🎬 JZSub：开源AI双语字幕下载工具一键下载最高画质+烧录MP4

JZSub 是基于 yt-dlp + GPT 的开源视频双语字幕工具，一条链接自动下载最高画质视频与封面、GPT 双语字幕并烧录 MP4。支持 YouTube/B站/Vimeo/Twitch/TikTok 等多平台，可作为 Codex skill 调用，灵活按需交付，完整自动流水线。

🎤 引言

把 YouTube / B站视频"装进口袋"带去地铁、飞机、没网的地方看——这种需求太常见了。问题在于：手动操作流程长——下视频、抽字幕、调样式、烧录、做封面……少则半小时，多则折腾一下午。

JZSub 直接把这个流程做成了一条命令："给个链接，拿回最高画质视频 + 封面 + GPT 双语字幕 + 烧录完成的 MP4"。234 Stars、24 Forks、Python 写、MIT 协议、3 天前刚创建（2026-07-10）——虽然项目非常新，但 README 已经写得相当完整，连 Codex skill 集成方式都给好了。

底层用 yt-dlp 拉视频流，GPT 做紧凑分批双语翻译，FFmpeg + libass 烧录字幕（MiSans 字体底部双语堆叠）。支持 YouTube、Bilibili、Vimeo、Twitch、Dailymotion、TikTok 六大主流平台，外加 yt-dlp 兼容的所有其他站点。

⭐ 核心功能

JZSub 的功能集围绕"一条链接全包"展开。

1. 最高画质视频下载

底层用 yt-dlp，直接取最佳视频流 + 最佳音频流，封装为 MP4。下载完音视频同步不丢帧、码率最高。

2. GPT 双语字幕翻译（核心差异化）

紧凑分批翻译：字幕按"紧凑文档"分批送 GPT，不读完整清单，大幅降低 token 消耗。
批间上下文衔接：批次之间有上下文逻辑（如人物关系、术语统一），不会上句下句人名对不上。
句子边界重新切分：翻译后按目标语言自然句法重新切分时间轴，避免"半句话跨两屏"。
原文保持不变：双语字幕中原文永远在，不做"翻译后只留译文"这种操作。
多语言支持：默认译成中文，--target-lang 可指定任何语言（日语、法语、阿拉伯语…）。

3. 自动字幕烧录（libass + MiSans）

MiSans 字体（小米 HyperOS 官方字体）：烧录用的是官方 MiSans Bold，字形清爽。
底部双语堆叠：原文 + 译文上下排列，适合学习场景。
自适应竖屏：横屏竖屏自动适配（手机上看起来不会"字幕把画面挡一半"）。
精确背景：字幕块带半透明背景，复杂画面下也能看清字。
libass 渲染：ASS 格式字幕渲染，专业级精度。

4. 封面直取

自动从平台抓取视频封面。
转换为通用 JPEG（无需手动存网页图片）。
与视频一起交付为 cover.jpg。

5. 静默登录（黑科技）

需要登录态时直接读取 Chrome 浏览器现有的 Cookie——你已经在 Chrome 登录了 YT 会员就直接能用。
不导出 Cookie——隐私友好。
不用手动复制粘贴 netscape cookie 文件。

6. 按需交付（`--deliver`）

四种交付目标，按需选择：

目标	说明	产物
`full`（默认）	完整流水线	视频 + 封面 + 字幕 + 双语烧录 MP4
`video`	只要视频，不翻译不烧录	视频 + 封面（平台有字幕时附原始字幕）
`subs`	只要字幕，不下载视频流	原始字幕 + 衍生 SRT
`bilingual-subs`	只要双语字幕文件	原始字幕 + 双语 SRT/ASS（不下视频）

——想要纯翻译不下载视频？bilingual-subs 一键交付。

7. 低耗运行 + 进度条

只读紧凑字幕文档，不读完整清单。
烧录每 5% 显示一次进度条：

烧录 [██████████░░░░░░░░░░]  50%  01:11 / 02:23  0.68x

8. 无字幕也能用

平台没有字幕时（比如 vlog 短视频、TikTok 视频），JZSub 不会报错，直接交付视频、MP4、封面。需要字幕再走"音频转写"工具（比如 Whisper）补。

9. Codex Skill 集成（杀手锏）

可作为 Codex skill 安装到 ~/.codex/skills/。
在 Codex 中直接用 $jzsub <url> 命令。
JZSub 持续执行下载、翻译、字幕渲染、烧录与交付检查——不会停在"仅下载完成"的中间状态。
Codex agent 会判断你的需求选择正确的 --deliver 目标。

📥 安装与使用

1. 安装依赖

Python 3.10+ / yt-dlp / Deno 2.3+ / FFmpeg（带 libass）/ MiSans Bold 字体。

macOS 一键安装：

brew install yt-dlp ffmpeg-full deno

Linux（Debian/Ubuntu）：

sudo apt update
sudo apt install python3 python3-pip ffmpeg
# yt-dlp（推荐 pip 装最新版）
pip install -U yt-dlp
# Deno
curl -fsSL https://deno.land/install.sh | sh

MiSans 字体：从小米 HyperOS 官方页面下载，仓库不含字体（合规考虑）。

2. 命令行直接使用

git clone https://github.com/pengchujin/jzsub.git
cd jzsub
# 安装 Python 依赖
pip install -r requirements.txt

# 完整流水线（默认 full）
python3 skills/jzsub/scripts/fetch_video.py "https://www.youtube.com/watch?v=VIDEO_ID"

# 只要视频，不翻译不烧录
python3 skills/jzsub/scripts/fetch_video.py "<url>" \
  --output-dir job --deliver video --browser-cookies auto

# 只要双语字幕文件
python3 skills/jzsub/scripts/fetch_video.py "<url>" \
  --output-dir job --deliver bilingual-subs --target-lang zh

# 自检
python3 skills/jzsub/scripts/fetch_video.py --self-test

3. 安装为 Codex skill

git clone https://github.com/pengchujin/jzsub.git
mkdir -p ~/.codex/skills
cp -R jzsub/skills/jzsub ~/.codex/skills/

在 Codex 新任务中发送：

$jzsub https://www.youtube.com/watch?v=VIDEO_ID

Codex 会自动调度下载、模型翻译、字幕渲染、烧录、交付检查——一条龙。

4. 验证脚本

python3 -m unittest discover -s skills/jzsub/tests -v

🎯 适用场景

学习外语：下载 YouTube/B站视频 + 自动双语字幕（原文 + 中文/任意目标语言），随时回看对照。
离线看片：通勤、地铁、飞机、长途车上没网，预先下好带字幕的视频。
自媒体二创：把外网视频 + 双语字幕 + 烧录好的 MP4 拿来剪辑，无需再额外调字幕样式。
教学/培训：把英文技术演讲下下来 + 中文字幕烧录，做内部培训素材。
内容研究：批量下载一系列相关视频 + 双语字幕，做语料库分析。
Codex 用户：让 AI agent 直接调用 JZSub 处理视频，不用自己写代码。
字幕组协作：作为初翻流水线，GPT 翻译后再人工校对，比纯人工快 5-10 倍。

🔍 对比/替代方案

工具	定位	JZSub vs 它
yt-dlp	纯命令行视频下载	yt-dlp 只下载，不做翻译、不做烧录。JZSub 把 yt-dlp 当底层，前端加 GPT + libass
VTT / SRT 字幕下载 + 手翻	传统字幕组流程	全手动，耗时耗力。JZSub 自动化
ChatGPT / Claude 翻译 + 手动烧录	半自动方案	你得自己拼接 yt-dlp 输出 + 写 ffmpeg 命令。JZSub 一条命令
视频字幕下载工具（DownSub、SaveSubs）	Web 端字幕下载	只下载平台原生字幕（没有就用不了），不能 GPT 翻译。JZSub 双语生成 + 烧录
Subtitle Edit (subedit)	字幕编辑工具	本地编辑 SRT/ASS 的工具，不下载视频、不翻译。JZSub 是"端到端流水线"
Memo / Whisper 字幕生成	音频转字幕	这些是没有字幕时用音频转，JZSub 优先用平台原生字幕，效率与质量更高
VideoLingo / 各种双语字幕项目	AI 双语字幕	JZSub 的差异化是：与 yt-dlp 一体化（不是单独翻译工具），加上 libass 专业烧录、Codex skill 集成
GTranslate + 视频编辑器	通用方案	通用翻译工具，不针对视频场景优化

选择标准：

要"一条链接出全套" → JZSub
只要下载 + 自带字幕 → yt-dlp 直接搞定
没字幕要 ASR 转写 → Whisper 类工具
要 GUI 编辑字幕 → Subtitle Edit / Aegisub

⚠️ 注意事项

项目非常新（2026-07-10 创建，仅 3 天）：0 open issues，但实际生产环境的边缘 case 可能没被广泛测试，生产前小规模试用。
免责声明：README 明确写——"仅下载你有权访问和保存的内容。JZSub 不绕过 DRM、付费墙、验证码或平台安全限制"。会员视频、YouTube Premium 独占内容等需要登录态的，用 Chrome 浏览器已经登录的 Cookie可以下；但绕过付费墙本身违反 YouTube TOS，请遵守平台规则。
GPT 翻译需要 API Key：默认应该用 OpenAI / 兼容 OpenAI API 的服务（Azure OpenAI / DeepSeek / 自部署 OpenAI 兼容模型），需要配置 API Key。
MiSans 字体不包含：从 HyperOS 官方下载，仓库不打包字体（合规考虑）。
FFmpeg 必须带 libass：默认 FFmpeg 不带 libass 字幕渲染，需要完整版（macOS brew install ffmpeg-full、Linux apt install ffmpeg 通常带）。
浏览器登录态依赖 Chrome：静默登录从 Chrome 读取 Cookie，用 Safari / Firefox 不行。需要 Chromium-based 浏览器 + 已登录目标平台。
翻译质量看 GPT 模型：GPT-4o / GPT-4.1 翻译质量高，GPT-3.5-turbo 偶有错译。专业术语建议二次校对。
双语字幕对屏幕空间要求：横屏视频底部双语堆叠对 1080p+ 友好，720p / 竖屏字幕会偏小。
不绕过 DRM / 验证码：Widevine / Netflix / Disney+ 这类 DRM 保护内容无法下载。
多语言术语一致性：GPT 在长视频多批次翻译中术语一致性可能波动，极专业场景建议人工 glossary。

✅ 总结

JZSub 解决了一个朴素场景：想要一条命令出"最高画质视频 + 封面 + 双语字幕 + 烧录 MP4"的完整流水线。底层 yt-dlp 拉流、GPT 做紧凑分批翻译、libass + MiSans 专业烧录、Codex skill 无缝集成、4 种交付目标按需选择、0 open issues + MIT 协议。

最大的差异化是 "端到端 + AI 翻译 + Codex 集成"——同类项目要么纯下载、要么纯翻译、要么只做 GUI 编辑，JZSub 把这些缝合成了一个命令。对学习外语、离线看片、自媒体二创、Codex 用户来说是一套极其实用的工具链。

挑毛病的话：项目太新（3 天），生产稳定性待验证；GPT 翻译需要 API Key（OpenAI / DeepSeek / 自部署均可）；MiSans 字体需手动下载；Chrome 浏览器登录态依赖；不绕过 DRM / 付费墙 / 验证码（合规导向，但限制了部分场景）。

整体推荐给：

学习外语的用户（最匹配，自动双语字幕烧录）；
通勤 / 长途旅行的离线看片党；
自媒体二创（外网视频 + 中文字幕）；
Codex 用户（agent 自动调度视频处理流水线）；
字幕组（GPT 初翻 + 人工校对，比纯人工快 5-10 倍）；
想"一条命令出全套"的极客玩家。