🌐 English version: README_en.md
Dil bariyerlerini yıkın — sinema kalitesinde video çevirisi, özel olarak kendi donanımınızda.
Her videoyu, doğal ses klonlaması, dudak senkronizasyonu ve ekranda metin çevirisiyle profesyonel çok dilli bir üretime dönüştürün. Bulut API'leri yok, abonelik yok, veriniz bilgisayarınızdan ayrılmıyor.
📝 Projeden memnun musunuz? Lütfen yıldız verin ⭐️! İlgi seviyesini ölçmeye ve yeni özellikler üzerinde çalışmaya devam etmem için yardımcı oluyor.
🎥 Yukarıdaki görsele tıklayarak YouTube'da tam demosunu izleyebilirsiniz!
Geleneksel dublaj pahalı, zaman alıcıdır ve profesyonel stüdyolar gerektirir. AI Video Translator, Hollywood seviyesindeki teknolojiyi masaüstünüze getirerek video yerelleştirmeyi demokratikleştirir:
- 🎬 İçerik Yaratıcıları: Ses sanatçısı tutmadan küresel izleyici kitlesini genişletin
- 🎓 Eğitimciler: Eğitim içeriklerini her dilde erişilebilir hale getirin
- 📰 Gazeteciler & Belgesel Yapımcıları: Uluslararası izleyiciler için görüntüleri yerelleştirin
- 🎮 Oyun Geliştiricileri: Kesit sahneleri ve fragmanları uygun maliyetle dublajlayın
- 🏢 İşletmeler: Kurumsal videoları, sunumları ve web seminerlerini çevirin
- 🔒 Gizlilik Odaklı Kullanıcılar: Hassas içerikleri %100 yerelde tutun
Bir video yükleyin, hedef dili seçin ve AI her şeyi halletsin:
📹 Giriş Videosu (İngilizce) → 🤖 AI Pipeline → 📹 Çıktı Videosu (Fransızca, klonlanmış ses & senkronize dudaklar)
Tam pipeline şunları içerir:
- Vokal Ayrımı — Müzik/ses efektlerinden konuşmayı ayırır
- Transkripsiyon — Konuşmayı kelime seviyesinde metne dönüştürür
- Çeviri — Metni yerel LLM'ler veya Google Translate ile çevirir
- Ses Klonlama — Hedef dilde konuşmayı orijinal konuşmacının sesine benzer şekilde yeniden üretir
- Dudak Senkronizasyonu — Ağız hareketlerini yeni sesle eşleştirir
- Görsel Metin Çevirisi — Ekrandaki metni (altyazılar, tabelalar vb.) tespit edip değiştirir
- Ses Geliştirme — Üretilen konuşmayı yayın kalitesine uygun şekilde temizler ve iyileştirir
| Özellik | Teknoloji | Açıklama |
|---|---|---|
| Vokal Ayrımı | HDemucs (Meta) | Arka plan müziği / ses efektlerinden konuşmayı temiz şekilde ayırır; uzun videolar için GPU parçalama kullanır |
| Transkripsiyon | Faster-Whisper (Large v3 Turbo) | Silero VAD ön işleme ve kelime düzeyinde güven filtresiyle %30-50 daha hızlı |
| Konuşmacı Diyarizasyonu | NeMo MSDD / SpeechBrain | Çok sesli dublaj için bireysel konuşmacıları tanımlar |
| EQ Spektral Eşleme | Özel | TTS çıktısına orijinal sesin ton özelliklerini uygular |
| Ses Geliştirme | VoiceFixer | Bozulmuş konuşmayı iyileştirir ve gürültüyü kaldırır (isteğe bağlı) |
| Model | Tür | En Uygun Durum |
|---|---|---|
| Google Translate | Çevrimiçi | Hızlı, güvenilir günlük çeviri |
| Tencent HY-MT1.5 | Yerel (1.8B) | Daha iyi bağlam korunumu |
| Llama 3.1 8B Instruct | Yerel | Daha nüanslı, insan gibi çeviriler |
| ALMA-R 7B | Yerel | En iyi çeviri kalitesi |
Tüm yerel modeller bağlam farkındalığı modu kullanır; tam transkript bağlamıyla daha iyi tutarlılık sunar.
| Model | Tür | Öne Çıkanlar |
|---|---|---|
| Edge-TTS | Çevrimiçi | Doğal Microsoft sesleri, GPU gerekmez |
| Piper TTS | Yerel | Sağlam çevrimdışı sinirsel TTS (otomatik indirilir) |
| XTTS-v2 | Yerel | Duygu kontrolüyle yüksek kaliteli ses klonlama (Mutlu, Üzgün, Kızgın) |
| F5-TTS | Yerel | Ultra hızlı sıfır-örnek ses klonlama (Sway Sampling) |
| VibeVoice | Yerel | Microsoft'un öncü uzun-form çok konuşmacılı TTS (1.5B/7B) |
| Özellik | Teknoloji | Açıklama |
|---|---|---|
| Dudak Senkronizasyonu (Hızlı) | Wav2Lip-GAN | Pürüzsüz, harmanlanmış dudak senkronizasyonu |
| Dudak Senkronizasyonu (HD) | Wav2Lip + GFPGAN | Yüz restorasyonu bulanıklığı ortadan kaldırır |
| Dudak Senkronizasyonu (Cinema) | LivePortrait | Doğal hareketli sinematik dudak senkronizasyonu |
| Görsel Metin Çevirisi | PaddleOCR / EasyOCR | OpenCV inpainting ile ekrandaki metni tespit edip değiştirir |
Video Translator, hem kaynak hem hedef çeviri için geniş bir dil yelpazesini destekler.
| Dil | Kod |
|---|---|
| Otomatik Tespit | auto |
| İngilizce | en |
| İspanyolca | es |
| Fransızca | fr |
| Almanca | de |
| İtalyanca | it |
| Portekizce | pt |
| Lehçe | pl |
| Türkçe | tr |
| Rusça | ru |
| Hollandaca | nl |
| Çekçe | cs |
| Arapça | ar |
| Çince (Basitleştirilmiş) | zh |
| Japonca | ja |
| Korece | ko |
| Hintçe | hi |
- 🖥️ Kullanıcı Dostu Gradio Arayüzü — Kolay sürükle-bırak arayüzü
- 🎛️ Detaylı Kontrol — Beam boyutu, VAD ayarları, ses seçimi ve daha fazlası
- 👤 LivePortrait Dudak Senkronizasyonu — TensorRT hızlandırma desteğiyle son teknoloji dudak senkronizasyonu
- 🖼️ Görsel Metin Çevirisi — Video karelerinde metni tespit eder, çevirir ve sorunsuz şekilde değiştirir (hız için önbelleğe alınır)
- 📝 Otomatik Üretilen Altyazılar — Çevrilmiş videolarla birlikte
.srtdosyaları dışa aktarır - 🔄 Akıllı Segment Birleştirme — Kırık cümleleri doğal cümlelere birleştirir
- ⏳ Gerçek Zamanlı İlerleme & ETA — Ayrıntılı ilerleme ve kalan süreyi takip eder
- 🧹 VoiceFixer Geliştirmesi — Ses kalitesini iyileştirir ve stüdyo kalitesine getirir
- ⚡ GPU Optimize Edilmiş — Maksimum VRAM verimliliği için tek model aynı anda politikası
- 🛡️ Global CPU Yedekleme — GPU başarısız olursa otomatik olarak CPU'ya geçer
"50 İngilizce eğitmen videom var ve İspanyolca konuşanlara ulaşmak istiyorum."
Her videoyu yükleyin, İngilizce → İspanyolca seçin ve klonlanmış sesinizle profesyonel dublajları dışa aktarın. Yeniden kaydetmeye gerek yok!
"Uyumluluk eğitimimiz İngilizce ama ofislerimiz 12 ülkede."
Sunucunun sesini koruyarak eğitim videolarını çok dilli çevirin. Altyazılarla veya altyazısız dışa aktarın.
"Kendi bağımsız filmim uluslararası festivallerde premier yapmak istiyor."
Kötü bir overdub gibi görünmeyen sinema kalitesinde dublaj için LivePortrait (HD) dudak senkronizasyonunu kullanın.
"30 saniyelik reklamımızı yarın Fransızca, Almanca ve Japonca'ya çevirmemiz gerekiyor."
Markaya uygun mesajlaşma için yerel LLM çevirisiyle birden fazla dil sürümünü aynı anda işleyin.
"Videomuz gizli ürün demo içeriyor."
Her şey yerelde çalışır — veriniz bilgisayarınızdan ayrılmaz. Hukuk ekibi, tıbbi içerik veya özel bilgi için mükemmeldir.
| Gereksinim | Ayrıntılar |
|---|---|
| Python | 3.10+ (3.10 önerilir) |
| PyTorch | CUDA 12.4+ ile 2.5.1+ |
| GPU | NVIDIA GPU önerilir (RTX 30/40/50 serisi desteklenir) |
| VRAM | Minimum 8GB, HD dudak senkronizasyonu için 12GB+ önerilir |
| FFmpeg | Sistem PATH içinde olmalıdır |
| Rubberband | Yüksek kaliteli ses time-stretch için önerilir |
📥 FFmpeg Kurulumu
Windows (Seçenek 1):
winget install ffmpeg
# Kurulumdan sonra terminali yeniden başlatınWindows (Seçenek 2 - Manuel):
- ffmpeg.org/download adresinden indirin (Windows build'leri → gyan.dev)
C:\ffmpegklasörüne çıkarınC:\ffmpeg\binyolunu sistem PATH'ine ekleyin- Terminali yeniden başlatın ve doğrulayın:
ffmpeg -version
Linux:
sudo apt install ffmpegmacOS:
brew install ffmpeg📥 Rubberband Kurulumu
Rubberband Releases adresinden indirin. Çıkarıp PATH'e ekleyin veya rubberband-program.exe dosyasını proje klasörüne yerleştirin.
Akıllı kurucu platformu, GPU'yu ve CUDA sürümünü otomatik algılar:
# Depoyu klonlayın
git clone https://github.com/overcrash66/video-translator.git
cd video-translator
# Windows:
scripts\install.bat
# Linux / macOS:
chmod +x scripts/install.sh
./scripts/install.shWindows (CUDA 12.8 — RTX 30/40/50 serisi)
py -3.10 -m venv venv
.\venv\Scripts\activate
pip install -r requirements.txtLinux (CUDA 12.4)
python3.10 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
pip install -r deploy/docker/requirements.docker.txtmacOS (Apple Silicon — Sadece CPU)
python3.10 -m venv venv
source venv/bin/activate
pip install torch torchvision torchaudio
pip install -r requirements.txt[!NOTE] Bazı GPU hızlandırmalı özellikler Apple Silicon üzerinde daha düşük performans gösterebilir. Platforma özel paket değişimi (
paddlepaddleyerinepaddlepaddle-gpu,onnxruntimeyerineonnxruntime-gpu) otomatik olarak gereksinim dosyalarındaki platform işaretleri tarafından yönetilir.
Gelişmiş: pyproject.toml extras kullanımı
# CUDA 12.4 ile tam kurulum (varsayılan):
pip install -e ".[all]"
# Tam kurulum CUDA 12.8 (RTX 50 serisi):
pip install -e ".[all-cu128]" --extra-index-url https://download.pytorch.org/whl/cu128
# Sadece CPU:
pip install -e ".[all-cpu]"
# En az (yalnızca çekirdek + geliştirme araçları):
pip install -e ".[dev]"
# Seçmeli kurulum (gerek duyduğunuzu seçin):
pip install -e ".[tts,ocr,lipsync]"# Kurulumunuzu doğrulamak için smoke testlerini çalıştırın
pytest tests/test_smoke_install.py -m smoke -v
# Veya kurucunun doğrulama modunu kullanın
python scripts/install.py --verify| Özellik | Gereksinim |
|---|---|
| NeMo Diyarizasyon | nemo_toolkit[asr] |
| Wav2Lip | models/wav2lip/wav2lip_gan.pth model dosyası |
| F5-TTS | f5-tts paketi (GPU önerilir) |
| Gelişmiş Dudak Senkronizasyonu | gfpgan ve basicsr (requirements içinde yer alır) |
| LivePortrait | ~2GB VRAM, models/live_portrait klasörüne otomatik indirilir |
| Llama 3.1 / NeMo | HuggingFace token (HF_TOKEN ortam değişkeni) |
| VoiceFixer | pip install voicefixer>=0.1.2 (gerekirse pip < 24.1 kullanılabilir) |
Uygulamayı NVIDIA GPU desteğiyle bir Docker konteynerinde çalıştırabilirsiniz.
Önkoşullar:
- NVIDIA Sürücüsü (CUDA 12.x uyumlu)
- Docker Desktop (Windows) veya Docker Engine (Linux)
- NVIDIA Container Toolkit (Docker içinde GPU erişimi için)
-
İmajı oluşturun (proje kökünden çalıştırın):
docker build -f deploy/docker/Dockerfile -t video-translator . -
Konteyneri çalıştırın:
# PowerShell için: docker run --gpus all -p 7860:7860 -v ${PWD}/output:/app/output --name video-translator video-translator # Command Prompt (CMD) için: docker run --gpus all -p 7860:7860 -v %cd%/output:/app/output --name video-translator video-translator
Not: "Ports are not available" hatasıyla karşılaşırsanız (Windows'ta Hyper-V ile yaygındır), farklı bir ana bilgisayar portu kullanmayı deneyin, örn. 7950:
docker run --gpus all -p 7950:7860 -v ${PWD}/output:/app/output --name video-translator video-translator -
Uygulamaya Erişim: Tarayıcınızda
http://localhost:7860adresini açın (veya alternatif port kullandıysanızhttp://localhost:7950).
"Ports are not available" / "Access is denied" Windows'ta Hyper-V veya WinNAT bazen büyük port aralıklarını rezerve eder (7860 dahil).
- Çözüm: Yukarıdaki örnekte olduğu gibi farklı bir host portu kullanın (7950 veya 8080 gibi).
- Rezerve edilmiş aralıkları kontrol edin:
netsh interface ipv4 show excludedportrange protocol=tcpkomutunu çalıştırıp hangi portların engellendiğini görün.
# Ortamı etkinleştirin
.\venv\Scripts\activate
# Uygulamayı başlatın
python app.pyTarayıcınızda http://127.0.0.1:7860 adresini açın.
- Video Yükleyin — MP4, MKV veya MOV dosyaları sürükleyip bırakın
- Dilleri Seçin — Kaynak (veya Otomatik Tespit) → Hedef
- Modelleri Seçin:
- Çeviri: Google (hızlı) / Llama 3.1 (kalite) / ALMA-R (en iyi)
- TTS: Edge (çevrimiçi) / F5-TTS (hızlı klonlama) / XTTS (duygu kontrolü)
- Özellikleri Etkinleştirin (isteğe bağlı):
- ✅ Konuşmacı Diyarizasyonu — Çok konuşmacılı videolar
- ✅ Dudak Senkronizasyonu — Kalite seviyesi seçin (Hızlı/HD/Cinema)
- ✅ Görsel Metin Çevirisi — Ekrandaki metni değiştirin
- ✅ Ses Geliştirme — VoiceFixer sonrası işleme
- "Process Video" butonuna tıklayın ve ilerlemeyi izleyin
video-translator/
├── temp/ # Ara dosyalar (otomatik temizlenir)
├── output/ # Son çevrilmiş videolar
├── models/ # İndirilen model ağırlıkları
└── .env # Ortam değişkenleri (HF_TOKEN, vb.)
HF_TOKEN=your_huggingface_token # Gerekli: Llama 3.1, NeMoflowchart TD
Video[Input Video] --> Extract[Extract Audio via FFmpeg]
Extract --> Separator{"Audio Separator<br/>(HDemucs)"}
Separator -->|Vocals| Vocals[Vocal Track]
Separator -->|Accompaniment| Background[Background Track]
Vocals --> VAD{"VAD Preprocessing<br/>(Silero VAD)"}
VAD --> Transcribe{"Transcribe<br/>(Faster-Whisper Turbo)"}
Transcribe --> Segments[Text Segments]
Segments --> Merge{Smart Segment Merging}
Vocals -.-> Diarize{"Diarize<br/>(NeMo / SpeechBrain)"}
Diarize -.-> SpeakerProfiling[Speaker Profiling]
Merge --> Translate{"Translate<br/>(Llama 3.1 / ALMA / HY-MT)"}
Translate --> SRT[Export .SRT Subtitles]
Translate --> TTS{"Neural TTS<br/>(F5-TTS / XTTS / Edge)"}
SpeakerProfiling -.-> TTS
TTS --> TTSAudio[Generated Speech Clips]
TTSAudio --> EQ{EQ Spectral Matching}
EQ --> Sync{"Synchronize<br/>(PyRubberband)"}
Sync --> MergedSpeech[Merged Speech Track]
MergedSpeech -.-> VoiceFixer{"Voice Enhancement<br/>(VoiceFixer)"}
VoiceFixer -.-> Mix
MergedSpeech --> Mix{Mix Audio}
Background --> Mix
Mix --> FinalAudio[Final Audio Track]
Video --> VisualTrans{"Visual Translation<br/>(PaddleOCR / EasyOCR)"}
VisualTrans --> LipSync{"Lip-Sync<br/>(LivePortrait / Wav2Lip / GFPGAN)"}
MergedSpeech -.-> LipSync
LipSync --> Mux{"Merge with Video<br/>(FFmpeg)"}
FinalAudio --> Mux
Mux --> Output[Translated Output Video]
Katkılar memnuniyetle karşılanır. Yardıma ihtiyaç duyulan alanlar:
- Ek dil desteği ve ses modelleri
- Performans optimizasyonları
- Hata düzeltmeleri ve kararlılık iyileştirmeleri
- Dokümantasyon ve eğitimler
Projeden faydalandıysanız, lütfen aşağıdaki şekilde atıf yapın:
@software{video_translator,
author = {Wael Sahli},
email = {leawwael6@gmail.com},
title = {AI Video Translator},
url = {https://github.com/overcrash66/video-translator},
version = {1.0.0},
date = {2026-06-15}
}Bu proje eğitim ve kişisel kullanım içindir. Altta yatan modellerin ve teknolojilerin lisanslarına saygı gösterin.
🌟 Bu depoyu faydalı bulursanız yıldız verin! 🌟
Dünya çapında içerik yaratıcıları için ❤️ ile yapıldı

