从需求说起
日常刷 YouTube 看德语内容是最自然的输入方式——但有个问题：很多 Vlog、访谈、播客类视频根本没有字幕。
有字幕的靠 YouTube 自动生成，准确率还行。但我想要的是：德语原文 + 中文翻译并行显示，点单词能查意思，不会的词能收藏，看完能导出到 Anki 复习。
市面上没有这样的工具，那就自己写一个。
架构设计
整个流程是一条流水线：
YouTube 链接
↓ yt-dlp 下载音频（16kHz WAV）
↓ faster-whisper 德语听写（GPU 加速）
↓ 合并短句为自然段落
↓ DeepSeek API 逐句翻译成中文
↓ 提取所有单词 → DeepSeek 批量翻译（单词表）
↓ DeepSeek 为每句生成语法讲解
↓
📦 输出
├── player.html ← 本地 HTML 播放器
├── bilingual.srt ← 双语字幕（可拖进 VLC）
├── subtitles.json ← 结构化数据
└── video.mp4 ← 下载的视频技术栈
- Python — 主语言，胶水把所有环节串起来
- yt-dlp — YouTube 下载，支持 cookies 绕过 bot 检测
- faster-whisper — 基于 ctranslate2 的 Whisper 实现，比原版快 3-4 倍
- DeepSeek API — 翻译 + 单词表 + AI 语法讲解，价格便宜质量好
- CUDA 12.x — RTX 4060 加速，20 分钟视频 2-3 分钟跑完 large-v3
关于 Whisper 模型的坑
一开始图快用 tiny 模型（140MB），跑出来全是幻听——"互联网是圆的"这种胡话重复了好几遍。这不是 bug，是 tiny 本身的局限：它只有 4 层 transformer，碰到背景音乐和多人说话就放飞自我了。
正确做法是用 large-v3 或至少 medium，配合 GPU 加速。我一开始 CPU 硬扛 medium，一个 20 分钟的视频跑了 40 分钟。后来装上 CUDA，同样的任务 2 分钟搞定。
学习功能
播放器不只是字幕同步，还嵌入了几个真正有用的学习功能：
点词查译
德语原文的每个单词都是可点击的。点一下弹出中文释义和语法信息。所有单词在脚本运行阶段就通过 DeepSeek 批量翻译好了，嵌入在 HTML 里，不需要联网。
生词本 + Anki 导出
点单词释义弹窗里的「加入生词本」，单词自动存入 localStorage。生词本面板在右下角，可以折起展开，随时回顾。点「Anki CSV」直接下载制表符分隔的 CSV 文件，导入 Anki 就是卡组。
AI 语法讲解
这是最实用的功能。每句字幕右侧有个「AI」按钮（鼠标悬停显示），点击弹出 DeepSeek 预生成的语法讲解，包含：
- 语法要点：时态、语态、从句结构
- 词汇搭配：固定搭配、介词用法
- 直译 VS 自然中文：为什么不能逐字翻译
- 使用场景：这句在日常德语中什么时候用
讲解是脚本阶段就生成好的，离线也能看。77 句字幕大概花 30 秒生成，DeepSeek 费用不到 1 分钱。
快捷键
Space 暂停/播放、← → 跳转 5 秒、R 复读当前句、Esc 关闭弹窗。调速滑条从 0.25x 到 2x，精听用 0.75x 很舒服。
一个关于 GFW 的插曲
在 Windows 上配 CUDA 环境遇到了经典的中国网络问题：PyPI 上 nvidia-cublas 包 500MB+，GFW 每次下载到一半就掐断。pip 报 hash mismatch，curl 也断。试了镜像源、代理、断点续传全部不顶用。
最后 winget 只能装到 CUDA 13.3（太新了，ctranslate2 不兼容），折腾半天发现 CUDA 13 和 12 的 cublas API 不兼容。解决方案是手动从官网下 CUDA 12.6 装上，马上识别。
这种破事真的只有中国开发者才懂。🤷
运行一条命令
pip install yt-dlp faster-whisper openai python-dotenv srt
python yt_deutsch.py "YouTube链接" --model medium然后打开 output/视频标题/player.html，所有功能离线可用。
项目地址
欢迎 Star ⭐ 和提交 Issue。