AutoSub 安装教程：3 种方式（pip/GPU/Docker）快速搭建视频字幕生成环境

【免费下载链接】AutoSubA CLI script to generate subtitle files (SRT/VTT/TXT) for any video using either DeepSpeech or Coqui项目地址: https://gitcode.com/gh_mirrors/auto/AutoSub

AutoSub 是一款开源的视频字幕自动生成工具，只需一条命令就能为任意视频生成 SRT、VTT、TXT 三种格式的字幕文件，底层基于 Coqui STT / DeepSpeech 语音识别引擎。本文是一份面向新手的 AutoSub 安装教程，带你用 pip 安装、GPU 加速安装、Docker 部署三种方式，快速搭建自己的视频字幕生成环境，从此告别手动打轴，效率翻倍。😎

一、AutoSub 是什么？先了解字幕生成原理

AutoSub 是一个基于 Python 的命令行（CLI）工具，它把"视频 → 字幕"的复杂流程自动化，整个工作链路如下：

1. 🎬提取音频：调用 FFmpeg 从视频中抽取 16kHz 采样率的音频
2. ✂️静音切分：利用 pyAudioAnalysis 的静音检测算法，把长音频切成多个小片段，方便推理
3. 🧠语音识别：对每个片段运行 Coqui STT / DeepSpeech 模型推理
4. 📝写出字幕：汇总时间戳，自动生成 SRT / VTT / TXT 文件到output/目录

想深入了解实现细节，可以查看这些核心模块：autosub/main.py（主程序与参数解析）、autosub/audioProcessing.py（音频提取）、autosub/segmentAudio.py（静音切分）、autosub/writeToFile.py（字幕写出）以及autosub/utils.py（工具函数）。安装配置在setup.py与Dockerfile中，依赖清单见requirements.txt（CPU）与requirements-gpu.txt（GPU）。

二、安装前准备：环境要求与依赖清单

无论选择哪种安装方式，都需要先确认环境满足以下条件：

💡依赖清单区别：CPU 安装使用requirements.txt，GPU 安装则换成requirements-gpu.txt——后者额外包含tensorflow-gpu==1.15和deepspeech-gpu==0.9.3，能让推理跑在显卡上，速度大幅提升。

三、方式一：pip 安装（CPU，最快上手）

这是最推荐的入门方案，一共 5 步，全程 5 分钟搞定。

第 1 步：克隆仓库并进入目录

git clone https://gitcode.com/gh_mirrors/auto/AutoSub cd AutoSub

第 2 步：创建虚拟环境（强烈建议）

为避免依赖冲突，推荐用 virtualenv 隔离环境：

python3 -m pip install --user virtualenv virtualenv -p python3 sub source sub/bin/activate

第 3 步：pip 安装依赖与程序

pip install .

安装完成后会自动注册autosub命令（见setup.py中的 console_scripts 配置），方便后续直接调用。

第 4 步：安装 FFmpeg

Ubuntu / Debian 系统执行：

sudo apt-get install ffmpeg ffmpeg -version

第 5 步：下载语音模型

模型文件需放在仓库根目录。执行getmodels.sh即可自动下载 Coqui 模型与评分器（版本号作为参数）：

./getmodels.sh 0.9.3

✅ 安装完成后运行autosub --dry-run验证环境是否就绪。

四、方式二：GPU 加速安装（NVIDIA 显卡用户的进阶之选）

如果你有 NVIDIA 显卡，推荐走 GPU 路线——同样的视频，识别速度可能快出数倍。😍

安装 GPU 版依赖

先安装 GPU 依赖清单，再安装程序本体：

pip install -r requirements-gpu.txt pip install .

⚠️重点注意 CUDA 版本匹配：requirements-gpu.txt锁定的是tensorflow-gpu==1.15与deepspeech-gpu==0.9.3，请确保本机 CUDA 版本与之兼容，否则推理时会报 CUDA 初始化错误。

验证 GPU 是否被识别

运行一次--dry-run可提前实例化 CUDA / TensorFlow 缓存，避免正式执行时卡在加载阶段：

autosub --dry-run

之后正常使用autosub --file 视频路径即可，其余操作与 CPU 版完全一致。

五、方式三：Docker 部署（免配置环境，开箱即用）

不想折腾 Python 环境？Docker 把依赖、FFmpeg、模型全部打包进镜像，一条命令启动。👍

CPU 版 Docker

# 1. 先准备好模型文件 ./getmodels.sh 0.9.3 # 2. 构建镜像 docker build -t autosub . # 3. 运行（视频放在 input/ 目录） docker run --volume=`pwd`/input:/input --name autosub autosub --file /input/video.mp4 # 4. 取出生成的字幕 docker cp autosub:/output/ .

GPU 版 Docker

通过--build-arg指定 GPU 基础镜像和 GPU 依赖清单：

docker build --build-arg BASEIMAGE=nvidia/cuda:10.1-cudnn7-runtime-ubuntu18.04 \ --build-arg DEPSLIST=requirements-gpu.txt -t autosub-base . docker run --gpus all --name autosub-base autosub-base --dry-run docker commit --change 'CMD []' autosub-base autosub-instance docker run --volume=`pwd`/input:/input --name autosub autosub-instance --file /input/video.mp4 docker cp autosub:/output/ .

📌 GPU 版先把程序实例"固化"成可复用镜像（autosub-instance），下次运行就能跳过模型加载耗时，非常适合批量处理视频。

六、安装后第一步：生成你的第一个字幕文件

安装完成后，最基础的使用方式：

python3 autosub/main.py --file ~/movie.mp4

脚本运行结束后，字幕文件会自动保存到output/目录，直接拖进 VLC 播放器即可加载。常用参数也一并送给你：

七、常见问题与排错建议（FAQ）🔧

• 模型文件缺失怎么办？脚本会自动下载默认模型；多版本并存时可用--model与--scorer指定。
• 只支持英文吗？默认是英文模型，处理其他语言需手动下载对应语言的模型与评分器。
• 生成速度大概多快？官方在双核 i5 + 8GB 内存的笔记本上测试，70 分钟视频约需 40 分钟，通常不超过视频时长的 60%；GPU 环境下会明显更快。
• CUDA 报错怎么排查？优先检查 CUDA 驱动版本是否与requirements-gpu.txt中的依赖匹配，可先跑--dry-run验证。

结语

至此，你已经掌握了 AutoSub 的三种安装方式：pip 安装适合快速体验，GPU 安装适合追求速度，Docker 部署适合省心迁移。选择最适合你的一种，把"等字幕"变成"生成字幕"，让视频处理更高效吧！🚀

【免费下载链接】AutoSubA CLI script to generate subtitle files (SRT/VTT/TXT) for any video using either DeepSpeech or Coqui项目地址: https://gitcode.com/gh_mirrors/auto/AutoSub