SubtitlePipeline（https://github.com/saaak/SubtitlePipeline） 是一个 Docker 部署的服务，指定媒体目录后全自动完成：扫描视频 → 提取音频 → WhisperX 语音识别 → LLM 翻译 → 生成 .srt 字幕。 自动为媒体库中的每个视频生成中文字幕，输出到视频同目录，同时支持配置生成的字幕文件名格式（影片.zh.srt 、影片.forced.zh.srt 等），这样就可以自动挂载到 Jellyfin / Emby / Plex 等流媒体服务器。
Docker Compose 启动
docker compose up --build -d
挂载目录
| 路径 |
用途 |
/data |
输入视频文件（你的媒体库目录） |
/output |
备用输出目录 |
/models |
WhisperX 模型存储 |
/config |
SQLite 数据库和配置 |
实测过程中使用了一个近 3 小时的视频，用的 whisper 的 small 模型。在 i5-12490f 下语音转文字跑了 20 分钟左右，剩下的翻译等步骤很快，总共用时 20 分钟多点。small 模型效果就那样吧，识别效果一般，不过基本上能看懂意思了。 有些大模型 API 会拦截 NSFW 内容的翻译，可以通过配置自定义 system prompt 解决。
最终的效果如下图所示，基本能看懂在讲啥
