Ein Satz genügt, um jedes Video zu übersetzen: Ich veröffentliche mein seit sechs Monaten genutztes Video-Übersetzungstool als Open Source

Manche Leute sagen, es gibt doch schon jede Menge KI-Automatikübersetzer für Untertitel – wozu also noch dieser hier?

Stimmt, es gibt viele Tools für Online-Videoübersetzung, und ich habe selbst einige ausprobiert. Aber ich fand sie nie genau genug, oder die Qualität ließ zu wünschen übrig, manchmal sprudelten sie nur Fehler aus.

Außerdem teile ich oft Videos aus dem Ausland auf Twitter und in WeChat-Kanälen, also habe ich mir dieses Toolkit gebaut – es hilft tatsächlich dabei, ausländische Videos auf heimische Plattformen zu bringen, hehe.

Ich habe das Toolkit ein halbes Jahr lang benutzt, viele Male angepasst, und jetzt ist es ziemlich ausgereift. Ich habe es aufgeräumt und für alle als Open Source veröffentlicht.

Einmal installiert, reicht ein einziger Satz: „Übersetze diesen Link in ein Video mit chinesischen Untertiteln“, und es erledigt den Rest automatisch: Herunterladen, Transkribieren, Übersetzen, Feinschliff, Untertitel einbrennen und ein Transkript erstellen – eine komplette Rundum-Sorglos-Lösung.

Das Transkribieren läuft komplett auf dem eigenen Rechner, ohne API-Kosten. Die Übersetzung nutzt die KI, die du bereits installiert hast. Und es funktioniert nicht nur mit Englisch – japanische, koreanische, französische und andere fremdsprachige Videos lassen sich alle in chinesische Untertitel umwandeln.

Im Grunde sind es nur ein paar Skripte plus eine Anleitung. Es ist nicht an Claude Code gebunden – OpenClaw, Gemini und Codex können es ebenfalls nutzen; der einzige Unterschied ist, wie jedes Tool „Skills“ installiert.

Unten findest du eine Schritt-für-Schritt-Anleitung, um es zu installieren und dein erstes Video zu verarbeiten.

Was kann dieses Ding eigentlich genau?

Gib ihm einen Videolink (YouTube, Bilibili, Douyin – alles funktioniert) oder eine lokale Videodatei, und es erledigt diese fünf Schritte in einem Durchgang:

Herunterladen → Transkribieren → Übersetzen → Feinschliff → Untertitel einbrennen

...und am Ende ein Transkript ausgeben.

Im Einzelnen:

• Video herunterladen (oder eine lokale Datei direkt verwenden).
• Audio extrahieren und mit Whisper in Original-Untertitel mit präzisen Zeitstempeln transkribieren.
• Den Originaltext ins Chinesische übersetzen und zu Untertiteln verfeinern, die an chinesische Sehgewohnheiten angepasst sind.
• Die Untertitel in das Video einbrennen, sodass ein Video mit chinesischen Untertiteln entsteht.
• Gleichzeitig ein Markdown-Transkript erstellen – zum Archivieren oder zum Umwandeln in einen Artikel.

Die Sprache spielt keine Rolle. Englisch, Japanisch, Koreanisch, Französisch, Spanisch – solange Whisper es versteht, kann es in chinesische Untertitel umgewandelt werden. Es erkennt die Ausgangssprache automatisch und übersetzt sie. Bei chinesischen Videos wird nur transkribiert und ein Transkript erstellt, ohne Übersetzungsschritt.

Es gibt zwei Untertitel-Optionen. Die eine ist nur Chinesisch für einen aufgeräumten Bildschirm. Die andere ist zweisprachig (Chinesisch/Englisch) mit großen chinesischen und kleinen englischen Schriftzeichen – perfekt für alle, die ihr Hörverständnis trainieren wollen.

Du musst dir keine Befehle merken. Sag einfach in natürlicher Sprache: „Ich möchte zweisprachige Untertitel“, „Kein Wasserzeichen“ oder „Schnellmodus“ – es versteht alles.

Einfach gesagt: Es komprimiert eine Pipeline, für die man früher vier oder fünf Programme und ein bis zwei Stunden Arbeit gebraucht hat, auf einen einzigen Satz.

Worin unterscheidet es sich von bestehenden Tools?

Es gibt viele Untertitel-Tools auf dem Markt. Mir sind drei Dinge wichtig, und dieses Tool wurde genau dafür entwickelt.

Erstens: Lokal, kostenlos und offline. Für die Transkription wird das Open-Source-Modell Whisper von OpenAI verwendet. Auf Apple-Silicon-Macs wird automatisch die GPU beschleunigt. Der gesamte Transkriptionsprozess findet auf deinem Rechner statt – kein Hochladen, keine Gebühren. Die Übersetzung nutzt die KI, die du bereits hast, also ist keine separate Übersetzungs-API nötig.

Zweitens: Präzise Zeitstempel. Viele Tools haben Untertitel, die dem Sprecher vorauslaufen oder Sätze unbeholfen abschneiden. Dieses Tool erhält Zeitstempel, die genau dem gesprochenen Wort entsprechen, und schneidet basierend auf „Satz + Atempause“, sodass die Untertitel genau dann wechseln, wenn der Sprecher einen Gedanken beendet.

Drittens: Untertitel für Menschen, nicht nur rohe Maschinenübersetzung. Es korrigiert automatisch falsch verstandene Eigennamen („Claude“ wird oft als „Cloud“ verstanden, „MCP“ als „NCP“), bricht Sätze semantisch um, hält die Zeilen unter zwölf Zeichen und behält englische Fachbegriffe bei. Im zweisprachigen Modus ist Chinesisch groß und Englisch klein, klar getrennt, statt nur zwei gleich große Zeilen übereinander.

Das sind Details, die ich über Hunderte von Videos verfeinert habe – alles in den Regeln festgehalten.

Wie die Ergebnisse aussehen

Testen wir ein aktuelles Interview von a16z mit der ehemaligen OpenAI-CTO Mira Murati. Ich habe das Tool gebeten, zweisprachige Untertitel zu erstellen.

In ihren Originalworten gab es eine Metapher:

It's more like a tandem bike where both people are pedaling.

Maschinenübersetzung würde vielleicht eine holprige wörtliche Übersetzung liefern. Dieses Tool übersetzt es als: „Es ist eher wie ein Tandem-Fahrrad, bei dem beide gemeinsam in die Pedale treten.“

Es klingt natürlich und flüssig. Auch Eigennamen werden gut behandelt; Firmennamen wie „Thinking Machines“ bleiben auf Englisch, statt zwangsübersetzt zu werden.

Du schickst einfach „Link + Übersetze dieses Video“, und es fragt zuerst, ob du nur Chinesisch oder zweisprachig möchtest – ich übersetze meistens ins Chinesische, also habe ich diese beiden als Standardoptionen gelassen, aber es kann tatsächlich in jede Sprache übersetzen.

Neben dem Video mit Untertiteln wird auch ein Transkript mit Original und chinesischem Text nebeneinander erstellt.

Der vollständige Absatz sieht so aus:

Es geht eher darum, ein System zu bauen, das nicht einfach abhebt und die Zivilisation zurücklässt, sondern eher wie ein Tandem-Fahrrad ist, bei dem beide in die Pedale treten. Bergauf tritt vielleicht der Stärkere härter, aber beide haben die Hände am Lenker.

Das Praktischste ist, dass es sprachunabhängig ist. Dasselbe Interview kann in zweisprachige Untertitel für Chinesisch, Japanisch, Koreanisch, Arabisch oder Französisch übersetzt werden – mit der Übersetzung oben und Englisch unten, klar priorisiert. Sogar rechtsläufiges Arabisch wird sauber ausgerichtet:

Zehnminütige Videos sind kein Problem, und lange Videos über anderthalb Stunden werden problemlos verarbeitet.

Es sind eigentlich drei Skills

Wenn du das Repository öffnest, siehst du drei Ordner, die jeweils einen Teil der Arbeit übernehmen. Sie können einzeln oder in einer Kette verwendet werden:

• xiaohu-video-md: Der Kommandant. Zuständig für Herunterladen, Transkribieren, Aufruf der Übersetzung, Untertitel einbrennen und Transkript ausgeben.
• xiaohu-subtitle-polish: Spezialisiert auf Untertitel-Übersetzung und -Feinschliff. Behandelt Fehlerkorrektur, Übersetzung, Satzumbruch, Zeitanpassung und zweisprachige Formatierung.
• xiaohu-video-download: Ein reines Download-Tool. Lädt Videos, Audio oder ganze Playlists herunter und kann auch Untertitel in lokale Videos einbrennen.

Beim Übersetzen eines Videos ist xiaohu-video-md der Orchestrator und ruft für den Übersetzungsschritt xiaohu-subtitle-polish auf. Du musst dir darüber keine Gedanken machen; weißt einfach, dass diese drei Teile existieren.

Schritt-für-Schritt-Installation

Dieses Tool ist derzeit für Mac optimiert und läuft auf Apple Silicon am flüssigsten. Es gibt zwei Installationswege: Wenn du es einfach haben willst, füge den folgenden Text in deine KI ein; wenn du verstehen willst, was passiert, oder Angst vor Fehlern hast, folge der manuellen Anleitung.

Faule Version: Das hier deiner KI geben

Öffne dein KI-Coding-Tool (Claude Code, Codex, OpenClaw) und kopiere den folgenden Text genau so hinein. Es wird dein System erkennen, Abhängigkeiten installieren, das Repository klonen und das Installationsskript ausführen und dich bei Bedarf etwas fragen:

Hilf mir, dieses Video-Übersetzungstool zu installieren: https://github.com/xiaohuailabs/xiaohu-video-translate Folge dieser Reihenfolge: 1. Überprüfe mein System: Mac oder Windows; bei Mac prüfe auf Apple Silicon (M-Serie). 2. Installiere Abhängigkeiten: yt-dlp, ffmpeg, whisper-cpp (Auf Mac mit brew install, auf Windows mit WSL oder winget). Transkriptions-Engine: Installiere mlx-whisper auf Apple Silicon, sonst faster-whisper. 3. Klone das Repo mit git clone, wechsle in das Verzeichnis und führe bash install.sh aus, um die drei Skills in meinem Skills-Verzeichnis zu installieren. 4. Nach der Installation findest du die config.json im Skill xiaohu-video-md (bei Claude Code in ~/.claude/skills/). Frage mich, wo ich die fertigen Dateien speichern möchte, und hilf mir, output_dir auf den vollständigen Pfad zu setzen. 5. Überprüfe zum Schluss, ob alle Abhängigkeiten installiert sind, und sag mir, ob ich loslegen kann.

Erkläre kurz, was du in jedem Schritt gemacht hast; falls eine Abhängigkeit fehlschlägt, halte an und frage mich – mach nicht einfach weiter.

Im Wesentlichen führt es die drei folgenden Schritte für dich aus. Wenn du es selbst machen oder Fehler beheben möchtest, folge der manuellen Version.

Schritt 1: Grundlegende Tools installieren

Stelle zunächst sicher, dass Homebrew installiert ist. Führe dann diesen Befehl aus, um die drei Tools zu installieren:

brew install yt-dlp ffmpeg whisper-cpp

Als Nächstes installiere eine Transkriptions-Engine. Für Apple-Silicon-Macs verwende diese für GPU-Beschleunigung (das --break-system-packages-Flag umgeht nur eine neuere Systemeinschränkung; es schadet deinem System nicht):

pip3 install --break-system-packages mlx-whisper

Wenn du kein Apple Silicon hast, verwende die allgemeine Version:

pip3 install --break-system-packages faster-whisper

Schritt 2: Skills in Claude installieren

Klone das Repository und führe das Installationsskript aus:

git clone https://github.com/xiaohuailabs/xiaohu-video-translate.git cd xiaohu-video-translate bash install.sh

Dieses Skript kopiert die drei Skills in Claudes Skill-Verzeichnis, erstellt Konfigurationsdateien und überprüft Abhängigkeiten. Wenn alles [OK] anzeigt, bist du bereit. Wenn etwas [Missing] anzeigt, folge den Anweisungen, um es zu beheben. (Die Pfade hier verwenden Claude Code als Beispiel; für andere Tools ändere einfach das Verzeichnis).

Schritt 3: Sage ihm, wohin die Ergebnisse sollen

Öffne ~/.claude/skills/xiaohu-video-md/config.json und ändere output_dir auf den gewünschten Ordnerpfad (z.B. /Users/deinname/Documents/VideoTranslation).

Temporäre Dateien landen in tmp/, Transkripte in data/ und fertige Videos standardmäßig in deinem Downloads-Ordner.

Du musst das Transkriptionsmodell nicht manuell herunterladen. Beim ersten Ausführen lädt mlx-whisper es herunter (ca. 1,5 GB) und verwendet es danach erneut.

Wenn das erledigt ist, starte dein KI-Tool neu, und schon kann es losgehen.

Windows-Nutzer aufgepasst

Das Obige gilt für den Mac. Windows kann es auch ausführen, aber mit ein paar Unterschieden:

Der einfachste Weg ist die Verwendung von WSL (Windows Subsystem for Linux). Sobald es installiert ist, installiere diese, und das Skript läuft wie gehabt:

sudo apt install ffmpeg pip3 install yt-dlp faster-whisper

Wenn du kein WSL verwenden möchtest:

• Verwende faster-whisper als Engine.
• Führe das Installationsskript mit Git Bash aus oder kopiere die Ordner manuell.
• Ändere die Untertitel-Schriftart. Standardmäßig wird macOS' PingFang SC verwendet. Ändere sie in den Befehlen auf Microsoft YaHei, damit der Text nicht als Kästchen erscheint.

Wie man es benutzt

Einmal installiert, reicht ein einziger Satz. Du kannst zum Beispiel sagen:

• „Übersetze diesen Link in ein Video mit chinesischen Untertiteln + [Link]“
• „Übersetze dieses Video, ich möchte zweisprachige Untertitel + [Link]“
• „Wandle dieses Video in Text um + [Link]“ (Erzeugt nur Markdown)
• „Füge chinesische Untertitel zu diesem lokalen Video hinzu + [Pfad]“
• „Lade dieses Video herunter + [Link]“
• „Verwende den Schnellmodus für die Transkription“
• „Kein Wasserzeichen beim Übersetzen“

Einige Fallstricke, die du beachten solltest

YouTube lässt sich manchmal nicht herunterladen (403-Fehler). YouTube hat seine Risikokontrollen verschärft. Das Skript versucht, Cookies aus deinem Browser zu lesen, um es erneut zu versuchen. Wenn es immer noch fehlschlägt, verwende einen Proxy.

Untertitel erscheinen als Kästchen. Das ist ein Problem mit der Schriftarten-Indizierung. Stelle sicher, dass du eine auf deinem System verfügbare Schriftart verwendest (z.B. PingFang SC auf dem Mac).

Douyin erfordert eine einmalige Anmeldung. Führe das Skript douyin_login.py aus und scanne den QR-Code. Diese Anmeldeinformationen bleiben nur auf deinem Rechner.

Nimm es und nutze es

Adresse des Repositorys:

github.com/xiaohuailabs/xiaohu-video-translate

Der Code ist unter der MIT-Lizenz lizenziert. Du kannst Wasserzeichen, Stile oder Schriftgrößen nach Belieben ändern. Nur eine Erinnerung: Lade deine Konfigurationsdateien oder Douyin-Anmeldedaten nicht in öffentliche Repos hoch.

Dies ist ein Tool, das ich täglich benutze, kein Spielzeug. Wenn du es nützlich findest, gib ihm einen Stern. Wenn du Probleme hast, erstelle ein Issue.

Beim nächsten Mal veröffentliche ich meinen Artikel-Illustrations-Skill als Open Source – mit einem persönlichen IP-Bild werden Illustrationen für Artikel generiert, wie die in diesem Beitrag.