pyMediaTools - 智能媒体处理与创作工具箱

pyMediaTools 是一个基于 Python 和 PySide6 的跨平台媒体处理工具箱，集成视频转换、音频处理、语音识别、TTS 配音、视频下载、场景分割与字幕编辑等功能。它专注于为创作者、短视频内容制作和媒体处理人员提供一个“一站式”桌面应用。

• 工作台 / 媒体转换

  • 批量视频/音频转换
  • 多种格式输出（H.264、DNxHR、PNG、MP3、WAV 等）
  • 支持自定义 LOGO/水印、ASS 文本叠加
  • 支持 macOS VideoToolbox 硬件编码

• 视频配音（ElevenLabs）

  • 集成 ElevenLabs TTS 语音合成
  • 支持多语种发音与语气/情绪标签
  • 支持语音文件输出与字幕导出

• 语音识别

  • 基于 Groq Whisper 的语音转写
  • 支持词级时间戳与字幕导出
  • 支持多格式字幕输出：SRT、VTT、ASS、FCXPL

• 场景分割

  • 基于 OpenCV 的场景检测与视频切割
  • 导出场景视频片段与静帧截图
  • 支持选择水印字体和 ASS 字幕模板

• 视频下载

  • 基于 yt-dlp 的视频/音频下载
  • 支持多平台链接解析（YouTube、Bilibili 等）
  • 支持音频提取、字幕下载、质量与格式选择
  • 集成 yt-dlp 版本检测与更新

• 字幕编辑

  • ASS 字幕编辑器界面
  • 支持载入与保存 ASS 字幕文件
  • 支持预览与字幕样式管理

/MediaTools.py            # 应用入口
/config.toml             # 运行时配置
/requirements.txt        # Python 依赖
/bin/                    # 捆绑 ffmpeg / ffprobe
/assets/                 # 资源文件：字体、ASS、图标、Logo
/pyMediaTools/           # 应用核心代码包
  /ui/                   # PySide6 界面组件
  /core/                 # 业务逻辑与处理模块
  /qml/                  # 备用 QML 资源
  /bridges/              # 外部桥接逻辑
  logging_config.py      # 日志初始化与配置
  utils.py               # 工具函数
/tests/                  # 单元测试
/docs/                   # 项目文档

• 应用入口，初始化日志、创建 QApplication，加载主面板模块。
• 主窗口模块包含：工作台、视频配音、语音识别、场景分割、视频下载、字幕编辑。

• media_tools_ui.py: 媒体批量转换界面与转换流程。
• elevenlabs_ui.py: ElevenLabs 语音合成界面与情绪标签管理。
• whisper_ui.py: Whisper 语音识别与字幕构建界面。
• videocut_ui.py: 场景分割、截图与水印设置界面。
• video_downloader_ui.py: yt-dlp 下载管理界面。
• ass_editor_ui.py: ASS 字幕编辑器。
• dashboard_shell.py: 主面板、模块切换与整体布局。

• mediaconvert.py: 基于 FFmpeg 的视频与音频格式转换、编码器检测与批处理支持。
• config.py / factory.py: 运行模式配置与扩展转换方案。
• videodownloader.py: yt-dlp 下载、解析、任务管理。
• ytdlp_updater.py: yt-dlp 版本检测与更新。
• vidoecut.py: OpenCV 场景检测、分割、截图与字幕资源查找。
• whisper_transcription.py: Groq Whisper 语音转写、时间戳处理与字幕导出。
• elevenlabs.py: ElevenLabs TTS、情绪标签、字幕生成与 API 请求。
• subtitle_writer.py, subtitle_builder.py: 字幕生成与格式转换逻辑。
• translation_manager.py, translation_worker.py: 文本翻译与字幕语言管理。

建议使用 Python 3.12。当前依赖包括但不限于：

• requests
• yt_dlp
• PySide6
• pysrt
• toml
• opencv-python

安装依赖：

python -m pip install -r requirements.txt
python install_dependencies.py

python MediaTools.py

• config.toml：项目运行时配置文件，支持 ElevenLabs API、默认路径、转换模式等。
• ELEVENLABS_API_KEY：如果不在配置文件中设置，可使用环境变量提供 ElevenLabs API Key。

本项目使用 nuitka 打包配置，输出目录为 dist-nuitka/。

python -m pip install nuitka
nuitka MediaTools.py

本项目使用 GitHub Actions 自动构建与发布。

git status
git add .
git commit -m "你的改动说明"
git push origin main

git tag -a v1.0.1 -m "Release version 1.0.1"

git push origin v1.0.1

• 访问项目的 Actions 页面查看构建日志
• 访问项目的 Releases 页面查看发布结果

1. 查看 GitHub Actions 错误日志
2. 修复问题
3. 重新创建并推送 tag：

git tag -d v1.0.1
git push origin :refs/tags/v1.0.1
git tag -a v1.0.1 -m "Release version 1.0.1"
git push origin v1.0.1

本项目遵循 LICENSE 中的开源许可条款。