KrillinAI 是一个功能强大的 AI 视频翻译与配音工具

KrillinAI 是一个功能强大的 AI 视频翻译与配音工具，支持从下载、字幕翻译到 TTS 配音的全链路自动化。它的部署方式非常灵活，覆盖了从“开箱即用”到“开发者构建”的全场景。

下面为您梳理出四种主要的部署和使用路径，您可以根据自己的技术背景和需求选择。

方式	适用人群	特点	操作复杂度
1. 桌面版 (推荐)	所有用户，特别是新手	图形界面，配置内置，下载即用	⭐ 极简
2. 非桌面版 (Web UI)	喜欢网页操作或需远程访问的用户	Web 界面，需手动编辑配置文件	⭐⭐ 简单
3. Docker 部署	熟悉容器化，追求环境一致性的用户	一键启动，隔离环境	⭐⭐ 中等
4. 源码与 CLI	开发者、AI Agent 集成	完全控制，支持脚本化和自动化编排	⭐⭐⭐ 复杂

这是官方为普通用户设计的图形界面版本，所有配置都可以在软件内完成，无需手动编辑配置文件。

下载安装包：
- 访问项目的 GitHub Releases 页面。
- 下载文件名中包含 desktop 的最新版本，对应你的操作系统（如 KrillinAI_1.0.0_desktop_Windows_x86_64.exe 或 KrillinAI_1.0.0_desktop_macOS_arm64）。
运行软件：
- Windows: 双击 .exe 文件即可运行。
- macOS: 由于应用未签名，双击可能无法直接打开。请按照以下步骤操作：
  1. 打开“终端”（Terminal）。
  2. 使用 cd 命令进入你下载文件所在的目录。
  3. 执行以下命令移除隔离属性并赋予执行权限（注意：将 KrillinAI_1.0.0_desktop_macOS_arm64 替换为你下载的实际文件名）：
    1
    2
    sudo xattr -cr ./KrillinAI_1.0.0_desktop_macOS_arm64
    sudo chmod +x ./KrillinAI_1.0.0_desktop_macOS_arm64
  4. 现在可以双击运行，或继续在终端执行 ./KrillinAI_1.0.0_desktop_macOS_arm64 启动。
开始使用：
- 启动后，直接在图形界面中配置你的 API 密钥（如 OpenAI、阿里云等）和各项参数，然后导入视频即可开始处理。

此版本提供一个 Web 界面，适合作为服务器端服务运行。需要手动编辑配置文件。

下载可执行文件：
- 在 Releases 页面下载文件名 不包含 desktop 的版本（如 KrillinAI_1.0.0_Linux_x86_64 或 KrillinAI_1.0.0_macOS_arm64）。
创建配置文件：
- 在可执行文件同级目录下，创建一个名为 config 的文件夹。
- 在 config 文件夹中，创建一个名为 config.toml 的文件。
- 从项目源码的 config 目录中获取 config-example.toml 的内容，复制粘贴到你新建的 config.toml 文件中。
- 根据文件内的注释，必须填写必要的配置，特别是 [llm]（大语言模型）和 [transcribe]（语音识别）部分的 API 密钥和参数。

赋予执行权限并启动：

macOS/Linux:

# 添加执行权限
chmod +x ./KrillinAI_1.0.0_macOS_arm64  # 替换为你的文件名
# 启动服务
./KrillinAI_1.0.0_macOS_arm64

适合喜欢容器化部署的用户，可参考项目中的 Docker 部署说明。

核心步骤通常是：

适合开发者或需要将 KrillinAI 集成到自动化流程（如 AI Agent）中的用户。

克隆与编译：

1
2
3

git clone https://github.com/krillinai/KrillinAI.git
cd KrillinAI
go build -o build/krillinai-cli ./cmd/cli

使用 CLI 分阶段处理：编译后，你可以使用 ./build/krillinai-cli 命令，通过不同的子命令（如 subtitle, tts, render-horizontal）来执行视频处理流水线的不同阶段。具体参数请参考项目 README.md 中的 CLI 使用说明。

无论使用哪种方式，理解以下核心配置有助于你顺利运行：

语音识别 (Transcribe)：在 [transcribe] 部分选择 provider.name。
- openai (云端，需 API Key)：速度快，效果好。
- fasterwhisper (本地，推荐 model="large-v2")：免费，模型会自动下载。
大语言模型 (LLM)：在 [llm] 部分配置，用于翻译。兼容 OpenAI API 格式的服务（如 DeepSeek、Gemini、本地部署的模型等）。
TTS 配音 (可选)：在 [tts] 部分配置。支持阿里云、OpenAI TTS 等。如使用语音克隆，需选择阿里云。