VidDub：手把手教你用 Intel MacBook 给 YouTube 视频自动配音

GitHub: yaoyue123/VidDub · MIT 协议 · 喜欢的话给个 ⭐
适合人群: 想把英文 YouTube 视频搬运到国内平台的内容创作者
本机环境: 16GB 内存 Intel MacBook（macOS 12+）

---

这是什么？一分钟说清楚

VidDub 做一件很具体的事：把英文 YouTube 视频自动变成中文配音视频，然后一键发布到 B站、抖音、快手、小红书。

整个流程全自动：

YouTube URL
  ↓ yt-dlp 下载视频
  ↓ Whisper（本地跑）语音转文字
  ↓ SiliconFlow API 翻译成中文字幕
  ↓ CosyVoice2 TTS 合成中文语音
  ↓ ffmpeg 替换音轨、嵌入字幕
  ↓ AI 自动生成 5 个标题候选 + 8 个标签
  ↓ 一键发布到多个平台

你输入一个 YouTube 链接，等一段时间，拿到一个带中文配音的视频，顺便帮你发布好了。

---

Intel MacBook 能跑吗？——先说结论

可以，但要做几个设置。

VidDub 的关键组件分两类：

组件	在哪里跑	Intel Mac 情况
Whisper 语音转文字	本地 CPU	✅ 可跑，速度慢一些，选小模型
翻译（DeepSeek/Qwen）	云端 API	✅ 无关本机性能
CosyVoice2 TTS 配音	云端 API	✅ 无关本机性能
ffmpeg 合成视频	本地 CPU	✅ 完全没问题
Web UI 前端	本地	✅ 完全没问题

Intel Mac 的唯一限制：Whisper 在 Intel CPU 上跑，没有 GPU 加速（Apple Silicon 有 MPS，Intel 没有）。所以要选 tiny 或 base 模型来控制时间。

16GB 内存够用：Whisper tiny 约占 500MB，base 约占 1GB，整个服务运行时大约 2-3GB，16GB 绰绰有余。

---

开始之前：你需要准备什么

1. 注册 SiliconFlow 账号，获取 API Key（免费）

VidDub 的翻译和配音都通过 SiliconFlow 云端 API 实现，新用户有免费额度。

1. 访问 https://cloud.siliconflow.cn 注册账号
2. 进入「API 密钥」页面：https://cloud.siliconflow.cn/account/ak
3. 创建一个新的 API Key，复制保存好（格式：sk_xxxxxxxxxx）

免费额度用于测试完全够，后续如果高频使用可以充值，价格很便宜。

2. 代理配置（国内用户必看）

VidDub 需要能访问 YouTube，国内需要代理。

你有代理软件的话，记下它的本地端口（通常是 7890、1080 或 7897），后面配置 .env 时会用到。

---

安装步骤（Intel MacBook 专版）

第零步：安装 Homebrew（如果没有的话）

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

第一步：安装必要的软件

# 安装 ffmpeg（视频处理核心工具）
brew install ffmpeg

# 安装 Python 3.11（推荐版本）
brew install python@3.11

# 安装 Node.js 20（Web UI 需要）
brew install node@20

# 验证安装
ffmpeg -version | head -1
python3.11 --version
node --version

如果 python3.11 命令不识别，试试：

echo 'export PATH="/opt/homebrew/opt/python@3.11/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

第二步：克隆仓库

git clone https://github.com/yaoyue123/VidDub.git
cd VidDub

第三步：一键启动（自动安装所有依赖）

chmod +x start.sh
./start.sh

这个脚本会自动做完以下事情（第一次约 5-10 分钟）：

• 安装 uv（Python 包管理器）
• 创建虚拟环境 .venv，安装所有 Python 依赖
• 安装 Playwright Chromium（发布到平台时用）
• 安装前端 npm 依赖
• 创建数据库
• 复制 .env.example 到 backend/.env

启动成功后，终端会显示类似：

INFO:     Uvicorn running on http://127.0.0.1:8000
VITE v5.x.x  ready in xxx ms
Local:   http://localhost:5173/

第四步：配置 API Key 和关键参数

用文本编辑器打开 backend/.env：

open -e backend/.env   # 用 TextEdit 打开
# 或
nano backend/.env       # 用终端编辑

必填项：

# 必填：你的 SiliconFlow API Key
SILICONFLOW_API_KEY=sk_你的key在这里

# Intel Mac 必设：用小模型，速度快
WHISPER_MODEL=base

# 如果需要代理访问 YouTube（替换成你的代理端口）
HTTP_PROXY=http://127.0.0.1:7890
HTTPS_PROXY=http://127.0.0.1:7890

保存后重启服务：

# Ctrl+C 停止，然后重新启动
./start.sh

第五步：下载 Whisper 模型（只需一次）

首次运行时，Whisper 需要下载模型文件。国内下载可能很慢，先设置镜像：

export HF_ENDPOINT=https://hf-mirror.com

然后手动触发下载：

cd backend
.venv/bin/python -c "import whisper; whisper.load_model('base'); print('下载完成')"

• tiny 模型：约 75MB，速度最快（精度较低）
• base 模型：约 145MB，速度与精度平衡（Intel Mac 推荐）
• small 模型：约 480MB，精度好但慢（16GB Intel 勉强可用）

下载一次后缓存在 ~/.cache/whisper/，后续不需要重下。

---

实际使用：配音一个 YouTube 视频

打开 Web UI

浏览器访问：http://localhost:5173

Web UI 主要包含：

• Dashboard：任务列表，查看进度
• New Task：输入 YouTube URL，开始配音任务
• Settings：修改模型、语速、发布设置等
• Platform Login：登录各平台账号用于发布

提交第一个配音任务

1. 点击「New Task」或「开始配音」
2. 粘贴 YouTube 视频链接，例如：https://www.youtube.com/watch?v=xxxxx
3. 确认设置：
   • Whisper 模型：base（Intel Mac 用这个）
   • 翻译模型：DeepSeek-V4-Flash（默认，快且准）
   • TTS 声音：可选 alex、anna 等
4. 点击「开始」

等待处理（时间参考）

以一个 10 分钟的视频为例，在 16GB Intel MacBook 上：

阶段	耗时估算	说明
下载视频	1-3 分钟	取决于网速和代理
Whisper 转写（base）	8-15 分钟	Intel CPU 约 0.8-1.5x 实时
AI 翻译	1-3 分钟	SiliconFlow API，和本机无关
CosyVoice2 配音	2-5 分钟	SiliconFlow API
ffmpeg 合成	1-2 分钟	CPU 处理，Intel 完全没问题
总计	约 13-28 分钟	视频越短越快

如果嫌慢，改成 WHISPER_MODEL=tiny，转写时间减半，精度略降。

查看结果和编辑

任务完成后：

1. Dashboard 状态变为「完成」
2. 点击任务可以预览配音视频
3. 查看 AI 生成的 5 个标题候选，选一个或自己改
4. 查看 8 个标签建议，可以编辑

发布到平台

第一次发布需要登录各平台：

进入 Settings → Platform Login，会弹出浏览器窗口让你手动登录（Playwright 自动化）。登录一次后，登录态保存在本地，后续不需要重复登录。

支持的平台：

• 🎬 B站 (Bilibili)
• 🎵 抖音 (Douyin)
• ▶️ 快手 (Kuaishou)
• 📺 腾讯视频
• 🌺 小红书 (Xiaohongshu)

选好平台，点击「发布」即可。

---

Intel Mac 专属优化建议

Whisper 模型选择指南

模型	大小	10 分钟视频转写时长	推荐场景
tiny	75MB	~5-8 分钟	快速测试，短视频，精度要求不高
base	145MB	~10-15 分钟	日常使用推荐，精度够用
small	480MB	~25-40 分钟	精度要求高，可以接受等待
medium	1.5GB	~60-90 分钟	不推荐 Intel Mac 使用

结论：日常用 base，赶时间用 tiny。

减少等待时间的技巧

1. 批量提交：同时提交多个视频，让 VidDub 并发处理（Settings 里设置 max_concurrent_downloads）
2. 夜间运行：晚上提交任务，早上起来视频就处理完了
3. 选短视频先练手：5 分钟以内的视频整个流程 10-15 分钟搞定

降低 API 费用

SiliconFlow 有使用量限制，优化配置：

• 翻译模型用 DeepSeek-V4-Flash（比大模型便宜，质量够用）
• translation_context_window 设为 2（窗口越小 token 越少）
• 如果遇到 429 限流错误，等 60 秒后点「重试」

---

常见报错解决

报错：SILICONFLOW_API_KEY is required

# 确认 .env 文件存在
ls backend/.env

# 确认 key 不为空
grep SILICONFLOW_API_KEY backend/.env

修复：在 backend/.env 里填入正确的 sk_xxx 格式 API Key，然后重启服务。

报错：ffmpeg not found

brew install ffmpeg
# 安装完验证
ffmpeg -version

Whisper 下载极慢或卡住

# 设置镜像源
export HF_ENDPOINT=https://hf-mirror.com
# 重新下载
cd backend && .venv/bin/python -c "import whisper; whisper.load_model('base')"

YouTube 无法访问（下载失败）

检查 backend/.env 里是否配置了代理：

HTTP_PROXY=http://127.0.0.1:7890
HTTPS_PROXY=http://127.0.0.1:7890

端口号换成你代理软件的实际端口。

429 限流错误

SiliconFlow 请求频率太高。解决：

1. 等 60 秒，点 Web UI 的重试按钮
2. 把 max_concurrent_downloads 改为 1
3. 错峰使用（避开高峰期）

转写质量差、错字多

从 tiny 换成 base 模型：

WHISPER_MODEL=base

重启服务后重新提交任务。

start.sh 执行报错：permission denied

chmod +x start.sh
./start.sh

---

命令行快速使用（不打开浏览器）

如果你更喜欢命令行操作：

cd backend

# 给单个视频配音
.venv/bin/python -m app.cli dub "https://www.youtube.com/watch?v=你的视频ID"

# 查看所有任务状态
.venv/bin/python -m app.cli status

# 恢复中断的任务
.venv/bin/python -m app.cli resume

---

版权和合规说明

重要：搬运视频前请注意版权问题。

• 只搬运创作者明确授权（CC 协议）或本人所有的视频
• 发布时注明原视频出处和作者
• 不要搬运未经授权的受版权保护内容
• 各平台对搬运内容都有审核，频繁发布可能被限流

VidDub 本身是工具，合规使用与否由用户负责。

---

快速上手总结

# 1. 安装依赖
brew install ffmpeg python@3.11 node@20

# 2. 克隆并启动
git clone https://github.com/yaoyue123/VidDub.git
cd VidDub && chmod +x start.sh && ./start.sh

# 3. 配置（必填）
nano backend/.env
# 填入：SILICONFLOW_API_KEY=sk_你的key
# 填入：WHISPER_MODEL=base
# 如需代理：HTTP_PROXY=http://127.0.0.1:7890

# 4. 重启
./start.sh

# 5. 打开 Web UI
open http://localhost:5173

# 6. 粘贴 YouTube URL，开始！

喜欢这个项目的话，去 GitHub 给作者点个 ⭐：https://github.com/yaoyue123/VidDub

---

© 2026 Author: Mycelium Protocol. 本文采用 CC BY 4.0 授权。

TL;DR: VidDub auto-dubs YouTube videos into Chinese and publishes to Bilibili/Douyin/Kuaishou/Xiaohongshu. This guide is for 16GB Intel MacBook users — Whisper runs locally on CPU (use base model), everything else (translation, TTS) uses SiliconFlow cloud API.

---

Pipeline Overview

YouTube URL → yt-dlp download → Whisper STT (local CPU) → 
SiliconFlow translate → CosyVoice2 TTS → ffmpeg compose → 
AI title generation → 1-click publish to 5 platforms

Intel Mac Setup

# Prerequisites
brew install ffmpeg python@3.11 node@20

# Clone and start
git clone https://github.com/yaoyue123/VidDub.git
cd VidDub && ./start.sh

# Configure backend/.env
SILICONFLOW_API_KEY=sk_your_key    # Get from cloud.siliconflow.cn
WHISPER_MODEL=base                  # Use base for Intel Mac (not tiny or medium)
HTTP_PROXY=http://127.0.0.1:7890   # If you need proxy for YouTube

Intel Mac Performance (10-min video)

Whisper Model	Transcription Time	Recommendation
tiny (75MB)	~5-8 min	Fast tests, short videos
base (145MB)	~10-15 min	Recommended for daily use
small (480MB)	~25-40 min	High accuracy, patience required

Total pipeline for 10-min video: ~15-30 minutes on 16GB Intel Mac.

Open in Browser

http://localhost:5173 — paste YouTube URL, click Start, wait.

---

© 2026 Author: Mycelium Protocol. Licensed under CC BY 4.0.