Skip to content

double2tea/AudioTranslator

BranchesTags

Repository files navigation

音频文件翻译器 (Audio Translator)

音频文件翻译器是一个功能强大的桌面应用程序，旨在帮助用户管理、分类和翻译音频文件。该应用程序集成了多种大型语言模型服务，支持高效的音频处理和文本生成功能。

功能特点

  • 简洁直观的用户界面：基于Tkinter构建的现代化界面，支持标签页式导航
  • 文件管理：浏览、选择和组织音频文件
  • 文件分类：手动或自动对音频文件进行分类
  • 服务管理：集成和管理多种AI服务提供商
  • 多服务支持：支持OpenAI、Anthropic（Claude）、Google Gemini、火山引擎、智谱AI、阿里云百炼和DeepSeek等服务
  • 服务测试：测试服务连接和功能
  • 配置保存：自动保存服务配置，实现便捷的重复使用
  • 音频处理：支持多种格式的音频文件处理和转换
  • 翻译服务：利用AI模型进行高质量的音频内容翻译
  • UCS命名规则：支持统一的音频文件命名规则系统
  • 可扩展API接口：易于集成新的AI服务提供商
  • 策略模式设计：灵活切换不同的翻译策略和命名规则
  • 统一配置管理：所有配置集中存储在项目级配置目录，便于管理和备份

配置管理

应用程序使用统一的配置管理系统，所有配置文件都存储在 src/config/ 目录中：

  • app_config.json - 应用程序主配置文件
  • services.json - AI服务配置文件
  • strategies.json - 翻译策略配置文件

详细的配置说明请参考 配置管理文档。

开发路线图

我们正在按照以下开发计划推进项目优化：

已完成的开发计划文档

  1. 翻译策略服务开发计划

    • 重构翻译服务为基于策略模式的架构
    • 支持多种翻译接口（OpenAI、Anthropic、Gemini、Alibaba、Deepseek、Volc、Zhipu等）
    • 实现面向接口编程，降低代码耦合度
    • 添加翻译结果缓存机制和上下文感知处理

  2. UCS命名规则增强计划

    • 改进统一命名标准
    • 优化分类规则和翻译规则
    • 提高命名规则的可配置性

  3. 命名服务开发计划

    • 实现多样化的命名规则
    • 提供自定义模板系统
    • 实现规则注册和验证机制
    • 与分类服务集成

  4. 核心服务重构计划

    • 定义清晰的接口和抽象基类
    • 改进服务注册和发现机制
    • 分离翻译策略和命名规则逻辑
    • 确保向后兼容性

  5. 分类服务优化计划

    • 统一CategoryService和CategoryManager
    • 优化分类猜测算法
    • 提供命名规则支持所需的接口
    • 明确UI和业务逻辑之间的责任分离

  6. 配置管理优化

    • 统一配置文件存储位置
    • 实现配置文件自动备份机制
    • 优化配置加载路径计算逻辑
    • 提供配置监视功能，支持实时更新

后续计划

  • 完成翻译策略服务的实现
  • 更新UI以支持新的翻译和命名功能
  • 优化性能和用户体验
  • 完善测试覆盖率
  • 扩展文档和用户指南

系统要求

  • Python 3.8+
  • 适用于Windows、macOS和Linux平台
  • 音频处理库：ffmpeg（需要单独安装）

安装指南

1. 克隆仓库

git clone https://github.com/username/audio-translator.git
cd audio-translator

2. 创建虚拟环境（推荐）

使用venv（标准方式）

python -m venv venv

激活虚拟环境:

  • Windows: venv\Scripts\activate
  • macOS/Linux: source venv/bin/activate

使用uv（更快的替代方案）

如果你已安装uv，可以使用它来创建和管理虚拟环境：

# 创建虚拟环境
uv venv

# 激活虚拟环境
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate

3. 安装依赖

使用pip

pip install -r requirements.txt

使用uv（更快）

uv pip install -r requirements.txt

主要依赖项包括：

  • tkinter (GUI库)
  • openai, anthropic, google-generativeai (AI服务API)
  • requests (HTTP请求)
  • pydub (音频处理)
  • numpy, pandas (数据处理)
  • pillow (图像处理)

4. 运行应用程序

python -m src.audio_translator

使用指南

主界面

应用程序启动后，您将看到两个主要选项卡：

  1. 文件管理 - 用于浏览、选择和分类音频文件
  2. 服务管理 - 用于配置和管理AI服务提供商

文件管理

  1. 点击"打开目录"按钮浏览音频文件
  2. 在文件树中选择要处理的文件
  3. 使用右键菜单或工具栏按钮对文件进行分类
  4. 双击文件可查看详细信息
  5. 选择文件后，可以进行音频处理或翻译操作

服务管理

  1. 切换到"服务管理"选项卡
  2. 查看已配置的服务列表
  3. 点击"添加服务"按钮添加新服务
  4. 在表单中填写服务配置信息：
    • 服务名称
    • 服务类型（从下拉菜单中选择）
    • API密钥
    • API URL（可选，大多数服务有默认值）
  5. 点击"保存"按钮保存服务配置
  6. 使用"测试连接"按钮验证服务配置

支持的服务类型

应用程序支持以下AI服务提供商接口：

服务名称 服务类型 默认API URL
OpenAI openai https://api.openai.com/v1
Anthropic anthropic https://api.anthropic.com
Google Gemini gemini https://generativelanguage.googleapis.com
火山引擎 volcengine https://open.volcengineapi.com
智谱AI zhipuai https://open.bigmodel.cn/api
阿里云百炼 alibaba https://dashscope.aliyuncs.com
DeepSeek deepseek https://api.deepseek.com/v1
统一通信服务 ucs 根据配置文件设置

项目结构

audio-translator/
├── src/                        # 源代码目录
│   ├── audio_translator/       # 主包
│   │   ├── api/                # API接口
│   │   ├── config/             # 配置管理
│   │   ├── core/               # 核心功能
│   │   ├── data/               # 数据定义和处理
│   │   ├── gui/                # GUI相关代码
│   │   │   ├── dialogs/        # 对话框组件
│   │   │   ├── panels/         # 面板组件
│   │   │   └── main_window.py  # 主窗口
│   │   ├── managers/           # 管理器
│   │   │   ├── file_manager.py
│   │   │   └── category_manager.py
│   │   ├── services/           # 服务实现
│   │   │   ├── core/           # 核心服务
│   │   │   │   ├── base_service.py           # 服务基类
│   │   │   │   ├── service_factory.py        # 服务工厂
│   │   │   │   └── service_manager_service.py# 服务管理器
│   │   │   ├── api/            # API服务
│   │   │   │   ├── model_service.py          # 模型服务基类
│   │   │   │   └── providers/               # 服务提供商
│   │   │   │       ├── openai/              # OpenAI服务
│   │   │   │       ├── anthropic/           # Anthropic服务
│   │   │   │       ├── gemini/              # Gemini服务
│   │   │   │       ├── volc/                # 火山引擎服务
│   │   │   │       ├── zhipu/               # 智谱AI服务
│   │   │   │       ├── alibaba/             # 阿里云百炼服务
│   │   │   │       └── deepseek/            # DeepSeek服务
│   │   │   ├── infrastructure/  # 基础设施服务
│   │   │   │   ├── file_service.py          # 文件服务
│   │   │   │   └── config_service.py        # 配置服务
│   │   │   └── business/       # 业务服务
│   │   │       ├── audio_service.py         # 音频服务
│   │   │       ├── translator_service.py    # 翻译服务
│   │   │       ├── category_service.py      # 分类服务
│   │   │       ├── theme_service.py         # 主题服务
│   │   │       └── ucs/                    # 统一通信服务
│   │   │           └── ucs_service.py      # UCS实现
│   │   │       ├── translation/            # 新的翻译策略服务
│   │   │           ├── translation_manager.py  # 翻译管理器
│   │   │           ├── strategies/         # 翻译策略
│   │   │           ├── cache/              # 缓存管理
│   │   │           └── plugins/            # 插件系统
│   │   └── utils/              # 工具函数
│   └── __main__.py             # 程序入口
├── tests/                      # 测试目录
├── docs/                       # 文档目录
│   ├── translation_strategy_service_plan.md    # 翻译策略服务开发计划
│   ├── ucs_naming_rules_enhancement.md         # UCS命名规则增强计划
│   ├── naming_service_development_plan.md      # 命名服务开发计划
│   ├── core_service_refactoring_plan.md        # 核心服务重构计划
│   └── category_service_optimization_plan.md   # 分类服务优化计划
├── config.json                 # 全局配置文件
├── config.py                   # 配置模块
├── category_manager.py         # 类别管理器
├── service_manager.py          # 服务管理器
├── theme_manager.py            # 主题管理器
├── translator.py               # 翻译器
├── translator_gui.py           # GUI界面
└── README.md                   # 项目说明

架构设计

应用程序采用分层架构设计，主要组件分为四个层次：

  • 核心层(Core): 提供基础架构和服务管理
  • API层(API): 负责与外部API服务集成
  • 基础设施层(Infrastructure): 提供底层功能支持
  • 业务层(Business): 实现核心业务逻辑
flowchart TD
    A[AudioTranslatorGUI] --> B[ServiceFactory]
    
    subgraph 核心层[核心层Core]
        B[ServiceFactory]
        C[ServiceManagerService]
        D[BaseService]
    end
    
    subgraph 基础设施层[基础设施层Infrastructure]
        E[FileService]
        F[ConfigService]
    end
    
    subgraph 业务层[业务层Business]
        G[AudioService]
        H[TranslatorService]
        I[CategoryService]
        J[ThemeService]
        K[UCSService]
        T[TranslationManager]
        N[NamingService]
    end
    
    subgraph API层[API层API]
        L[ModelService]
        M[OpenAIService]
        OA[AnthropicService]
        GA[GeminiService]
        V[VolcEngineService]
        Z[ZhipuAIService]
        AL[AlibabaService]
        DS[DeepSeekService]
        TS[策略适配器]
    end
    
    B --> C
    B --> D
    B --> E
    B --> F
    B --> G
    B --> H
    B --> I
    B --> J
    B --> K
    B --> T
    B --> N
    C --> D
    D --> L
    L --> M
    L --> OA
    L --> GA
    L --> V
    L --> Z
    L --> AL
    L --> DS
    H --> K
    H --> T
    T --> TS
    TS --> M
    TS --> OA
    TS --> GA
    TS --> V
    TS --> Z
    TS --> AL
    TS --> DS
Loading

翻译策略服务架构

新的翻译策略服务采用策略模式和适配器模式，提供了灵活的翻译接口集成架构：

graph TD
    A[TranslationManager] --> B[StrategyRegistry]
    B --> C1[OpenAIStrategy]
    B --> C2[AnthropicStrategy]
    B --> C3[GeminiStrategy]
    B --> C4[DeepseekStrategy]
    B --> C5[AlibabaStrategy]
    B --> C6[VolcStrategy]
    B --> C7[ZhipuStrategy]
    B --> C8[OfflineStrategy]
    B --> C9[DynamicStrategyLoader]
    A --> D[ContextProcessor]
    A --> E[CacheManager]
    F[ConfigService] --> A
    G[UCSService] --> A
    H[ModelServiceFactory] --> C1
    H --> C2
    H --> C3
    H --> C4
    H --> C5
    H --> C6
    H --> C7
Loading

配置文件

应用程序使用JSON格式的配置文件管理设置、服务和其他参数。主要配置文件位于src/config/目录中。

服务配置文件示例

services.json 文件定义了可用的AI服务：

{
    "services": {
        "zhipu": {
            "name": "智谱 AI",
            "type": "zhipuai", 
            "enabled": true,
            "api_key": "YOUR_ZHIPU_API_KEY",
            "api_url": "https://open.bigmodel.cn/api/paas/v4",
            "models": [
                {
                    "name": "chatglm_turbo",
                    "description": "ChatGLM Turbo"
                }
            ],
            "current_model": "chatglm_turbo"
        }
    }
}

API密钥管理

API密钥管理有以下几种方式：

  1. 直接修改配置文件

    编辑 src/config/services.json 文件，替换占位符：

    {
    "services": {
        "zhipu": {
            "name": "智谱 AI",
            "type": "zhipuai",
            "enabled": true,
            "api_key": "YOUR_ZHIPU_API_KEY",
            ...
        },
        ...
    }
}

  2. 使用环境变量

    更推荐的方式是使用环境变量管理API密钥：

    • 创建一个 .env 文件在项目根目录：

      ZHIPU_API_KEY=your_api_key_here
VOLC_API_KEY=your_api_key_here
OPENAI_API_KEY=your_api_key_here

    • 然后在 services.json 中使用环境变量引用:

      "api_key": "${ZHIPU_API_KEY}"

  3. 使用GUI工具管理

    应用程序提供了API密钥管理界面：

    • 打开应用，点击菜单 "工具" > "API密钥管理"
    • 选择服务，设置API密钥或关联环境变量
    • 点击"测试连接"以验证配置的正确性

重要安全提示：

  • 不要将包含真实API密钥的文件提交到版本控制系统
  • 将 .env 文件添加到 .gitignore
  • 定期轮换API密钥
  • 使用带权限限制的API密钥

开发指南

添加新的服务支持

要添加新的服务支持，需要：

  1. 创建新的服务类，继承自ModelService
  2. 在api/providers/目录下创建新的提供商目录
  3. 实现必要的方法：test_connection, list_models, chat_completion, validate_config
  4. 在service_manager_service.py中注册新服务
  5. 如需集成到翻译策略，创建对应的策略适配器

示例：

# 在api/providers/newservice/newservice_service.py

from ...model_service import ModelService
from typing import Dict, List, Any

class NewService(ModelService):
    def __init__(self, config: Dict):
        super().__init__(config)
        self.name = config.get('name', 'New Service')
        self.type = 'newservice'
        
    def test_connection(self) -> Dict[str, Any]:
        # 实现连接测试逻辑
        pass
        
    def list_models(self) -> List[str]:
        # 获取可用模型列表
        pass
        
    def chat_completion(self, messages: List[Dict], model: str = None) -> Dict:
        # 实现聊天完成功能
        pass
        
    def validate_config(self) -> Dict[str, Any]:
        # 验证配置有效性
        pass

自定义UI

UI组件基于Tkinter构建，可以通过修改gui目录下的文件来自定义外观和行为。

主要UI组件：

  • MainWindow: 应用程序主窗口
  • ServiceManagerPanel: 服务管理面板
  • FileManagerPanel: 文件管理面板
  • ConfigDialog: 配置对话框
  • CategorySelectionDialog: 分类选择对话框

贡献指南

  1. Fork项目
  2. 创建功能分支 (git checkout -b feature/amazing-feature)
  3. 提交更改 (git commit -m 'Add some amazing feature')
  4. 推送到分支 (git push origin feature/amazing-feature)
  5. 创建Pull Request

问题反馈

如果您遇到任何问题或有建议，请通过以下方式提交：

  1. 在GitHub上创建Issue
  2. 发送邮件至项目维护者

许可证

该项目采用MIT许可证 - 详情请参阅LICENSE文件

鸣谢

  • 感谢所有开源贡献者
  • 部分设计参考了CherryHQ/cherry-studio项目
  • 特别感谢各大AI服务提供商提供的API支持

功能亮点

自定义模型功能

音频翻译器现已支持添加自定义模型，使用户可以为每个AI服务添加自己的模型配置。主要功能包括：

  1. 添加自定义模型：在服务管理面板中，用户可以点击"添加自定义模型"按钮，填写模型名称、ID和其他参数来添加一个新的自定义模型。

  2. 删除自定义模型：右键点击模型下拉列表，可以通过上下文菜单删除已添加的自定义模型。

  3. 自动保存：自定义模型会自动保存到服务配置中，并在下次启动程序时自动加载。

  4. 与API获取的模型共存：自定义模型可以与从API获取的标准模型列表共存，并且在刷新模型列表时不会被覆盖。

翻译策略服务

正在开发的翻译策略服务将提供以下功能：

  1. 多接口支持：支持所有已集成的API接口（OpenAI、Anthropic、Gemini、Alibaba、Deepseek、Volc、Zhipu等）
  2. 策略模式：允许动态切换不同的翻译策略
  3. 接口适配：通过适配器模式集成各种翻译接口
  4. 缓存机制：优化性能，减少重复翻译请求
  5. 插件系统：支持动态加载新的翻译策略实现
  6. 故障转移：当首选服务不可用时自动切换到备选服务
  7. 上下文处理：提供上下文感知的翻译能力

统一命名规则系统

通过UCS命名规则增强计划和命名服务开发，将提供以下功能：

  1. 规则模板化：支持自定义命名规则模板
  2. 规则验证：确保生成的名称符合预定义标准
  3. 与分类系统集成：基于文件分类应用不同的命名规则
  4. 批量处理：支持对多个文件应用统一命名规则

本项目仍在积极开发中，欢迎贡献代码和提出建议。

About

音频文件翻译器应用程序，支持音频处理、分类和AI翻译功能

Resources

Readme
Activity

Stars

0 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages