Streamlit-App, die Videos in Untertiteldateien und synchronisierte Videos transkribiert, segmentiert, übersetzt und optional synchronisiert.
Wortgenaue Erkennung, LLM-Übersetzung mit einem Terminologieschritt und optionales Synchronisieren in einer Streamlit-Benutzeroberfläche.
VideoLingo verwandelt ein Video oder einen YouTube-Link in einzeilige, zweisprachige Untertitel und auf Wunsch in eine Synchronspur. Es richtet sich an Creator, die einen LLM-API-Schlüssel besitzen und mehr Kontrolle über Untertitel-Timings und Terminologie als bei einer reinen maschinellen Übersetzung wünschen.
Es lädt Videos mit yt-dlp herunter, führt mit Qwen3-ASR und Qwen3-ForcedAligner eine wortgenaue Erkennung und Ausrichtung durch und segmentiert Untertitel anschließend mithilfe von NLP und KI. Die Übersetzung erfolgt über ein OpenAI-kompatibles LLM mit benutzerdefinierter und KI-generierter Terminologie sowie optionaler Reflexion und Überarbeitung. Die Synchronisation verbindet sich mit GPT-SoVITS, OpenAI, Fish Audio, Edge TTS, F5-TTS und anderen.
Es eignet sich für Untertitel-Ersteller und Lehrende, die Vorträge, Tutorials und Interviews zwischen einigen wenigen Hauptsprachen übersetzen. Es eignet sich nicht für die Synchronisation mit mehreren Sprechern, da laut README der Synchronisations-Workflow keinem Sprecher eine eigene Stimme zuweist.
Verwendet Qwen3-ASR mit Qwen3-ForcedAligner für Wort-Timings.
Kombiniert Ihr eigenes Glossar mit KI-generierten Begriffen für eine konsistente Übersetzung.
Direkte Übersetzung mit optionalen Reflexions- und natürlichen Überarbeitungsschritten.
Segmentiert Untertitel mit konfigurierbaren Längenbegrenzungen für die einzeilige Anzeige.
Bietet GPT-SoVITS, OpenAI, Fish Audio, SiliconFlow, Edge TTS und F5-TTS.
Protokolliert den Fortschritt, damit Aufgaben fortgesetzt werden können, und stellt eine lokale HTTP-API für Skripte bereit.
Kostenlos unter Apache-2.0 selbst zu hosten, zuzüglich der Kosten für Ihr LLM und eventuelle kostenpflichtige TTS-Anbieter. Der gehostete Dienst unter https://videolingo.io/pricing führt Free für $0/Monat (15 Minuten, nur Englisch und Chinesisch, 480p, Wasserzeichen), Starter für $5/Monat (60 Minuten) und Pro für $30/Monat (360 Minuten, Fish Audio-Stimmklonen, API-Zugriff) auf.
883 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Der Code steht unter der Apache-2.0-Lizenz und kann kostenlos selbst ausgeführt werden, Sie bezahlen jedoch für die von Ihnen angebundene LLM-API. Das Projekt betreibt zudem einen gehosteten Dienst auf videolingo.io mit einer kostenlosen Tarifstufe und kostenpflichtigen Tarifen.
Nicht automatisch. Die README führt dies als eine aktuelle Einschränkung des Synchronisations-Workflows auf.
Die README listet acht Eingabesprachen auf: Englisch, Russisch, Französisch, Deutsch, Italienisch, Spanisch, Japanisch und Chinesisch. Die Synchronisationssprachen hängen von der gewählten TTS-Engine ab.
Zekai zuerst in Google sehen