ZiMu（自动识别字幕）

一个本地 Python CLI 项目：对视频/音频文件进行自动语音识别，生成字幕文件（默认 .srt），并可选将字幕软封装到视频或烧录到画面上。

依赖

• Python 3.9+
• ffmpeg（必须安装并加入 PATH）
• ASR：默认使用 faster-whisper

安装

建议使用虚拟环境：

python -m venv .venv
.\.venv\Scripts\activate
python -m pip install -U pip
pip install -e .

快速开始

只生成字幕（推荐先用这个）：

zimu "input.mp4"

指定输出目录、模型、语言（不填语言则自动检测）：

zimu "input.mp4" --out-dir outputs --model small --language zh

生成 VTT：

zimu "input.mp4" --format vtt

把字幕软封装进新视频（不压制画面，字幕可开关）：

zimu "input.mp4" --mux --out "output.mkv"

把字幕烧录进画面（会重新编码视频）：

zimu "input.mp4" --burn --out "output.mp4"

WAV 转 MP4

将纯音频 .wav 转为包含视频轨的 .mp4（视频轨默认黑屏；音频 AAC 编码）：

python -m zimu.wav_to_mp4 input.wav
python -m zimu.wav_to_mp4 input.wav -o output.mp4
python -m zimu.wav_to_mp4 input.wav -o output.mp4 -b 192k
python -m zimu.wav_to_mp4 input.wav -o output.mp4 --size 1920x1080 --fps 30

常见问题

找不到 ffmpeg

请安装 ffmpeg 并确保在命令行能运行：

ffmpeg -version

模型下载慢/失败

首次运行会下载模型（体积较大）。你可以先用 --model tiny 试跑确认流程。