双字幕","目标语言在上双字幕"] _loops=["循环播放","拉长(降速播放)"] if self.app_mode=="tiqu": _msg.append(f"[TaskCfgVTT]当前工作模式: 转录并翻译字幕") else: _msg.append(f'[TaskCfgVTT]当前工作模式: 翻译视频或音频 {"批量翻译模式" if self.batch else "单视频模式"}' + (f" 每批{self.batch_size}个" if self.batch and self.batch_size>0 else "") ) _msg.append(f'原始输入文件名: {self.name}, \n输出结果保存到文件夹: {self.target_dir},\n临时文件夹: {self.cache_folder}') _msg.append(f'{isTrue[self.clear_cache]} 清理已存在') _msg.append(f'{isTrue[self.is_cuda]} 启用CUDA加速') _msg.append(f'{isTrue[self.remove_noise]} 降噪') if self.enable_diariz: _msg.append(f'已选 识别说话人，最大说话人数量{"不限制" if self.nums_diariz<1 else self.nums_diariz+1}') if self.fix_punc>0: _msg.append(f'{"已选 恢复标点符号" if self.fix_punc==1 else "已选 删除所有标点符号"}') _msg.append(f"{tr('Speech Recognit')}:{get_recogn_type(self.recogn_type)}, model_name: {self.model_name if self.recogn_type in ALLOW_CHANGE_MODEL else ''}, 发音语言: {self.source_language}, 断句方式:{_duanjus[self.rephrase]}") if self.target_language in [None,'No','-'] or self.source_language==self.target_language: _msg.append(f'{"发音语言和目标语言相同" if self.source_language==self.target_language else "未选 目标语言"}，不翻译字幕') else: _msg.append(f"{tr('Translate channel')}:{get_tanslate_type(self.translate_type)},原始语言:{self.source_language},目标语言:{self.target_language}, {isTrue[settings['aisendsrt']]} {tr('Send SRT')}") if self.app_mode=='tiqu': if self.copysrt_rawvideo: _msg.append('已选 将生成的字幕复制到视频目录下') _msg.append(f"{tr('Subtitle format:')}: {_outs[self.output_srt]}") else: if self.voice_role in [None,'No']: _msg.append('未选 配音角色，不进行配音') else: _msg.append(f"{tr('Dubbing channel')}:{get_tts_type(self.tts_type)}, 角色:{self.voice_role}, 配音语言:{self.target_language}, {isTrue[self.recogn2pass]} 二次语音识别") if self.recogn2pass and self.subtitle_type>2: _msg.append('\t[已选中 二次语音识别，但不会生效，因已选择 嵌入双字幕，需保证原始和目标字幕时间轴一致，而二次语音识别会重新生成时间轴不同的目标字幕]') _msg.append(f'音量:{self.volume}, 语速:{self.voice_rate}, {isTrue[self.voice_autorate]} 音频加速, {isTrue[self.video_autorate]} 视频慢速') if not self.voice_autorate and not self.video_autorate: _msg.append(f'{isTrue[self.remove_silent_mid]} 移除字幕间空隙, {isTrue[self.align_sub_audio]} 强制对齐字幕和声音') _msg.append(f'字幕: {_subtitles[self.subtitle_type]} {_outs[self.output_srt] if self.subtitle_type >2 else ""}') _vocal_exists=self.vocal and Path(self.vocal).exists() _instr_exists=self.instrument and Path(self.instrument).exists() if self.is_separate or self.background_music or _vocal_exists or _instr_exists: _str=f"{isTrue[self.is_separate]} 分离人声与背景声" if self.embed_bgm: _str+=f', 已选 重新嵌入背景声, 背景音量{self.backaudio_volume}, 背景声音时长 短于 视频时长时: {_loops[self.loop_backaudio]}' if self.background_music: _str+=f', 手动添加了背景音频:{self.background_music}\n' if _vocal_exists: _str+=',存在分离后的纯净人声文件' if _instr_exists: _str+=',存在分离后的背景声音文件' _msg.append(_str) if self.only_out_mp4: _msg.append('已选 仅输出mp4') _msg.append(f'代理地址:{settings.get("proxy")}') return "\n".join(_msg)