NAS Docker 部署 VideoCaptioner：离线字幕识别与翻译一站式解决方案

VideoCaptioner 是一款基于大语言模型（LLM）的视频字幕处理助手。它支持 API 和本地离线两种语音识别方式，并能利用 LLM 对字幕进行智能断句、校正和翻译，实现从视频到字幕的全流程一键处理。

需要留意的是，其电脑版功能更为全面，而 Docker 版本的功能相对较少。

安装

Docker Compose

使用 Docker Compose 部署是最简单的方式，配置文件示例如下：

services:
  video-captioner:
    image: ywsj/video-captioner:latest
    container_name: video-captioner
    ports:
      - 8501:8501
    volumes:
      - ./temp:/app/temp
    restart: always

参数说明（更多参数建议查阅项目文档）

• OPENAI_BASE_URL（环境变量，可选）：OpenAI 的基础 URL。
• OPENAI_API_KEY（环境变量，可选）：OpenAI API 的密钥。

使用

容器启动后，在浏览器中输入 http://你的NAS_IP:8501 即可访问其 Web 界面。

为了方便截图展示，下图已切换为深色主题模式。

第一步：上传视频
点击“Browse files”或拖拽文件到指定区域，注意单个文件大小不能超过 200MB。

第二步：开始字幕识别
视频上传成功后，右侧操作面板会提示“视频上传成功！”，点击“开始识别”按钮即可。

识别过程在本地进行，资源消耗极低，几乎可以忽略不计。

对于较短的视频，字幕识别通常在几秒钟内即可完成。

第三步：下载字幕文件
滚动页面到底部，点击“导出字幕”即可下载生成的 SRT 格式字幕文件。

识别出的字幕效果准确，时间轴匹配良好。

第四步：字幕翻译
切换到“字幕翻译”功能标签页，上传刚才下载的 SRT 字幕文件。

选择需要翻译的目标语言（这里以粤语为例），然后点击“开始翻译”。

翻译过程几乎是实时的，且翻译结果地道自然。

确认翻译无误后，点击“下载翻译后的字幕”即可获得双语字幕文件。

最终，你将得到一个包含原文和译文的双字幕视频。

总结

VideoCaptioner 本身是一个理念不错的项目，但其完整功能主要体现在电脑版上。Docker 版本目前的功能相对单一，且维护似乎不够活跃。不过，对于仅有少量小体积视频需要快速添加或翻译字幕的用户而言，在 NAS 上部署其 Docker 版本仍是一个可行的选择。它完全本地运行，资源占用低，处理速度也很快。

如果你对这类能提升本地媒体处理效率的工具感兴趣，欢迎到云栈社区探索更多相关的开源项目和实战教程。

• 综合推荐：⭐⭐⭐（适合快速处理小体积视频字幕）
• 使用体验：⭐⭐⭐（功能较基础，期待后续完善）
• 部署难易：⭐⭐（非常简单）