MediaCraft 音视频工具 — 媒体创作处理软件

Ruclinux

MediaCraft 音视频工具 是一款基于 PyQt5 + FFmpeg 开发的一站式音视频处理工具，提供图形化界面操作，让复杂的音视频处理变得简单易用。支持15大核心功能模块，满足从基础编辑到高级AI处理的各类需求。

详细介绍：https://www.myzhenai.com.cn/post/4826.html

这是我自己用python整合ffmpeg和一些ai模型的UI界面工具，欢迎朋友们指点。


━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

核心功能详解

1. 工具设置

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

2. 屏幕录制

支持全屏录制或自定义区域录制，支持录制系统声音、录制麦克风声音，支持录制鼠标指针。可设置帧率（FPS）、编码质量（超快/快速/中等/慢速）、视频比特率（5000k-15000k或自定义）。支持暂停/继续/停止操作，默认保存到桌面。需要安装Screen Capturer Recorder用于屏幕捕获，VB-CABLE用于音频捕获。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

3. 视频水印

支持图片水印和文字水印两种模式。图片水印支持PNG/JPG格式，可设置宽度、高度和透明度（0-100%）。文字水印支持自定义字体（系统字体+程序fonts目录字体）、字号、颜色（HEX格式）、描边颜色、透明度。支持设置水印位置（水平/垂直偏移），支持批量处理多个视频文件，支持拖拽添加文件，支持覆盖已存在输出文件。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

4. 视频字幕

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

5. 视频合并

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

6. 视频转码

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

7. 提取字幕

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

8. 视频截图

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

9. 视频分割

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

10. 图片转视频


━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

11. 视频添加音乐


━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

12. 提取视频/音频


━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

13. 媒体元数据修改


支持批量修改视频和音频文件的元数据信息，包括标题、艺术家、专辑、年份、描述等信息。修改后的元数据会显示在文件属性中。


━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

14. Whisper 生成字幕


支持使用Whisper AI模型批量从视频中提取文字字幕。支持多种模型选择（tiny/base/small/medium/large），平衡速度和精度。支持多语言识别（中文简体/繁体、英文、日语、韩语、法语、德语、西班牙语等），支持自动检测语言。支持字幕翻译功能，可将识别结果翻译成其他语言。支持多种字幕格式输出（SRT/ASS/VTT），自动命名规则：[原文件名]_[语言代码].格式。程序会自动检测Whisper路径和模型文件（系统安装或Plugin/whisper目录）。


━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

15. 声音克隆模型


程序内置了RTVC和SoVITS两个声音克隆模型，支持音频训练并生成克隆音频。RTVC支持实时语音转换和文本转语音（目前仅支持英文），需要输入文本和目标参考音频。SoVITS支持高质量音频克隆和多语言支持，需要输入源音频和目标参考音频，自动识别配置文件中的说话人列表。程序会自动检测模型完整性和Python环境。

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

tomcb

支持技术贴。

Ruclinux

软件是使用PyQT5写的，基于python和FFmpeg，基本上是FFmpeg的UI，大家都知道，FFmpeg是强大的视频和音频的编码和解码处理工具，现在世界上大部份的视频或音频处理工具都是基于FFmpeg开发的。

除了音频和视频的各种操作，我还额外添加了 Whisper、RTVC和SoVITS等3个ai模型。

Whisper：这是强大的，可以从声音中识别出字幕的ai模型，支持所有语言，不需要再进行模型训练，我已经打包了几个语言模型，只需要选择需要识别的语言就可以正常使用了。

RTVC：这是一款语音转换的ai模型，可以根据训练的模块，根据提供的语音模型，根据输入的文本，生成说话人语音，使用前提是需要有精准的音频，并且目前只支持英文，或者你们可以找到已经训练好的国内的语音模型。

SoVITS：同样是一个出色的音频转换ai模型项目，但是这个需要自己训练模型，大家如果想要使用，需要自己制作无噪音、无背景声的音频，然后进行模型训练，最少需要训练到8000步以上，再用训练好的模型去制作音频或音乐。

vagrant

东西是好东西，但是大佬呀，能不能来个夸克网盘或天翼网盘的链接呀，百度这没会员下载呀。

vagrant

20.65G？？哪个好心人转一下盘分享一下阿，这百度下载没会员得下到啥时候呀？！！

Alicloud

支持技术帖

Ruclinux

vagrant 发表于 2025-11-3 17:32
东西是好东西，但是大佬呀，能不能来个夸克网盘或天翼网盘的链接呀，百度这没会员下载呀。 ...

我现在下载个夸克，但不知道有没有那么大的空间

如果您不使用以下高级功能，可不下载或删除对应插件目录以节省空间：
– RTVC（实时语音克隆）→ 目录：
MediaCraft\Plugin\RTVC

– SoVITS（高质量声音克隆）→ 目录：
MediaCraft\Plugin\SoVITS

– Whisper（AI 字幕识别）→ 目录：
MediaCraft\Plugin\whisper
保留核心程序即可使用大部分常规功能（转码、合并、水印、截图、分割、提取音频/字幕等）。
安装建议：解压后直接运行程序；如需使用 AI/语音克隆功能，再按需补充对应
Plugin子目录。

Ruclinux

vagrant 发表于 2025-11-3 17:32
东西是好东西，但是大佬呀，能不能来个夸克网盘或天翼网盘的链接呀，百度这没会员下载呀。 ...

我用夸克网盘给你分享了「MediaCraft」，点击链接或复制整段内容，打开「夸克APP」即可获取。
/~f90238z8ew~:/
链接：https://pan.quark.cn/s/68226354d0df?pwd=WqYX
提取码：WqYX

这是夸克的网盘链接，天冀网盘的上传到一半就说今日上传总量已超

williamc2

666

vagrant

Ruclinux 发表于 2025-11-4 09:52
我用夸克网盘给你分享了「MediaCraft」，点击链接或复制整段内容，打开「夸克APP」即可获取。
/~f90238z8 ...

谢谢大佬，看到了，转存了。给你点个赞！谢谢！！