Subtitle LLM：基于大语言模型的字幕翻译工具

Subtitle LLM 是由 al123xiaaaa 开发并于 2026年6月4日在 GitHub 发布的命令行工具，利用大语言模型翻译 .srt 字幕文件。其核心优势包括支持双语字幕生成、上下文感知翻译及翻译质量自动诊断，旨在解决专业字幕翻译中的痛点。项目原始链接：https://github.com/al123xiaaaa/subtitle_llm

字幕翻译与普通文本翻译存在显著差异，需在保持时间轴同步的前提下处理口语化表达、技术术语及文化差异等问题。传统机器翻译难以准确应对这些场景，人工翻译则耗时费力。subtitle_llm 项目尝试借助大语言模型的上下文理解能力，提供更智能的字幕翻译方案

Subtitle LLM 支持多种输入格式：SRT 字幕文件、词级转录 JSON 文件及视频 URL。其核心特性包括：

1. 上下文感知翻译，确保术语一致性；
2. 字幕块并行处理，提升效率；
3. 保留字幕时间轴与格式；
4. 内置质量保障机制；
5. 支持多种 LLM 提供商及自定义配置

翻译流程分为四个阶段：

1. 上下文生成：生成视频主题、字幕摘要及不可翻译术语列表；
2. 分块处理：将字幕分块并行处理；
3. 迭代精炼：初步翻译→结合上下文精炼→质量诊断→对可疑块重译或 TUI 审查；
4. 合并输出：生成双语 .srt 文件

质量诊断机制包含两类：

• 可观测失败检测：识别缺失行、占位符残留、异常长度、重复翻译、语言不匹配等问题；
• 智能诊断聚合：对重复或级联失败生成块级报告，高效指导重译，而非逐行列出错误

安装与配置

• 安装：pip install -e .
• 设置 API 密钥：export GEMINI_API_KEY="..."
• 翻译命令：subtitle-llm translate --input input.srt --target-language Chinese
• 支持自定义配置文件，可覆盖默认 LLM 提供商及模型设置

其他命令

• 下载视频：subtitle-llm download "视频URL" --output-dir 路径 --source-language en
• 转录音频：subtitle-llm transcribe 音频文件 --output 输出路径 --language English

应用场景

适合教育视频翻译、技术讲座字幕处理、多语言内容制作及个人学习材料翻译等场景

总结

Subtitle LLM 展示了大语言模型在专业翻译场景中的应用潜力，通过多阶段翻译策略、上下文感知及质量诊断机制，在保证翻译质量的同时提升效率，是处理大量字幕翻译任务的实用工具