如果你手里有一批老番或者外文影视资源又恰好带英文字幕想转成中文字幕最直接的想法可能是找在线字幕组或者翻译平台。但对于没有现成中文字幕的冷门资源尤其是像《恶魔君 1989》这种年代比较久远、字幕资源不全的片子自己动手用 DeepSeek 做“英转中”字幕翻译反而是一条低成本、可批量复制的路子。这篇文章就把我实际跑通的一套流程完整写出来从字幕格式解析、DeepSeek API 调用到英文 SRT 转中文 SRT再到生成双语字幕、用 ffmpeg 合并进视频每一步都会给出可复用的代码和配置。无论你是想翻译一部片子还是想批量处理整个剧集这套流程都可以直接拿过去改。1. 背景与核心概念1.1 DeepSeek 字幕翻译是什么DeepSeek 是深度求索推出的大语言模型它的 API 接口兼容 OpenAI 格式支持通用对话、文本翻译、内容理解等场景。所谓“DeepSeek 英转中文字幕”就是利用 DeepSeek 的文本翻译能力把视频原本的英文字幕文件逐段翻译成中文再重新生成一份中文字幕文件。这里说的“字幕翻译”不是简单的词对词替换而是需要考虑上下文、口语表达、专有名词的一致性。比如《恶魔君 1989》这种带有奇幻、恶魔、契约等元素的动画里面会有大量角色名、咒语、特定称谓如果逐行孤立翻译很容易出现前后译名不一致的问题。1.2 为什么要用大模型翻译字幕传统字幕翻译通常有几种方式人工翻译质量最高但成本高、周期长一集 24 分钟的动画字幕可能有 300 到 500 行人工翻译需要数小时。机器翻译免费 MT 引擎也能做到“英转中”但译文质量相对机械术语不统一断句生硬。大模型翻译兼顾速度和灵活性可以通过 Prompt 指定翻译风格、术语表、输出格式还能利用上下文窗口对相邻字幕做批量翻译做到前后文一致。对于个人做字幕中文化DeepSeek 的性价比很高。它的 API 按 token 计费字幕文本量不大一集动画的字幕通常只有几千 token成本可以控制在很低的范围内。1.3 适用场景这套方案适合以下场景你手上有一部外文影视剧带英文字幕没有中文字幕。你想做双语字幕保留英文原文同时加上中文翻译。你想批量处理一个季度的剧集不希望每集都手动复制粘贴。你是字幕爱好者想快速生成字幕初稿再人工校对。如果只是偶尔翻译一两条字幕直接打开 DeepSeek 网页版复制粘贴也行。但如果要处理整集、整季字幕脚本化是更高效的方式。2. 环境准备与版本说明在开始之前需要先把环境准备好。本节不会写死具体版本号因为 DeepSeek API 和 Python 生态更新较快你按实际环境调整即可。2.1 基础环境清单我的演示环境如下你可以根据自己的系统做对应调整环境项建议版本说明操作系统Windows 10/11、macOS、Linux 均可本文命令以 Windows 为主macOS/Linux 通用Python3.9 及以上推荐 3.10 或 3.11兼容性更好pip随 Python 安装用于安装依赖DeepSeek API Key在 DeepSeek 开放平台申请需要充值价格不高ffmpeg4.x 及以上用于字幕合入视频可选2.2 安装 Python 依赖我们主要用到两个 Python 库openaiDeepSeek API 兼容 OpenAI 格式直接用官方 SDK 即可。chardet或charset-normalizer处理字幕文件编码避免中文乱码。安装命令如下pip install openai chardet charset-normalizer如果你还没装 ffmpeg可以到 ffmpeg 官网下载对应系统的版本或者用包管理器安装# macOS brew install ffmpeg # Ubuntu/Debian sudo apt install ffmpeg # Windowschoco 或 winget choco install ffmpeg2.3 准备字幕文件假设你已经有一份合法的《恶魔君 1989》第28集资源并且字幕文件与视频文件在同一目录。字幕文件常见格式为.srt或.ass本文以.srt为例因为它的解析最简单兼容性最好。建议先看一下 SRT 文件内容1 00:00:01,000 -- 00:00:04,000 Hello, welcome to the world of demons. 2 00:00:05,000 -- 00:00:08,000 The demon king is waiting for you.这是一个标准的 SRT 格式序号、时间轴、字幕文本每个字幕块之间用空行分隔。2.4 配置 DeepSeek API登录 DeepSeek 开放平台创建一个 API Key然后在环境变量中配置# Windows PowerShell $env:DEEPSEEK_API_KEYsk-xxxxxxxxxxxxxxxx # macOS / Linux export DEEPSEEK_API_KEYsk-xxxxxxxxxxxxxxxx为了防止代码中硬编码密钥我们统一通过环境变量读取。3. 字幕翻译的核心原理在写代码之前有必要把字幕翻译的几个核心问题说清楚。否则你直接拿一个“循环翻译”脚本跑完大概率会遇到时间轴错位、术语不统一、译文断句混乱等问题。3.1 SRT 字幕结构SRT 文件的结构非常规律序号 起始时间 -- 结束时间 字幕文本 空行解析时只需要按空行切分然后提取序号、时间和文本。生成时反过来拼接即可。需要注意SRT 时间轴的格式是时:分:秒,毫秒例如00:01:23,456。有些播放器也接受.代替,但标准格式是逗号。3.2 字幕分段的粒度翻译字幕时常见有两种策略逐条翻译每一条字幕单独调用一次 API。优点是实现简单缺点是丢失上下文。比如前一条说“He is the one”后一条说“The demon lord”如果分开翻译“one”可能会被译成“一个”而不是“那个人/天选之人”。批量合并翻译把连续若干条字幕合并成一段文本让模型一次性翻译。这样模型能根据上下文理解指代关系译文更连贯。缺点是如果一次翻译太多条模型可能输出错乱或者漏掉某些行。更稳妥的做法是每次合并 10 到 20 条字幕让模型按指定格式输出然后在代码中重新解析回 SRT。3.3 术语一致性与提示词设计翻译老番时术语一致性问题特别突出。比如《恶魔君 1989》里如果出现角色名、恶魔名、招式的专有名词最好在 Prompt 中给一个术语表让模型固定译法。示例术语表Demon Lord - 魔王 Akuma - 恶魔君 Hell Contract - 地狱契约在调用 API 时Prompt 可以这样设计你是一名专业的字幕翻译。请将以下英文影视字幕翻译成简体中文。 要求 1. 保留原有角色名和专有名词的翻译如果术语表中有指定译法必须使用指定译法。 2. 翻译要符合中文表达习惯不要逐字直译。 3. 每条字幕输出为一行格式为序号|中文翻译 4. 不要添加任何额外解释。 术语表 Demon Lord - 魔王 Akuma - 恶魔君 Hell Contract - 地狱契约 待翻译字幕 1|Hello, welcome to the world of demons. 2|The demon king is waiting for you.3.4 输出格式与解析为了让模型输出能被程序稳定解析最安全的方式是要求它输出“序号|译文”的格式。这样即使个别台词翻译结果中出现换行也能通过序号重新对齐到原始字幕。如果模型偶尔输出不合规可以用简单的正则兜底^\d\|。3.5 双语字幕的生成如果你想保留英文原文同时显示中文翻译可以在生成中文 SRT 后把同一条字幕的英文和中文拼接在一起Hello, welcome to the world of demons. 欢迎来到恶魔的世界。或者生成两个独立的字幕轨道在播放器里同时挂载。后者的好处是中文、英文可以独立开关体验更好适合喜欢对照学习语言的人。4. 完整实战DeepSeek 英转中字幕处理《恶魔君 1989》第28集下面我们开始完整实现。以一个真实场景为例视频文件为devil-kid-1989-ep28.mp4英文字幕文件为devil-kid-1989-ep28.en.srt目标是生成中文字幕devil-kid-1989-ep28.zh.srt和双语字幕devil-kid-1989-ep28.bilingual.srt。4.1 创建项目结构建议创建一个独立的项目目录subtitle-translator/ ├── config.py # 配置文件 ├── srt_parser.py # SRT 解析与生成 ├── translator.py # DeepSeek 翻译逻辑 ├── main.py # 主入口 ├── input/ │ └── devil-kid-1989-ep28.en.srt ├── output/ │ ├── devil-kid-1989-ep28.zh.srt │ └── devil-kid-1989-ep28.bilingual.srt └── video/ └── devil-kid-1989-ep28.mp4用命令行创建mkdir -p subtitle-translator/{input,output,video} cd subtitle-translator4.2 配置文件创建一个config.py统一管理 API 参数和路径# config.py import os DEEPSEEK_API_KEY os.getenv(DEEPSEEK_API_KEY, ) DEEPSEEK_BASE_URL os.getenv(DEEPSEEK_BASE_URL, https://api.deepseek.com) DEEPSEEK_MODEL os.getenv(DEEPSEEK_MODEL, deepseek-chat) INPUT_SRT input/devil-kid-1989-ep28.en.srt OUTPUT_ZH_SRT output/devil-kid-1989-ep28.zh.srt OUTPUT_BILINGUAL_SRT output/devil-kid-1989-ep28.bilingual.srt # 每次合并翻译的字幕条数 BATCH_SIZE 15 # 术语表 GLOSSARY { Demon Lord: 魔王, Akuma: 恶魔君, Hell Contract: 地狱契约, }这里有个细节DEEPSEEK_BASE_URL我默认写成了https://api.deepseek.com你可以按官方文档确认。如果 DeepSeek 后续调整了接口地址改这个环境变量即可。4.3 实现 SRT 解析与生成新建srt_parser.py# srt_parser.py import re from dataclasses import dataclass dataclass class SubtitleItem: index: int start: str end: str text: str def parse_srt(content: str) - list[SubtitleItem]: 解析 SRT 内容返回 SubtitleItem 列表。 blocks re.split(r\n\s*\n, content.strip()) items [] for block in blocks: lines block.strip().splitlines() if len(lines) 2: continue # 序号 try: index int(lines[0].strip()) except ValueError: continue # 时间轴 time_line lines[1].strip() match re.match(r(\d{2}:\d{2}:\d{2}[,.]\d{3})\s*--\s*(\d{2}:\d{2}:\d{2}[,.]\d{3}), time_line) if not match: continue start, end match.groups() # 统一把 . 替换为 , start start.replace(., ,) end end.replace(., ,) # 字幕文本可能是多行 text \n.join(lines[2:]).strip() items.append(SubtitleItem(indexindex, startstart, endend, texttext)) return items def build_srt(items: list[SubtitleItem]) - str: 将 SubtitleItem 列表重新拼接为 SRT 字符串。 blocks [] for item in items: block f{item.index}\n{item.start} -- {item.end}\n{item.text} blocks.append(block) return \n\n.join(blocks) \n这个解析器的关键点按空行切分字幕块。用正则匹配时间轴兼容,和.。保留字幕多行文本不丢失原始内容。生成时严格按 SRT 格式输出。4.4 实现 DeepSeek 翻译模块新建translator.py# translator.py import json from openai import OpenAI from config import DEEPSEEK_API_KEY, DEEPSEEK_BASE_URL, DEEPSEEK_MODEL, GLOSSARY class DeepSeekTranslator: def __init__(self): self.client OpenAI( api_keyDEEPSEEK_API_KEY, base_urlDEEPSEEK_BASE_URL, ) self.model DEEPSEEK_MODEL def build_prompt(self, batch_text: str) - str: 构造翻译 Prompt。 glossary_text \n.join([f{k} - {v} for k, v in GLOSSARY.items()]) prompt f你是一名专业的影视字幕翻译擅长将英文翻译成简体中文。 要求 1. 译文要口语化符合中文观众的表达习惯。 2. 如果术语表中有对应译法必须使用术语表中的译法。 3. 保持原有字幕条目的序号和顺序。 4. 输出格式为序号|中文翻译每条一行。 5. 不要输出任何解释性文字。 术语表 {glossary_text} 待翻译字幕 {batch_text} return prompt def translate_batch(self, batch_text: str) - dict[int, str]: 翻译一批字幕返回 {序号: 译文} 的字典。 prompt self.build_prompt(batch_text) response self.client.chat.completions.create( modelself.model, messages[ {role: system, content: 你是一个专业的字幕翻译助手。}, {role: user, content: prompt}, ], temperature0.3, max_tokens2000, ) content response.choices[0].message.content return self.parse_translation(content) def parse_translation(self, content: str) - dict[int, str]: 解析模型返回的“序号|译文”结果。 如果某行解析失败跳过该行后续由主逻辑兜底。 result {} for line in content.strip().splitlines(): line line.strip() if not line: continue if | in line: idx_part, text_part line.split(|, 1) try: idx int(idx_part.strip()) result[idx] text_part.strip() except ValueError: continue return result这里需要注意temperature设置为 0.3减少随机性保证翻译更稳定。max_tokens要根据批量大小调整。15 条字幕的译文通常不会超过 2000 token如果批量更大需要调大。解析结果时用|分割可以避免模型输出英文冒号导致解析失败。如果模型漏译了某一两条我们不会在这一层抛异常而是在主流程里用原始文本兜底。4.5 主流程逻辑新建main.py# main.py from config import INPUT_SRT, OUTPUT_ZH_SRT, OUTPUT_BILINGUAL_SRT, BATCH_SIZE from srt_parser import parse_srt, build_srt, SubtitleItem from translator import DeepSeekTranslator def read_file_with_encoding(path: str) - str: 尝试用多种编码读取文件避免中文乱码。 for encoding in [utf-8, utf-8-sig, gbk, latin-1]: try: with open(path, r, encodingencoding) as f: return f.read() except UnicodeDecodeError: continue raise RuntimeError(f无法识别文件编码: {path}) def write_file(path: str, content: str): 统一以 UTF-8 写入文件。 with open(path, w, encodingutf-8) as f: f.write(content) def main(): # 1. 读取并解析英文字幕 raw_content read_file_with_encoding(INPUT_SRT) srt_items parse_srt(raw_content) print(f解析到 {len(srt_items)} 条字幕) # 2. 按批次组织待翻译文本 translator DeepSeekTranslator() # 存储最终的中文字幕文本 zh_item_map {} for i in range(0, len(srt_items), BATCH_SIZE): batch srt_items[i:i BATCH_SIZE] batch_lines [] for item in batch: # 多行字幕在传给模型之前把内部换行替换为空格 one_line_text item.text.replace(\n, ) batch_lines.append(f{item.index}|{one_line_text}) batch_text \n.join(batch_lines) print(f正在翻译第 {i 1} 到 {i len(batch)} 条字幕...) try: translated_map translator.translate_batch(batch_text) zh_item_map.update(translated_map) except Exception as e: print(f批次翻译失败: {e}稍后自动使用原文兜底) # 避免请求过快可根据需要决定是否添加 sleep # import time; time.sleep(0.5) # 3. 生成中文字幕 SRT zh_items [] bilingual_items [] for item in srt_items: zh_text zh_item_map.get(item.index, item.text) # 中文字幕 zh_items.append(SubtitleItem( indexitem.index, startitem.start, enditem.end, textzh_text, )) # 双语字幕英文在上中文在下 bilingual_text f{item.text}\n{zh_text} bilingual_items.append(SubtitleItem( indexitem.index, startitem.start, enditem.end, textbilingual_text, )) # 4. 写文件 write_file(OUTPUT_ZH_SRT, build_srt(zh_items)) write_file(OUTPUT_BILINGUAL_SRT, build_srt(bilingual_items)) print(f中文字幕已生成: {OUTPUT_ZH_SRT}) print(f双语字幕已生成: {OUTPUT_BILINGUAL_SRT}) if __name__ __main__: main()4.6 运行与验证在项目目录下运行python main.py预期输出类似解析到 468 条字幕 正在翻译第 1 到 15 条字幕... 正在翻译第 16 到 30 条字幕... ... 中文字幕已生成: output/devil-kid-1989-ep28.zh.srt 双语字幕已生成: output/devil-kid-1989-ep28.bilingual.srt查看生成的中文字幕cat output/devil-kid-1989-ep28.zh.srt可以看到时间轴和序号保持不变英文字幕替换成了中文。4.7 用 ffmpeg 将字幕合入视频如果你希望直接把中文字幕烧录进视频可以使用 ffmpegffmpeg -i video/devil-kid-1989-ep28.mp4 -i output/devil-kid-1989-ep28.zh.srt \ -c:v libx264 -c:a aac \ -vf subtitlesoutput/devil-kid-1989-ep28.zh.srt:force_styleFontNameMicrosoft YaHei,FontSize16 \ video/devil-kid-1989-ep28.zh.mp4这个命令的含义-i video/devil-kid-1989-ep28.mp4输入视频。-i output/devil-kid-1989-ep28.zh.srt输入中文字幕。-vf subtitles...把字幕作为滤镜渲染到画面上。FontNameMicrosoft YaHei指定中文字体避免乱码。如果你不想重新编码视频也可以直接把 SRT 作为外挂字幕文件播放器里手动加载这样最省事也不会损失视频质量。5. 常见问题与排查思路在实际操作中下面几个问题出现频率很高。问题现象常见原因解决思路字幕时间轴错位生成时没有保留原时间轴检查代码中是否重新拼接了 SRT确保 index、start、end 保持一致中文乱码原字幕是 GBK 编码写入时没有转 UTF-8使用read_file_with_encoding自动识别编码并统一以 UTF-8 写入部分字幕没有被翻译模型漏译或批次解析失败在生成中文时用zh_item_map.get(item.index, item.text)兜底API 报 401 错误API Key 配错或没有设置环境变量检查DEEPSEEK_API_KEY是否已设置是否带sk-前缀API 报 429 限流请求频率过高或余额不足在批次之间增加 sleep检查账户余额模型翻译结果格式混乱Prompt 不够严格模型输出了额外说明在 Prompt 中明确要求“只输出序号术语翻译前后不一致没有使用术语表或者术语表没有覆盖关键名词完善术语表并把术语表放到 Prompt 前面提高模型注意力多行字幕翻译后丢行字幕原文内部有换行解析时被忽略传给模型前将换行替换为空格生成时再按需拼接5.1 如何定位哪一条字幕翻译失败如果发现某一条字幕没有中文只保留英文说明这一条没有被模型输出也没有被解析。可以在代码里加一个日志if item.index not in zh_item_map: print(f警告第 {item.index} 条字幕未翻译使用原文。)这样方便定位是批量翻译时漏译还是正则解析时漏掉。5.2 DeepSeek API 常见报错AuthenticationErrorAPI Key 无效。RateLimitError请求频率超过限制或者余额不足。APIError服务端异常可以重试。APIConnectionError网络连接失败检查本机网络环境。建议在翻译模块中加入简单的重试机制import time def translate_batch_with_retry(self, batch_text: str, retries: int 3): for attempt in range(retries): try: return self.translate_batch(batch_text) except Exception as e: print(f翻译失败第 {attempt 1} 次重试...) time.sleep(2 ** attempt) raise RuntimeError(翻译失败已达最大重试次数)6. 最佳实践与工程建议字幕翻译看似是一个“翻译活”但做到工程化之后还是有不少细节值得打磨。6.1 字幕预处理不要省如果你的英文字幕里带有大量广告、注释、歌词标记建议在翻译之前先过滤移除纯数字、纯符号、URL。移除明显是制作人员的签名行。如果字幕里有♪或[音效]等标记可以保留但提示模型不要翻译这些标记。6.2 术语表要持续维护翻译一个剧集时建议建一个glossary.json或glossary.txt每翻译一集都把新出现的角色名、专有名词补充进去。随着批次推进术语一致性会越来越好。6.3 关于上下文窗口的使用DeepSeek 的上下文窗口足够大理论上可以一次塞入更多字幕。但实际经验是每次 10 到 20 条最稳定输出格式不容易乱。如果一次塞入 50 条模型在输出时可能漏掉某几条或者把序号写错。批次之间可以加入“上一批摘要”作为上下文但实现复杂度会明显增加。对于大多数个人字幕翻译需求固定 15 条一批已经是性价比很高的方案。6.4 成本控制字幕翻译的 token 消耗主要由两部分组成输入 token英文字幕文本 Prompt 内容。输出 token中文字幕文本。一集 20 多分钟的动画大约 400 到 600 条字幕每条按 10 个英文单词估算总输入 token 在几万左右。DeepSeek 的定价比较便宜但建议在代码里打印 token 消耗方便估算成本。可以在响应里读取usage字段usage response.usage print(f本次消耗: prompt_tokens{usage.prompt_tokens}, completion_tokens{usage.completion_tokens})6.5 安全与合规使用 DeepSeek API 翻译字幕时注意不要上传包含个人隐私、密码、账户信息等敏感文本。字幕翻译属于普通文本处理涉及的版权问题需要自行判断请只处理你拥有合法授权的视频资源。另外不要把 API Key 硬编码进脚本更不要把 Key 提交到 GitHub。使用环境变量或本地配置文件并把配置文件加入.gitignore# .gitignore .env *.srt注意如果你把项目推到公开仓库字幕文件本身也可能存在版权风险建议一并忽略。6.6 批处理整季字幕如果要对整季 12 集做批量翻译不要在每一集里重复调用同一个脚本。可以写一个目录遍历逻辑或者用 Shell 循环for file in input/*.en.srt; do echo 处理文件: $file python main.py $file done相应地main.py需要改成接收命令行参数import sys if len(sys.argv) 1: input_srt sys.argv[1] else: input_srt INPUT_SRT6.7 人工校对的建议虽然大模型翻译质量已经不错但影视字幕中经常有双关语、谐音梗。文化背景梗。角色口癖和语气词。这些内容建议由熟悉作品背景的人做一轮人工校对。脚本负责生成初稿人工负责润色。这一步能显著提升最终字幕质量。6.8 双语文案的排版生成双语字幕时注意控制每行字数。如果一条字幕的英文很长再叠加中文可能在屏幕上超出安全区。建议在双语字幕中只保留重要台词或者在 SRT 中把中文字体调小避免遮挡画面。7. 总结本文围绕“DeepSeek 英转中文字幕”这个主题完整讲解了字幕翻译的核心思路和落地实现。你不仅学会了如何解析 SRT 文件、构造翻译 Prompt、调用 DeepSeek API还掌握了批量翻译、术语表维护、字幕合入视频等工程化技巧。以《恶魔君 1989》第28集为示例我们跑通了一条完整的处理链路英文 SRT - 解析字幕块 - 按批次合并 - DeepSeek 翻译 - 解析译文 - 生成中文 SRT / 双语 SRT - ffmpeg 合入视频下一步你可以尝试接入 ASS 字幕样式输出带特效字幕的中文字幕。把术语表升级为 JSON 文件支持多语言。在批次之间加入上下文摘要让翻译更连贯。写一个简单的 Web 界面上传字幕文件即可在线翻译。字幕翻译只是一个典型的文本处理场景。掌握了 DeepSeek API 的调用方式、Prompt 设计和结果解析之后你会发现这套思路还能用在很多其他地方比如文档翻译、邮件润色、商品描述改写。动手跑一遍把代码改成符合自己习惯的样子比单纯看帖子有用得多。