去年通勤时想听一些国外的播客，vibe search 了一圈好像没啥特别钟意的播客翻译工具，后来本地跑了个简陋的 ASR + 翻译 + TTS 的流水线应付了下。
年初 qwen3-tts 发布后便有心让 AI 搓一个方便复用的工具，最近抽空薅 OpenAI Codex 羊毛做了个 CLI 自己用着感觉还可以。为了快速跑通和效果稳定，TTS 直接用的阿里云服务，后续有空或者需求的话再支持本地模型部署或者其他渠道。
快速开始
首先需要准备一个阿里云的 API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key。
环境中还需要安装 ffmpeg。
# 使用 uv 安装 CLI
uv tool install git+https://github.com/R0sin/podtran
# 初始化配置，默认路径为 ~/.podtran/podtran.toml
podtran init
初始化时需要填写 HF_TOKEN，主要为了使用 WhisperX 的人声分离模型，引导中有跳转链接。
初始化完成后可以在配置文件中修改 ASR 模型配置，默认是 cpu 跑的参数。
安装完依赖就能用了：
# 截取前五分钟跑流水线
podtran --preview
# 跑完整音频翻译流水线
podtran
套壳所以原生支持 mp4 等媒体格式输入。
其他 CLI 用法可以参考 README 和 help 信息。
其他补充
欢迎使用和提建议，有用的话麻烦点个 star ，谢谢！
也欢迎分享一些有意思的播客频道。
可能的迭代方向
相关链接
博客原文：https://r0sin.pages.dev/podcast-translator-cli（需代理访问）
GitHub：https://github.com/R0sin/podtran
