buxuku/SmartSub

buxuku/SmartSub has 6,020 GitHub stars and 488 forks. GitHot measured +5 stars in 24 hours and +61 in 7 days. Last checked 2026-11-13 03:18 UTC. Last push 2026-11-09.

この数値の測り方

视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——免费开源的一站式桌面工具。基于 Whisper / FunASR 等本地模型离线语音转文字，批量处理 + 全平台 GPU 加速，跨 Windows / macOS / Linux。Free, open-source desktop app to generate, translate, dub & burn video subtitles — local Whisper speech-to-text, AI dubbing & voice cloning, offline, GPU-accelerated.

6,020 スター 488 forks +5 24時間

計測したスター増加

24時間: +5
7日間: +61
15日間: 履歴を収集中
1か月: 履歴を収集中

期間ごとの純増数です。期間は重複しており、日別の値ではありません。未計測の値は空欄です。スター数は注目度の指標であり、品質の保証ではありません。

概要

smartsub.linxiaodong.com 制作・メディア

deepseek faster-whisper fireredasr funasr ollama openai qwen3-asr sherpa-onnx subtitle translate whisper whisper-cpp

リポジトリ

言語: TypeScript
ライセンス: MIT

使い始める前に

使用前に、リポジトリの導入手順、動作要件、未解決のIssueを確認してください。

アクティビティ

作成日: 2024-05-21
最終更新: 2026-11-09
スター / 24時間: 5
スター / 7日間: 61
最終確認: 2026-11-13 03:18 UTC

README_JA.md

オリジナル

妙幕 / SmartSub

文字起こし・字幕翻訳・AI アシスタント・AI 吹き替え・字幕焼き込み・MCP/CLI 自動化をワンストップで——オープンソースのデスクトップアプリ

すべてのフレームを美しく表現する

中文 | English | 日本語

ダウンロード · 機能 · AI アシスタント＆自動化 · 無料ワークフロー · FAQ · 更新履歴

SmartSub ホーム画面

スペシャルスポンサー

❤️ SmartSub をご支援いただいているスポンサー CrazyToken に感謝いたします！

CrazyToken | 多彩なモデルで字幕翻訳をサポート。言語を越えて、より自然な表現へ。料金倍率は最低0.05x、最大99%節約

CrazyToken は、Claude、GPT、Gemini、Kimi、GLM、DeepSeek、Qwen、Grok などの主要モデルの API を提供し、字幕翻訳、文脈理解、用語統一、校正・推敲をサポートします。講義動画、インタビュー・ポッドキャスト、多言語コンテンツの制作など、言語や作業内容に応じて最適なモデルを選べます。

💰 最低0.05×で、字幕翻訳のコストを削減：モデル料金は公式価格の5%から。トークン単位の明細を確認できる透明な料金体系で、長尺動画の字幕翻訳や一括処理にかかるモデル API の利用コストを抑えられます。
✨ 公式のネイティブチャネルを利用：出力品質の意図的な低下、モデルの混在、長いコンテキストの圧縮は行いません。前後の文脈の理解、用語の統一、訳文のブラッシュアップをモデルがサポートします。
⚡ 安定・高速、大量の同時リクエストにもレート制限なし：字幕の一括翻訳や複数タスクの処理に安定した API サービスを提供し、待ち時間を短縮します。
🎁 新規登録で$20分のクレジットをプレゼント：専用リンクから登録すると、$20分のお試しクレジットを獲得できます。チャージ時には追加ボーナスもご用意。1対1のリモート設定サポートで、担当者がモデル API の設定をお手伝いします。

SmartSub とは

妙幕（SmartSub）はオープンソースの字幕・吹き替えツールです。音声の文字起こし → 字幕翻訳 → 校正 → AI 吹き替え（TTS）→ 焼き込み合成 という一連のパイプラインを、1 つのデスクトップアプリで完結できます。オンライン動画ダウンロードも内蔵しており、YouTube や Bilibili などのリンクを貼り付けるだけで素材を取得できます。文字起こしは whisper.cpp や sherpa-onnx などのローカルモデルで実行され、ファイルが外部に送信されることはありません。バッチ処理に対応し、NVIDIA / AMD / Intel / Apple Silicon の GPU アクセラレーションを利用でき、Windows・macOS・Linux で動作します。

さらに、現代的な AI 協調と Agentic 自動化機能を深く統合しています：

内蔵 AI 創作アシスタント（スマートコパイロット）：ショートカットでいつでも呼び出し可能。作業環境全体のコンテキスト把握、マルチモーダルスクリーンショット診断、リアルタイム字幕推敲、Agentic なツール自律呼び出しに対応し、自然言語で直感的に操作できます。
MCP ＆ CLI コマンドライン自動化：Model Context Protocol を全面サポート（111 個の標準ツールと CLI コマンド）。アプリ内蔵の Electron/Node ランタイムで動作するため追加の Node.js インストールは不要。Cursor、Claude Code、Codex などの外部 AI からの直接制御や、端末スクリプト・CI による完全自動パイプライン実行が可能です。

パイプライン全体を完全無料で実行できます：ローカルモデルによる文字起こし、内蔵の無料翻訳ソース、ローカル TTS 吹き替え（ボイスクローン含む）、ローカル ffmpeg による焼き込み——API キーは不要で、ローカル処理に使用量の制限もありません。必要に応じて、20 の翻訳サービス、9 社のクラウド文字起こし、6 種類のクラウド TTS をオプションとして追加できます。

こんなことができます

やりたいこと	SmartSub での実現方法
自然言語で字幕推敲やトラブルシューティング	内蔵 AI アシスタントを即座に呼び出し、コンテキスト認識や画像診断を活用して、会話調への修正やタスク実行を指示
Cursor / Claude / スクリプトでワークフローを自動化	111 個の MCP ツール＆CLI コマンドにより、外部 AI エージェントやシェルから文字起こし・翻訳・吹き替え・合成を一括自動実行
字幕のない海外動画・講義を見たい	動画をドロップしてローカルで文字起こし＋翻訳、バイリンガル字幕を即生成
YouTube / Bilibili のオンライン動画に字幕を付けたい	リンクを貼るだけでアプリ内ダウンロード。公式字幕も自動ペアリングされ、外部ツール不要
動画を多言語向けにローカライズしたい	字幕を翻訳し、TTS で新しい音声トラックとして吹き替え、完成動画を書き出し
自分の声で動画をナレーションしたい	短い参照音声を録音するだけで声をクローンし、動画全体を自分の声で朗読
ポッドキャスト・会議録音を整理したい	SRT ファイルへ一括文字起こしして、編集・検索・アーカイブに活用
完成動画に字幕を焼き込みたい	校正ツールで 1 行ずつ確認後、WYSIWYG スタイルでハード/ソフト焼き込み

機能

オンライン動画のダウンロード / ローカルの音声・動画 → 文字起こし → 翻訳 → 校正 → 吹き替え → 書き出し。各ステップは単独でも、バッチパイプラインとしてつなげても使えます。内蔵 AI コパイロットとの協調や MCP / CLI による自動化にも完全対応しています。

🌟 AI 創作アシスタント（コパイロット）

即座に呼び出し＆マルチターン対話：トップバーのボタンまたはショートカット ⌘J（macOS）/ Ctrl+J（Windows・Linux）で右側の引き出しパネルをいつでも展開。パネル幅は自由に調整でき、会話履歴はローカルに保存
作業コンテキストの深い認識：再生位置、選択中の字幕行、前後の文脈、タスクキューの状態、最近のエラーログなどを自動認識。前提条件を毎回入力する手間を省きます
Agentic なツール呼び出し：111 種類の自動化ツールと連携。「この動画を日英字幕にして合成して」「インストールされているモデルを一覧表示して」「さっきのタスクのエラー原因を調べて」といった指示を自動実行
字幕の安全な編集・リアルタイム推敲：「この文をもっと自然な話し言葉にして」「専門用語を解説して」などと指示すると、エディタに即時反映され、取り消し（Undo/Redo）も可能。バージョン管理されており、「保存」と明示するまで安全にプレビュー可能
マルチモーダルスクリーンショット診断：タスクの失敗原因や設定方法が分からない場合、ワンクリックで画面をキャプチャし、Vision 対応モデルがエラーポップアップや UI 状態を視覚的に解析・トラブルシューティング
多様なファイル・メディア対話（File Chat）：動画・音声（MP4、MKV、MOV、MP3、WAV など）、字幕（SRT、VTT、ASS、LRC）、原稿テキスト（TXT、MD）、画像をチャットにドラッグ＆ドロップ可能。メディア本体はクラウドにアップロードせず、ローカル絶対パス経由で処理するためプライバシーも安心
主要な LLM に自由に対応：DeepSeek、通義千問（Qwen）、Gemini、SiliconFlow、DeerAPI、および OpenAI 互換エンドポイントに対応。ストリーミング出力と独立したプロンプト設定が可能。詳細は AI アシスタントガイドを参照

⚡ MCP プロトコル＆ CLI コマンドライン自動化（Agentic Automation）

111 個の標準 MCP ツールと対応 CLI コマンド：動画ダウンロード、文字起こし、翻訳、字幕編集、TTS 吹き替え、動画合成、フォーマット変換、音声抽出、モデルやプロバイダーの管理まで全機能をカバー。詳細は操作リファレンスを参照
Node.js ランタイム設定不要（Zero-Config）：アプリに同梱された Electron/Node ランタイムを使用するため、外部の Node.js を別途インストールする必要はありません
主要な AI ツールとワンクリック連携：設定の「AI ツールの接続（MCP）」から、Cursor（公式リンク連携）、OpenAI Codex（TOML 形式設定）、Claude Code（一発登録）、汎用 JSON 形式へのインポートが容易
ヘッドレスバックグラウンド常駐：MCP や CLI が呼び出されると、自動的に画面なしのバックグラウンドプロセスが起動。デスクトップアプリとタスクや設定をシームレスに共有し、アイドル時は自動終了
強力な CLI スクリプト＆バッチ処理：smartsub コマンドによるパイプライン一括実行（pipeline.run）、JSON / stdin 入力、タスク待機・重複防止に対応し、CI/CD や外部シェルスクリプトに組み込み可能。詳細は MCP ＆ CLI ガイドを参照

オンライン動画ダウンロード

リンクを貼り付けるだけで YouTube や Bilibili などのオンライン動画をダウンロード。1 行 1 リンクの一括ダウンロードに対応し、混在テキストからのリンク自動抽出も可能
yt-dlp（YouTube ほか 1800+ サイト）と lux（Bilibili・抖音・小紅書など中国系プラットフォーム）のデュアルエンジン。プラットフォームに応じて自動選択され、アプリ内でワンクリックインストール / 更新
プラットフォームの公式字幕（自動生成字幕を含む）も同時にダウンロードでき、タスクウィザードで自動ペアリング——公式字幕があれば文字起こしは不要
サイト Cookie のインポート（ブラウザからワンクリック抽出 / cookies.txt / 手動貼り付け）に対応し、ログイン後に視聴できる高画質や会員限定コンテンツを解放。Cookie はローカルにのみ保存
保存先・画質（最高 / 指定ティア）・同時実行数を調整可能。ダウンロード完了後はワンクリックで文字起こし / 翻訳タスクへ

字幕生成（文字起こし）

様々な動画 / 音声フォーマットの字幕を一括生成、同時実行数も調整可能
8 系統のエンジンをタスクごとに切り替え：内蔵 whisper.cpp、faster-whisper、FunASR、Qwen3-ASR、FireRedASR、NVIDIA Parakeet、ローカル Whisper CLI、そして GPU 不要のクラウド文字起こし（9 社）
ローカルエンジンは完全オフライン——アップロード一切なし。中国語コンテンツには FunASR / FireRedASR が強力
AI 字幕リファイン（任意）：LLM による意味単位の再分割 + 一括校正——タイムラインは単語レベルの精度を維持（行末に接続詞が残らない、数字がポーズで分断されない）。校正は同音異義語の修正・フィラー除去・句読点の正規化に対応。既定で AI 翻訳のプロバイダーを共用（ローカル Ollama なら無料）、失敗時はルール分割へ自動フォールバック
簡体字/繁体字変換、カスタム字幕ファイル名（プレーヤーの自動読み込みに対応）、中国語字幕の句読点除去（任意）

字幕翻訳

20 の翻訳サービス：内蔵の無料翻訳（Youdao / Bing / Google 無料エンドポイント、自動フォールバックとレート制限付き）、百度、阿里云、騰訊、讯飞、火山エンジン、豆包、小牛、DeepLX、Azure、Google に加え、Ollama（ローカルモデル）、DeepSeek、Gemini、通義千問（Qwen）、SiliconFlow、Azure OpenAI、DeerAPI などの LLM サービス
任意の OpenAI スタイル API に対応——自前のエンドポイントも接続可能
翻訳のみ、または「原文 + 訳文」のバイリンガル字幕を出力
各 AI サービスのリクエストパラメータを UI から直接設定、インポート/エクスポート対応——コード変更不要

字幕校正

内蔵エディタで動画と並べて 1 行ずつ確認・修正
元に戻す/やり直し、1 行単位の削除と復元
ワンクリック AI 推敲、サイドバーの AI アシスタントによる対話式修正と質問応答にも対応

🎙️ AI アシスタント＆自動化シナジー

通常の UI 操作にとどまらず、最先端のコパイロット体験と開発者向け自動化を提供します：

リアルタイム協調（コパイロット）：どのページからでもアシスタントを呼び出し、字幕表現の洗練、エラータスクのトラブルシューティング、音音声専門用語の解説などを自然言語で依頼可能
視覚的診断（マルチモーダル画像解析）：カメラアイコンをクリックしてダイアログやエラーメッセージ、設定項目をキャプチャし、Vision 対応モデルによる画像診断とアドバイスを取得
外部 AI ＆スクリプト連携（MCP ＆ CLI）：UI を開かずに、Cursor や Claude Code、シェルスクリプトから大規模な動画字幕・翻訳・吹き替え・合成パイプラインを完全自動制御

TTS 吹き替えとボイスクローン

専用の吹き替えワークベンチ：字幕ファイル 1 つ＋任意の動画から、1 行ずつ音声合成してタイムラインへ自動整合
ローカルエンジンはオフラインかつ無料：Kokoro 多言語（103 ボイス）、VITS 中国語（174 ボイス）
ボイスクローン：ローカル ZipVoice ゼロショットクローン（参照音声 1 本ですぐ使用可能）に加え、火山エンジン声音複刻 2.0、ElevenLabs インスタントクローンにも対応
クラウドサービス：Edge TTS 無料枠、OpenAI 互換エンドポイント（OpenAI / SiliconFlow など）、Azure Speech、火山エンジン豆包、ElevenLabs、Xiaomi MiMo
タイムライン整合：話速の事前制御、実測による再チェック、無音ギャップからの時間借用。制限を超えた行はレビューリストへ（テキスト修正 / 行単位の再生成 / テンポ変更の受け入れ）
行ごとの試聴・ボイス切り替え・再合成。元の音声トラックはミュートまたはダッキング（音量抑制）を選択
出力は音声のみ（wav / mp3）、音声トラック置換、ミックス動画、MKV デュアル音声から選択。整合後の字幕も同時に書き出し可能

動画合成（字幕焼き込み）

ハードサブ：字幕を映像に恒久的に焼き込み、どのプレーヤーでも表示
ソフトサブ：ストリームコピーで切り替え可能な字幕トラックを無劣化で埋め込み
フォント・サイズ・色・縁取り・影・9 分割位置・プリセットスタイル
リアルタイムの WYSIWYG プレビュー

プライバシーとハードウェアアクセラレーション

ローカル処理——ファイルは端末の外に出ません。クラウドサービスはすべてオプトインで、初回利用時にプライバシー確認あり
GPU アクセラレーション：NVIDIA CUDA、AMD / Intel Vulkan、Apple Core ML / Metal
アクセラレーションパックはアプリ内でダウンロード——CUDA Toolkit の手動インストール不要。失敗時は CPU へ自動フォールバック

スクリーンショット

動画合成（字幕焼き込み）	字幕校正

完全無料のワークフロー

コストを抑えたい方へ。以下のルートなら費用ゼロ、アカウント登録も不要です：

ステップ	無料の選択肢	補足
動画ダウンロード	yt-dlp / lux オープンソースエンジン	アプリ内でワンクリックインストール、無料
文字起こし	whisper.cpp / faster-whisper / FunASR / Qwen3-ASR / FireRedASR のローカルモデル	モデルは一度ダウンロードすればオフラインで動作
翻訳	内蔵無料翻訳（Youdao / Bing / Google エンドポイント、自動フォールバック）、Ollama、DeepLX	無料翻訳は設定ゼロで即使用可能
TTS 吹き替え	ローカル Kokoro / VITS / ZipVoice ボイスクローン、Edge TTS 無料枠	ローカル合成はオフラインで使用量制限なし
焼き込み	内蔵 ffmpeg	完全ローカル処理

有料クラウドサービス（OpenAI、ElevenLabs、火山エンジン、騰訊云など）はすべてオプションです。必要なときだけお使いください。

ダウンロードとインストール

お使いのシステムとチップに合ったパッケージを選んでください。GPU アクセラレーションパックはダウンロード時には不要で、インストール後にアプリ内で取得します。

システム	チップ	パッケージ	補足
Windows	x64	windows-x64	NVIDIA は CUDA、AMD / Intel は Vulkan をアプリ内でダウンロード
macOS	Apple	mac-arm64	Core ML / Metal アクセラレーションが自動有効
macOS	Intel	mac-x64	CPU のみ、GPU アクセラレーション非対応
Linux	x64	linux-x64	NVIDIA は CUDA、AMD / Intel は Vulkan をアプリ内でダウンロード

入手先：GitHub Releases ｜ Quark ミラー

macOS では Homebrew が最も手軽です。チップに合ったビルドを自動で選択します：

brew tap buxuku/tap          # 初回のみ
brew install --cask smartsub # インストール
brew upgrade --cask smartsub # アップグレード

3 ステップで開始

インストール後、初回ガイドに従って音声モデルをダウンロード（GPU がない、またはモデルを入れたくない場合はクラウド文字起こしを設定）
ランチパッドからタスクを選び、音声・動画または字幕ファイルをドロップ（リンクを貼り付けてオンライン動画をダウンロードすることも可能）して、ソース言語・ターゲット言語などを設定
処理を開始——完了後は校正・吹き替え・焼き込みへ続けられます

コード署名ポリシー（Code signing policy）

Free code signing provided by SignPath.io, certificate by SignPath Foundation

署名の対象：Windows インストーラー（SmartSub_Windows_<バージョン>_x64.exe）。署名は GitHub Actions で自動的に行われ、リリースごとに署名前の手動承認が必要です。署名は証明書の発行後に最初にリリースされるバージョンから適用され、それ以前のバージョンは未署名です。
チームの役割：
- Authors（ソースコードを直接変更できる）と Reviewers（外部コントリビューターの Pull Request をレビューする）：@buxuku
- Approvers（リリースごとの署名を承認する）：@buxuku
プライバシーポリシー：SmartSub は利用データを収集・送信せず、解析用 SDK も含みません。起動時に自動で通信するのは更新確認のみで、次の2つです。アプリ本体の更新確認（GitHub Releases へのリクエスト。設定の「Check for updates on startup」で無効にできます）と、faster-whisper ランタイムをインストールしている場合にのみ行う1日1回の新バージョン確認（GitHub へのリクエスト。通知のみで自動ダウンロードはせず、この設定では無効になりません）。モデル・アクセラレーションパック・動画ダウンロードエンジンの取得、オンライン動画のダウンロード、クラウドの翻訳・文字起こし・吹き替えは、該当機能を使うときだけ通信し、内容はあなたが選択・設定したサービスにのみ送信されます。それらのサービスにはそれぞれのプライバシーポリシーが適用されます。クラッシュ診断とログは端末内にのみ保存され、自動的にアップロードされることはありません。

さらに詳しく

文字起こしエンジンの比較

エンジンはタスクごとに選択できます。ランタイムとモデルは「エンジンとモデル」ページでまとめて管理します：

エンジン	説明	動作方式
whisper.cpp（内蔵）	デフォルトエンジン。ggml 量子化モデルと GPU アクセラレーションに対応	アプリ内蔵、すぐに利用可能
faster-whisper	CTranslate2 ベースで高速。モデルは HuggingFace から必要に応じてダウンロード	自己完結型 Python ランタイム（アプリ内でダウンロード）
FunASR	SenseVoice（中/英/日/韓/粤）と Paraformer-zh。中国語に強い	内蔵 sherpa-onnx ネイティブライブラリ
Qwen3-ASR	通義千問の音声認識（qwen3-asr-0.6b / 1.7b）	内蔵 sherpa-onnx ネイティブライブラリ
FireRedASR	FireRedASR-AED large（中英）。中国語に強い	内蔵 sherpa-onnx ネイティブライブラリ
ローカル Whisper CLI	自分でインストールした whisper 互換コマンドを呼び出し	システムにインストール済みのコマンドを使用
クラウド文字起こし	9 社のオンラインサービス。GPU 不要、複数プロバイダー・複数インスタンス対応	オンラインサービス（設定したエンドポイントへ音声を送信）

FunASR / Qwen3-ASR / FireRedASR は内蔵の sherpa-onnx ネイティブライブラリで動作し、追加環境は不要です。faster-whisper はアプリ内で自己完結型ランタイムをダウンロードします。

クラウド文字起こし：9 社のプロバイダー

クラウド文字起こしは「エンジンとモデル」サイドバーの「クラウド文字起こし」グループで設定します。プロバイダーごとに独立した項目があり、選択して認証情報を入力するだけ（「接続テスト」あり）。文字起こし時には設定先エンドポイントへ音声がアップロードされ、初回にプライバシー確認が表示されます。機密コンテンツには使用せず、各プロバイダーの利用料金にご注意ください。

OpenAI 互換：audio/transcriptions プロトコル（whisper-1、gpt-4o-transcribe など）。OpenAI / Groq / SiliconFlow のプリセットをサイドバーに用意。その他の互換エンドポイント（セルフホスト、プロキシ）は「カスタム追加」から複数接続可能
ElevenLabs Scribe：scribe_v1 モデル
Deepgram：nova-2 / nova-3 モデル
火山エンジン豆包：録音ファイル認識・高速版（bigmodel）。「豆包語音」コンソールの「API Key 管理」で発行した API キーを使用（先にモデルの有効化が必要。火山方舟の API キーは使用不可）。文字起こし時間に応じて課金
騰訊云：録音ファイル認識高速版。音声認識コンソールの AppID / SecretId / SecretKey を使用（先に有効化が必要。毎月 5 時間の無料枠あり）。認識言語はタスクのソース言語に自動追従し、モデルは料金ティアのみ選択——standard 標準版、または large 大規模モデル版（高精度・高価格・無料枠の同時実行は 5 まで）
阿里云：録音ファイル認識高速版。RAM アクセス制御の AccessKey ID / Secret と、インテリジェント音声インタラクションコンソールで作成したプロジェクトの Appkey を使用。認識言語はプロジェクトの機能設定で指定（タスクのソース言語は無効）。デフォルトの標準中国語モデルは中英混在にも対応。このサービスは**商用版のみ（無料トライアルなし）**で、有効化後は時間課金
讯飞（iFlytek）：録音ファイル文字起こし大規模モデル。非同期オーダー制で、アプリを終了してもタスクは失われません
Gladia：solaria モデル、100 以上の言語に対応、毎月 10 時間の無料枠あり
Xiaomi MiMo：mimo-v2.5-asr。中国語・英語・中国語方言に対応し、時間課金。20 秒の無音分割から粗いタイムラインを生成

whisper モデルの選び方

whisper.cpp / faster-whisper は whisper 系のモデルを使用します。モデルが大きいほど高精度ですが、低速で VRAM を多く消費します：

ローエンド端末や内蔵 GPU：tiny / base がおすすめ。高速・軽量
一般的な PC：small / base から始めて精度とリソースのバランスを取る
高性能 GPU / ワークステーション：large シリーズで最高精度
英語のみの音声・動画：英語最適化の en 付きモデルを選択
サイズが気になる場合：q5 / q8 の量子化版でわずかな精度低下と引き換えに軽量化

GPU アクセラレーション

本アプリはアクセラレーションパック管理を内蔵しており、CUDA Toolkit を手動でインストールする必要はありません。GPU アクセラレーションは「エンジンとモデル」ページで管理します。アプリが GPU を検出して適切な方式を推奨します。

プラットフォーム	バックエンド	説明
Windows / Linux + NVIDIA	CUDA	CUDA 11.8.0 / 12.2.0 / 12.4.0 / 13.0.2 に対応。対応パックをアプリ内でダウンロード
Windows / Linux + AMD / Intel	Vulkan	Vulkan アクセラレーションパックはアプリに同梱
macOS（Apple シリコン）	Core ML / Metal	mac arm64 版で自動的に有効
すべてのプラットフォーム	CPU	利用可能な GPU がない場合は自動フォールバック

アクセラレーションモードは「自動 / GPU のみ / CPU のみ」に対応。読み込みに失敗すると自動的に CPU へフォールバックし、診断パネルに理由を表示します
アクセラレーション有効後にクラッシュする場合は、「CPU のみ」モードに変更するか、他の文字起こしエンジンへ切り替えてください

翻訳サービスとカスタムパラメータ

クラウド翻訳サービスの利用には、各サービスの API キーまたは設定が必要です。百度翻訳や火山エンジンなどの API キー取得方法は Bob のサービスガイドを参照してください。優れたアプリである Bob のドキュメントに感謝します。

AI 翻訳の品質はモデルとプロンプトに大きく左右されます。様々な組み合わせを試して、コンテンツに合うものを見つけてください。

各 AI 翻訳サービスはカスタムパラメータ設定に対応し、モデルの動作を精密に制御できます：

コード変更なしで、UI から直接パラメータを追加・管理
型サポート：String、Float、Boolean、Array、Object、Integer
リアルタイム検証で無効な設定を防止
インポート/エクスポートで共有・バックアップが容易

吹き替えエンジンと出力モード

ローカルエンジンは sherpa-onnx 上で動作し、完全オフラインかつ無料です：

モデル	言語	ボイス数	説明
Kokoro 多言語 v1.1	中 / 英	103	英語・中国語のボイスがバランスよく揃った多言語モデル
VITS 中国語 AIShell3	中	174	中国語話者ライブラリ
ZipVoice ボイスクローン	中 / 英	ユーザー作成	ゼロショットクローン：参照音声 1 本とその書き起こしで完成

クラウドプロバイダーはすべてオプションです：

サービス	説明
Edge TTS	無料・キー不要。リバースエンジニアリング系の試用枠のため可用性は保証されません——停止時は他エンジンへ切り替えを推奨
OpenAI 互換	`audio/speech` プロトコル。OpenAI / SiliconFlow プリセット内蔵、カスタムエンドポイントも追加可能
Azure Speech	Microsoft Neural ボイス体系（700+）、SSML による話速制御
火山エンジン豆包	豆包音声合成のボイスに加え、声音複刻 2.0 のクローンボイスに対応
ElevenLabs	多言語モデル、インスタントボイスクローン（IVC）対応
Xiaomi MiMo	`mimo-v2.5-tts`、中国語・英語の固定 8 ボイス。現在は期間限定無料

タイムライン整合の仕組み：目標時間から話速を事前設定して合成し、実測時間で再チェック（ローカルエンジンは無料で再合成、クラウドは atempo でテンポ調整）。それでも足りない場合は隣接する無音ギャップから時間を借用します。話速 1.5 倍の上限を超えた行はレビューリストに入り、テキスト修正・行単位の再生成・テンポ変更の受け入れから選べます。

クローンボイスの作成時には、参照音声を自動で品質チェック（長さ、SN 比、クリッピング、音量など）し、問題箇所と修正のヒントを提示します。

AI アシスタント＆ MCP / CLI 自動化の設定

1. AI 創作アシスタント（コパイロット）

ショートカット：⌘J（macOS）または Ctrl+J（Windows / Linux）で、いつでも AI アシスタントパネルの展開・折りたたみが可能。展開時は自動で入力欄にフォーカスします。
モデル設定：「翻訳」設定ページで登録した各種 LLM（OpenAI 互換、DeepSeek、通義千問、Gemini、SiliconFlow、DeerAPI など）を、チャット画面下部で直接選択して使用できます。
ワークスペースコンテキスト：「現在のコンテキストを含める」が標準で有効になっており、再生位置、選択中の字幕行、エラーログ、作業状況を自動参照します。
スクリーンショット診断：入力欄のカメラボタンを押すだけで、現在のワークスペースを自動キャプチャし、エラーダイアログや UI の状態をマルチモーダルモデルが視覚的に解析・診断します。
ファイル＆メディア対話：動画・音声（MP4/MKV/MP3/WAV など）、字幕、原稿テキストをチャット欄へドラッグ＆ドロップすると、ファイルを外部にアップロードすることなく、ローカル MCP ツール経由で直接処理を実行できます。

2. 外部 AI ツールとの接続（Cursor / Codex / Claude Code）

アプリ内の 設定 → AI ツールの接続（MCP） を開きます：

Cursor：「Cursor へインポート」をクリックすると、ワンクリックで Cursor の MCP 登録が完了します。
OpenAI Codex：「設定をコピー」をクリックし、出力された TOML ブロックを ~/.codex/config.toml に追加します。

Claude Code：同梱されたインストーラーをターミナルで実行して登録します：

# macOS
"/Applications/SmartSub.app/Contents/Resources/automation/smartsub" setup cli --install
"$HOME/.local/bin/smartsub" setup mcp --client claude --install

その他の MCP クライアント：汎用 JSON をコピーし、クライアントの mcpServers に smartsub を追加するだけで完了。外部 Node.js のインストールは一切不要です！

詳細は AI アシスタントガイドおよび MCP ＆ CLI ガイドをご覧ください。

モデルの手動ダウンロードとインポート

モデルファイルは大きいため、アプリ内ダウンロードが難しい場合は手動でダウンロードしてインポートできます。whisper モデルの入手先：

ミラー（地域によっては高速）：https://hf-mirror.com/ggerganov/whisper.cpp/tree/main
Hugging Face 公式：https://huggingface.co/ggerganov/whisper.cpp/tree/main

Apple シリコンの場合は、モデルに対応する encoder.mlmodelc ファイルもダウンロードし、解凍してモデルと同じディレクトリに配置してください（q5 / q8 シリーズでは不要）。

インポート手順：「エンジンとモデル」ページで「モデルをインポート」をクリックし、ダウンロードしたファイルを選択します。モデルディレクトリへ直接コピーしても構いません。

FunASR / Qwen3-ASR / FireRedASR などのモデルは「エンジンとモデル」ページ内で必要に応じてダウンロードできます（ModelScope / GitHub など複数ソース対応）。

FAQ

macOS で「アプリケーションが破損しているため開けません」と表示される

ターミナルで以下を実行してから、アプリを再度起動してください：

sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app

モデルのダウンロードが遅い・失敗する

モデルを手動でダウンロードしてインポートしてください——さらに詳しくを参照。地域によっては hf-mirror ソースの方が高速です。

GPU アクセラレーション有効後にアプリがクラッシュする

「エンジンとモデル」ページでアクセラレーションモードを「CPU のみ」に切り替えるか、他の文字起こしエンジンをお試しください。診断パネルに失敗の理由が表示されます。

コントリビュート

Issue や Pull Request を歓迎します。

ローカルビルド

プロジェクトをクローンして依存関係をインストール（インストールフックが whisper addon と sherpa-onnx ネイティブライブラリを自動ダウンロードします）：

git clone https://github.com/buxuku/SmartSub.git
cd SmartSub
yarn install

開発環境を起動：

yarn dev

ネイティブ依存の自動ダウンロードに失敗した場合（ネットワーク制限など）は、yarn native:fetch を手動で実行して再試行してください。

スポンサー

このプロジェクトは以下のスポンサーに支援されています：

コミュニティとサポート

このプロジェクトが役立ったら、スターを付けていただくか、作者にコーヒーをおごってください（GitHub アカウントを備考欄にご記入ください）。使い方の質問は QQ グループへどうぞ（グループ番号：655348339）。

Alipay 寄付コード	WeChat 寄付コード	QQ グループ

謝辞

whisper.cpp — ローカル文字起こしの基盤
sherpa-onnx — FunASR / Qwen3-ASR / FireRedASR とローカル TTS のランタイム
FFmpeg — メディア処理と字幕焼き込み
Bob — 翻訳サービス申請のドキュメント
LINUX DO — 新しい理想型コミュニティ（交流とフィードバックに感謝）

ライセンス

MIT ライセンス。詳細は LICENSE ファイルを参照してください。