mlsubgen：本地运行的45语言视频字幕工具

mlsubgen 是一款本地运行的字幕生成工具，支持45种语言。其技术特点包括：按语音段检测语言以支持混合语言内容；运行两个语音识别器并用本地大语言模型融合结果；优先使用已有的嵌入式字幕轨道（包括 Blu-ray PGS 轨的 OCR），无字幕时才分析音频。在 24GB RTX A5000 上处理速度约等于目标语言的实时时长，需要 16-32 GB 系统内存和 30-65 GB 模型存储。