AsrTools 是一款基于 PyQt5 和 qfluentwidgets 的多功能音视频处理工具，集成了语音识别、字幕处理、视频处理和语音合成等多种功能。
- 多引擎支持：支持 B接口、J接口、K接口等多种 ASR 引擎
- 智能转换：自动将视频文件转换为音频进行处理
- 多格式导出：支持生成
.srt、.txt、.ass字幕文件 - 批量处理：支持多线程并发处理，默认 3 个线程
- 拖拽支持：支持拖拽文件或文件夹快速添加
- 智能合并：自动将碎片化的字幕合并为完整句子
- LLM 拆分：利用大语言模型对长句进行语义拆分
- 时间同步：自动调整字幕时间轴，保持与视频同步
- 中英文支持：完美处理中英文混合字幕
- 音频合并：支持 MP3、WAV、OGG、FLAC、AAC、M4A 等格式
- 视频合并：支持 MP4、AVI、MOV、MKV、TS、FLV 等格式
- 智能策略：自动选择最佳合并方式（concat 或重新编码）
- 批量处理：一次处理多个文件，高效快捷
- 首帧提取：快速获取视频第一帧作为封面
- 尾帧提取：智能提取视频最后一帧
- 自定义时间：精确提取指定时间点的视频帧
- 批量处理：支持文件夹批量提取
- 尺寸调整：自定义视频宽度和高度
- 等比例缩放：保持原始视频比例
- 高质量编码：H.264 编码，可调节 CRF 质量参数
- 多格式输出：MP3、WAV、AAC、FLAC、M4A、OGG
- 质量可调：支持高质量、中等质量、低质量三种预设
- 批量转换：快速处理多个视频文件
- 本地 TTS：基于 GPT-SoVITS 的文本转语音
- 参考音频：使用指定音频作为声音参考
- 历史记录：自动保存生成记录，方便播放查看
- 多密钥支持：支持配置多个 API 密钥，自动轮询切换
- 队列处理：当队列满时自动切换密钥重试
- 批量生成：支持同时生成多个语音任务（最多 5 个并发）
- 实时状态：显示每个任务的处理状态（准备→提交→等待→处理中→下载→完成）
- 音色选择：支持多种预设音色，可自定义参考文本
- 任务记录：完整的生成历史记录，支持播放、打开文件/URL等操作
- Python: 3.12 或更高版本
- 操作系统: Windows / macOS / Linux
- 依赖工具: FFmpeg（用于音视频处理）
# 激活虚拟环境（可选）
source venv/bin/activate
# 启动 GUI 界面
python asr_gui.py1. ASR 字幕识别
选择 ASR 引擎 → 选择导出格式 → 添加音频/视频文件 → 点击"开始处理"
2. SRT 字幕优化
选择 SRT 源文件 → 选择保存路径 → 点击"开始处理"
3. 音视频合并
添加文件（可拖拽排序）→ 选择输出目录 → 点击"开始合并"
4. 视频帧提取
选择视频文件 → 选择输出目录 → 选择帧类型（首帧/尾帧/自定义）→ 点击"开始提取"
5. API 声音生成
选择音色 → 配置密钥文件 → 输入文本 → 点击"生成声音"
- 克隆仓库
git clone https://github.com/bozoyan/AsrTools.git
cd AsrTools- 创建虚拟环境
conda create -n asrtools python=3.12 -y
conda activate asrtools- 配置 conda 镜像（可选，加速下载）
cat > ~/.condarc << EOF
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
EOF- 安装依赖
# 安装 PyQt5
conda install -y pyqt
# 安装 Python 依赖
pip install -r requirements.txt- 安装 FFmpeg
- Windows: 下载 FFmpeg 并配置环境变量
- macOS:
brew install ffmpeg - Linux:
sudo apt install ffmpeg
- 启动程序
python asr_gui.py下载对应平台的可执行文件，直接运行即可，无需安装 Python 环境。
支持多种在线 ASR 引擎，快速将音频/视频转换为字幕文本：
| 引擎 | 说明 | 特点 |
|---|---|---|
| B 接口 | 必剪接口 | 识别准确，速度快 |
| J 接口 | 剪映接口 | 支持长音频 |
| K 接口 | 快手接口 | 免费使用 |
支持的输入格式：.mp3, .wav, .ogg, .mp4, .avi, .mov, .ts 等
支持的输出格式：.srt（字幕）, .txt（纯文本）, .ass（高级字幕）
自动将 ASR 生成的碎片化字幕优化为可读性强的完整字幕：
- 智能合并：将连续的短字幕合并为长句
- 语义拆分：对过长的句子进行语义分割
- 标点处理：自动添加和修正标点符号
- 缓存机制：减少重复请求，提高处理效率
1. 配置密钥文件
创建一个文本文件（如 keys.txt），每行一个 API 密钥：
sk-xxxxxxxxxxxxxxxxxxxxxxxx
sk-yyyyyyyyyyyyyyyyyyyyyyyy
sk-zzzzzzzzzzzzzzzzzzzzzzzz
2. 配置音色文件
创建 slicer_opt.json 文件，定义可用的音色：
[
{
"title": "温柔女声",
"content": "今天天气真好，我们一起出去玩吧。",
"filename": "https://example.com/audio1.wav"
},
{
"title": "磁性男声",
"content": "这是一段用于声音克隆的参考文本。",
"filename": "https://example.com/audio2.wav"
}
]3. 多密钥轮询机制
- 程序会自动轮询使用所有密钥
- 当某个密钥队列满时，自动切换到下一个密钥
- 最多支持同时 5 个并发任务
AsrTools/
├── asr_gui.py # 主程序 GUI 界面
├── main.py # SRT 优化命令行工具
├── requirements.txt # Python 依赖列表
├── README.md # 项目说明文档
├── icon.png # 程序图标
│
├── bk_asr/ # ASR 引擎模块
│ ├── BaseASR.py # ASR 基类
│ ├── BcutASR.py # 必剪接口实现
│ ├── JianYingASR.py # 剪映接口实现
│ ├── KuaiShouASR.py # 快手接口实现
│ └── WhisperASR.py # Whisper 接口（待实现）
│
├── ASRData.py # ASR 数据结构和格式转换
├── split_by_llm.py # LLM 字幕分段处理
│
├── output/ # 输出文件目录
├── api_voice_history.json # API 语音生成历史记录
└── slicer_opt.json # 音色配置文件
- 🎨 优化界面布局：调整 API 声音生成界面布局，提升用户体验
- 📐 窗口尺寸：主窗口大小调整为 1080x780
- 🐛 修复问题：修复若干已知问题
- 🆕 多密钥批量生成：API 声音生成支持多密钥轮询，自动队列切换
- ⚡ 并发处理：支持最多 5 个并发语音生成任务
- 📊 实时状态：新增详细的任务状态显示
- 🎵 音视频合并：新增音视频批量合并功能
- 🖱️ 拖拽排序：支持拖拽调整合并顺序
- 🎥 视频文件支持：支持直接导入视频文件进行 ASR 处理
- 🔄 自动转换：视频自动转换为音频进行处理
- 🎉 初始发布：实现基本的 SRT 文件处理功能
- GitHub: https://github.com/bozoyan/AsrTools
- 问题反馈: 提交 Issue
感谢您使用 AsrTools！ 🎉
如果觉得这个项目对您有帮助，请给一个 Star ⭐
目前项目的相关调用和 GUI 页面的功能仍在不断完善中...