Docker一键部署AI字幕翻译平台：支持GPT、DeepSeek等20+模型

字幕翻译是视频创作和跨语言内容分发中的高频刚需，但市面上的工具往往要么翻译质量粗糙，要么难以接入自定义的大语言模型。一位B站UP主开源了一个自建的字幕翻译平台，主打「上传字幕文件、选择引擎、一键翻译并导出双语字幕」的完整流程，同时支持接入 GPT、DeepSeek 等 20 多种大模型和传统翻译 API。本文梳理它的核心功能与 Docker 部署方式，供有自建翻译工具需求的读者参考。

三类翻译引擎：大模型、传统API与免费谷歌翻译

这个项目把翻译引擎分成三大类，覆盖了从免费到高质量的不同场景。

第一类是默认完全免费的谷歌翻译，无需配置 API 即可开箱使用，适合对翻译质量要求不高、追求速度的场景。实测中谷歌翻译引擎从头到尾逐条完成整段字幕的速度相当快。

第二类是大语言模型，也是作者最推荐的方式。平台支持接入各种主流大模型，包括 GPT、DeepSeek^广告，以及通过硅基流动（原文称「归基流动」，应为语音转写误差）等聚合平台调用的多种模型。配置流程是复制 API Key、粘贴后点击「获取模型列表」，再从下拉框中选择具体模型（如 DeepSeek V3），测试连接成功后保存即可。

第三类是传统翻译 API，包括腾讯翻译、百度翻译和有道翻译，需要单独配置各家的 API。

作者明确指出，从翻译效果看，使用大模型翻译的质量明显优于传统翻译引擎，代价是速度较慢——大模型会逐条把字幕发送到接口，再将返回结果自动填充回对应位置。

语言与目标语言设置界面

硅基流动是一类大模型聚合平台（API聚合器）的代表，它将多家模型厂商的接口统一封装为兼容 OpenAI 格式的单一入口，用户只需一个 API Key 即可按需调用 DeepSeek、Qwen、GLM 等多种国产大模型，并按实际 Token 用量计费。这类平台的价值在于：开发者无需为每家模型单独注册和管理密钥，且由于服务器部署在国内，境内 VPS 访问稳定、无需翻墙。对于字幕翻译这类对延迟敏感、需要逐条调用的场景，选择国内可访问的聚合平台能显著降低网络超时风险。

完整工作流：上传、翻译、在线编辑到双语导出

平台的操作界面被拆解成清晰的几步，降低了上手门槛。

第一步上传字幕文件，第二步选择翻译设置，包括引擎、原文语言和目标语言。默认走谷歌翻译接口，也可以切换到已配置好的大模型或传统 API。

翻译过程中带有实时进度显示，能直观看到当前处理到第几条。这一点在处理长视频字幕时尤其实用。

值得关注的是它的在线编辑能力。翻译完成后可以逐条修改译文：如果某条翻译不理想，可以手动改动原文后触发该条重新翻译，也可以直接编辑已翻译好的结果。这种「翻译+人工校对」一体化的设计，比单纯的批量翻译更贴近真实剪辑工作流。

翻译引擎选择与推荐设置

导出环节支持多种格式：默认导出纯译文字幕（如纯英文），也可以选择双语字幕，并自由设置「原文在上」或「译文在上」的排版。导出的双语字幕可直接导入剪辑软件使用。

大模型翻译逐条填充过程

从演示看，作者用谷歌翻译把中文字幕转成英文、又用 DeepSeek V3 把字幕翻成德语，验证了不同引擎在同一平台内的可切换性。

Docker一键部署：从服务器到访问的完整步骤

项目已打包为双平台镜像，可在不同设备上通过 Docker 部署。核心步骤如下：

准备条件

一台服务器：由于需要访问各种 AI 大模型，作者建议优先选择香港或其他境外服务器，演示中使用的是美国节点。
项目的 GitHub 地址：可前往仓库了解详情并 Star 支持。
域名（可选）：根据需求绑定。
Docker 环境：可用一键安装脚本完成。

部署流程

新建 Compose 文件，进入编辑模式后粘贴 Compose 配置内容；
左侧的端口 5200 可按需修改，其余保持默认；
保存退出后执行运行容器的命令，拉取并启动镜像；
通过「服务器IP:5200」访问，进入初始化界面设置用户名和密码即可完成部署。

Compose配置中的端口设置

初始化完成后，如果有大模型就配置大模型，没有的话配置传统翻译 API，或直接使用默认的免费谷歌翻译。绑定域名可参考作者此前的域名教程。

大陆VPS部署注意事项

作者特别提醒：项目在中国大陆地区的 VPS 上可以正常运行，但有网络限制。在境内服务器上，建议使用国内可访问的 API，例如硅基流动等聚合平台上的国内大模型，或本地部署的 Ollama 模型（原文称「欧拉姆」），这些都能正常调用；而依赖境外网络的服务则可能出现连接问题。这也解释了为什么演示中优先选用境外服务器。

Ollama 是一个开源的本地大模型运行框架，支持在普通 CPU 或消费级 GPU 上运行 Llama、Qwen、Mistral 等主流开源模型，并对外暴露兼容 OpenAI 格式的本地 HTTP 接口（默认端口 11434）。将 Ollama 与本项目结合使用的核心优势是完全离线、零 API 成本，且不受任何网络限制——无论是大陆服务器还是本地机器，只要能访问 Ollama 的本地地址，字幕翻译请求就不会出现连接失败。代价是本地推理速度受硬件性能制约，显存或内存不足时翻译速度会明显慢于云端 API。

Docker Compose 是 Docker 官方提供的多容器编排工具，通过一个 YAML 格式的 compose.yml 文件声明所有服务的镜像、端口映射、环境变量和挂载卷，然后用 docker compose up -d 单条命令完成拉取镜像、创建网络、启动容器的全部操作。相比手动执行 docker run 并记忆大量参数，Compose 文件可以版本化保存、随时重建，也便于在不同服务器间迁移。对于本项目，修改 Compose 文件中的端口号（如将 5200 改为其他值）是唯一需要按需调整的参数，其余字段保持默认即可完成部署。

适用场景与局限

这个工具的定位很明确：为视频创作者和需要批量处理字幕的用户，提供一个可自建、可接入自有大模型、支持人工校对的字幕翻译平台。它此前配套的字幕生成项目（将音视频转成字幕）与本项目形成了「转写—翻译」的完整链路。

从公开的演示信息看，它的优势在于引擎选择灵活、支持双语导出和在线编辑；局限则在于大模型翻译速度受 API 逐条调用影响，以及境外模型对服务器网络环境有要求。对于已经在使用 DeepSeek、GPT 等模型 API 的用户来说，用自己的额度做高质量字幕翻译，是一个成本可控且私有化的方案。