Algumas pessoas dizem que já existem muitas ferramentas de tradução automática de legendas com IA, então qual é a graça desta?
É verdade que existem muitas ferramentas para tradução de vídeos online, e eu mesmo já usei várias. Mas sempre senti que não eram precisas o suficiente, ou a qualidade era ruim, às vezes até aparecendo vários erros.
Além disso, compartilho frequentemente vídeos do exterior no Twitter e no WeChat Channels, então decidi montar este conjunto de ferramentas — ele pode, de fato, ajudar você a migrar vídeos estrangeiros para plataformas nacionais, hehe.
Usei esse conjunto por seis meses, ajustei muitas vezes, e agora está bem maduro. Limpei e abri o código para todos.
Depois de instalado, você só precisa dizer uma frase: "Traduza este link para um vídeo com legendas em chinês", e ele cuida do resto automaticamente: baixar, transcrever, traduzir, polir, queimar legendas e gerar uma transcrição — um serviço completo.
A transcrição roda inteiramente no seu próprio computador, sem custos de API. A tradução usa a IA que você já instalou. E não é só para inglês; vídeos em japonês, coreano, francês e outros idiomas estrangeiros podem ser convertidos para legendas em chinês.
Basicamente, são apenas alguns scripts e um manual. Não está preso ao Claude Code — OpenClaw, Gemini e Codex também podem usar; a única diferença é como cada ferramenta instala "habilidades".
Abaixo está um guia passo a passo para instalar e rodar seu primeiro vídeo.
O que essa coisa realmente faz?
Dê a ele um link de vídeo (YouTube, Bilibili, Douyin — todos funcionam) ou um arquivo de vídeo local, e ele completará estas cinco etapas de uma só vez:
Baixar → Transcrever → Traduzir → Polir → Queimar Legendas
...e, por fim, gerar uma transcrição.
Detalhando:
- Baixar o vídeo (ou usar um arquivo local diretamente).
- Extrair o áudio e usar o Whisper para transcrevê-lo em legendas originais com timestamps precisos.
- Traduzir o texto original para o chinês e polir para legendas que se encaixam nos hábitos de visualização chineses.
- Queimar as legendas no vídeo, gerando um vídeo com legendas em chinês.
- Simultaneamente, gerar uma transcrição em Markdown para fácil arquivamento ou transformação em artigo.
O idioma não importa. Inglês, japonês, coreano, francês, espanhol — desde que o Whisper entenda, pode ser convertido para legendas em chinês. Ele identifica automaticamente o idioma de origem e traduz. Para vídeos em chinês, apenas transcreve e gera uma transcrição, sem a etapa de tradução.
Existem duas opções de legenda. Uma é só chinês para uma tela limpa. A outra é bilíngue (chinês/inglês), com texto chinês grande e texto inglês pequeno, perfeito para quem quer praticar a audição.
Você não precisa lembrar de nenhum comando. Basta usar linguagem simples: "Quero legendas bilíngues", "Sem marca d'água", "Usar modo rápido" — ele entende tudo.
Em suma, ele comprime um pipeline que antes exigia quatro ou cinco softwares e uma ou duas horas de trabalho em uma única frase.
Qual a diferença das ferramentas existentes?
Existem muitas ferramentas de legenda no mercado. Eu me importo com três coisas, e esta ferramenta foi construída especificamente para elas.
Primeiro: Local, gratuito e offline. A transcrição usa o modelo Whisper de código aberto da OpenAI. Em Macs com Apple Silicon, ele usa automaticamente aceleração GPU. Todo o processo de transcrição acontece no seu computador — sem uploads, sem taxas. A tradução reutiliza a IA que você já tem, então nenhuma API de tradução separada é necessária.
Segundo: Timestamps precisos. Muitas ferramentas têm legendas que avançam antes do falante ou cortam frases de forma estranha. Esta ferramenta obtém timestamps precisos para quando cada palavra é dita e corta com base em "frase + pausa de respiração", para que as legendas mudem exatamente quando o falante termina um pensamento.
Terceiro: Legendas para humanos, não apenas tradução automática bruta. Ela corrige automaticamente nomes próprios ouvidos erroneamente (Claude é frequentemente ouvido como "nuvem", MCP como "NCP"), quebra sentenças por semântica, mantém linhas com menos de doze caracteres e retém inglês para termos técnicos. No modo bilíngue, o chinês é grande e o inglês pequeno, claramente separados, em vez de apenas duas linhas do mesmo tamanho empilhadas.
Esses são detalhes que refinei ao longo de centenas de vídeos, todos incorporados nas regras.
Como são os resultados
Vamos testar uma entrevista postada recentemente pela a16z com a ex-CTO da OpenAI, Mira Murati. Pedi à ferramenta que fornecesse legendas bilíngues.
Em suas palavras originais, havia uma metáfora:
É mais como uma bicicleta tandem onde ambas as pessoas estão pedalando.
A tradução automática pode dar uma tradução literal estranha. Esta ferramenta traduz como: "É mais como uma bicicleta de dois lugares, onde as duas pessoas pedalam juntas."
É natural e suave. Nomes próprios também são bem tratados; nomes de empresas como "Thinking Machines" são mantidos em inglês, em vez de forçados à tradução.
Você apenas envia "Link + Traduza este vídeo", e ela primeiro pergunta se você quer chinês puro ou bilíngue — eu geralmente traduzo para chinês, então deixei essas duas como opções padrão, mas ela pode traduzir para qualquer idioma.
Além do vídeo legendado, ela também gera uma transcrição com o texto original e o chinês lado a lado.
O parágrafo completo fica assim:
É mais como construir um sistema que não sai por aí sozinho e deixa a civilização para trás, mas é mais como uma bicicleta tandem onde ambas as pessoas estão pedalando. Na subida, talvez a pessoa mais forte pedale com mais força, mas as mãos de ambos estão no guidão.
A parte mais prática é que é independente de idioma. A mesma entrevista pode ser traduzida para legendas bilíngues em chinês, japonês, coreano, árabe ou francês — com a tradução em cima e o inglês embaixo, claramente priorizados. Até o árabe da direita para a esquerda fica bem alinhado:
Vídeos de dez minutos não são problema, e vídeos longos com mais de uma hora e meia são tratados com facilidade.
Na verdade, são três habilidades
Quando você abre o repositório, verá três pastas, cada uma gerenciando uma parte do trabalho. Podem ser usadas individualmente ou encadeadas:
- xiaohu-video-md: O comandante. Responsável por baixar, transcrever, chamar a tradução, queimar legendas e gerar a transcrição.
- xiaohu-subtitle-polish: Especializado em tradução e polimento de legendas. Cuida de correção de erros, tradução, quebra de frases, alinhamento de tempo e formatação bilíngue.
- xiaohu-video-download: Uma ferramenta de download pura. Baixa vídeos, áudio ou playlists inteiras, e também pode queimar legendas em vídeos locais.
Ao traduzir um vídeo, xiaohu-video-md é o orquestrador, e chama xiaohu-subtitle-polish para a etapa de tradução. Você não precisa se preocupar com isso; apenas saiba que essas três partes existem.
Instalação Passo a Passo
Esta ferramenta está atualmente otimizada para Mac, rodando mais suavemente no Apple Silicon. Existem duas maneiras de instalá-la: se quiser fácil, basta colar o texto abaixo na sua IA; se quiser saber o que está acontecendo ou tiver medo de erros, siga os passos manuais.
Versão Preguiçosa: Dê isso à sua IA
Abra sua ferramenta de codificação AI (Claude Code, Codex, OpenClaw) e copie e cole exatamente o seguinte. Ela determinará seu sistema, instalará dependências, clonará o repositório e executará o script de instalação, fazendo perguntas quando necessário:
Me ajude a instalar esta ferramenta de tradução de vídeos: https://github.com/xiaohuailabs/xiaohu-video-translate Siga esta ordem: 1. Verifique meu sistema: Mac ou Windows; se Mac, verifique se é Apple Silicon (série M). 2. Instale dependências: yt-dlp, ffmpeg, whisper-cpp (Use brew install para Mac, WSL ou winget para Windows). Mecanismo de transcrição: Instale mlx-whisper para Apple Silicon, faster-whisper para outros. 3. git clone deste repositório, entre no diretório e execute bash install.sh para instalar as três habilidades no meu diretório de habilidades. 4. Uma vez instalado, encontre o config.json na habilidade xiaohu-video-md (para Claude Code, está em ~/.claude/skills/). Pergunte-me onde quero salvar os produtos finalizados e me ajude a mudar output_dir para o caminho completo. 5. Finalmente, verifique se todas as dependências estão instaladas e diga-me se posso começar a usar.
Explique brevemente o que fez em cada etapa; se uma dependência falhar, pare e me pergunte, não continue.
Ele essencialmente executa as três etapas abaixo para você. Se quiser fazer você mesmo ou solucionar problemas, siga a versão manual.
Etapa 1: Instalar ferramentas básicas
Primeiro, certifique-se de ter o Homebrew instalado. Em seguida, execute este comando para instalar as três ferramentas:
brew install yt-dlp ffmpeg whisper-cpp
Em seguida, instale um mecanismo de transcrição. Para Macs Apple Silicon, use este para aceleração GPU (a flag --break-system-packages é apenas para contornar uma restrição mais recente do sistema; não prejudicará seu sistema):
pip3 install --break-system-packages mlx-whisper
Se não for Apple Silicon, use a versão geral:
pip3 install --break-system-packages faster-whisper
Etapa 2: Instalar habilidades no Claude
Clone o repositório e execute o script de instalação:
git clone https://github.com/xiaohuailabs/xiaohu-video-translate.git cd xiaohu-video-translate bash install.sh
Este script copia as três habilidades para o diretório de habilidades do Claude, gera arquivos de configuração e verifica dependências. Se tudo mostrar [OK], está pronto. Se algo mostrar [Missing], siga as instruções para corrigir. (Os caminhos aqui usam Claude Code como exemplo; para outras ferramentas, apenas mude o diretório).
Etapa 3: Diga onde colocar os resultados
Abra ~/.claude/skills/xiaohu-video-md/config.json e mude output_dir para o caminho da pasta desejada (por exemplo, /Users/seunome/Documentos/TraducaoVideo).
Arquivos temporários vão para tmp/, transcrições para data/, e vídeos finalizados vão para sua pasta de Downloads por padrão.
Você não precisa baixar o modelo de transcrição manualmente. Na primeira execução, o
mlx-whisperfará o download (cerca de 1,5 GB) e o reutilizará depois.
Feito isso, reinicie sua ferramenta AI e estará pronto.
Usuários Windows, Olhem Aqui
O acima é para Mac. Windows também pode rodar, mas com algumas diferenças:
A maneira mais fácil é usando WSL (Subsistema Windows para Linux). Uma vez instalado, instale estes e o script rodará como está:
sudo apt install ffmpeg pip3 install yt-dlp faster-whisper
Se não quiser usar WSL:
- Use faster-whisper como mecanismo.
- Execute o script de instalação usando Git Bash, ou copie as pastas manualmente.
- Mude a fonte da legenda. O padrão é PingFang SC do Mac. Mude para Microsoft YaHei nos comandos para evitar que o texto apareça como quadrados.
Como usar
Uma vez instalado, é apenas uma frase. Você pode dizer coisas como:
- "Traduza este link para um vídeo com legendas em chinês + [Link]"
- "Traduza este vídeo, quero legendas bilíngues + [Link]"
- "Transforme este vídeo em texto + [Link]" (Apenas gera Markdown)
- "Adicione legendas em chinês a este vídeo local + [Caminho]"
- "Baixe este vídeo + [Link]"
- "Use modo rápido para transcrição"
- "Sem marca d'água ao traduzir"
Algumas armadilhas para ficar atento
YouTube às vezes falha ao baixar (erro 403). O controle de risco do YouTube apertou. O script tenta ler cookies do seu navegador para tentar novamente. Se ainda falhar, use um proxy.
Legendas aparecem como quadrados. Isso é um problema de indexação de fonte. Certifique-se de estar usando uma fonte disponível no seu sistema (como PingFang SC no Mac).
Douyin requer login único. Execute o script douyin_login.py e escaneie o QR code. Esta informação de login fica apenas no seu computador.
Pegue e use
Endereço do repositório:
github.com/xiaohuailabs/xiaohu-video-translate
O código é licenciado sob MIT. Sinta-se à vontade para alterar marcas d'água, estilos ou tamanhos de fonte. Apenas um lembrete: não faça upload de seus arquivos de configuração ou informações de login do Douyin em repositórios públicos.
Esta é uma ferramenta que uso diariamente, não um brinquedo. Se você achar útil, dê uma estrela. Se tiver problemas, abra uma issue.
Da próxima vez, vou abrir o código da minha habilidade de ilustração de artigos — usando uma imagem de IP pessoal para gerar ilustrações para artigos, como as deste post.
