FusionKit 是一款基于 Electron 的跨平台桌面工具集合应用，旨在将多种实用工具整合在一个优雅的界面中。内置 FusionKit Agent，可通过自然语言对话驱动字幕翻译、格式转换、语言提取、历史任务恢复，以及文件名 / 文件夹名翻译等操作；同时提供本地字幕转写工具，使用设备上的 Whisper 模型从音频或视频批量生成字幕，并支持将结果交接给字幕翻译流程。应用也提供完整的手动工具界面，适合逐项配置、预览和执行。
首次使用本地字幕转写前，请在本地环境中下载受管模型，或导入兼容的 GGML 模型。
- 本地字幕转写完整工作流：支持批量添加音频/视频、媒体探测、音轨选择、managed Whisper/VAD、CPU/CUDA 后端以及 SRT/LRC 导出。
- 字幕翻译自动交接：转写完成后可仅导出、加入字幕翻译队列或立即启动新增任务，并通过一次性 artifact 与冻结配置完成安全交接。
- Windows 文件拖拽与输出修复：恢复资源管理器拖拽文件的原始身份，修复授权过期、错误自动编号、字幕未落盘及安全覆盖不可用等问题。
- 任务队列与进度优化：本地转写按 FIFO 稳定展示，只在转写阶段显示统一进度；字幕翻译任务按进行中、未开始、已完成排序。
- 运行时与统计更新：Electron 固定为 41.10.6；字幕翻译新增实际 Token/费用累计与 DeepSeek Thinking 配置。
- 本地字幕转写工作流：新增独立的本地字幕工具，可批量处理音频/视频，使用 managed Whisper 模型生成 SRT/LRC，并按用户选择只导出、加入字幕翻译队列或确认后开始翻译。
- 音频工具箱首版：新增音频转文本、文本转音频、实时字幕和 Realtime/WebRTC 双向语音工具页。
- 全局音频模型配置：设置页集中管理音频 Profile、协议、模型和任务分配；工具页只读取全局生效配置，不再各自保存 API 配置。
- OpenAI / MiMo 音频 API 兼容：文件 ASR/TTS 使用 OpenAI 官方音频 API 风格作为内部契约，MiMo ASR/TTS 通过 adapter 接入。
- MiMo TTS 三模式：支持
mimo-v2.5-tts预置音色、mimo-v2.5-tts-voicedesign音色设计和mimo-v2.5-tts-voiceclone音色复刻，并接入低延迟流式播放链路。 - 实时音频体验：实时字幕支持 OpenAI Realtime/WebRTC；MiMo 或非 Realtime 配置下以分块近实时字幕呈现。双向语音首版面向 OpenAI Realtime/WebRTC。
- 音频隐私边界：本地音频文件、录音片段和麦克风内容会发送到用户选择的第三方音频 API；API Key、Base64 音频和 PCM chunk 不写入任务恢复、Zustand 持久化或错误详情。
- 长文本翻译 Beta：新增面向小说、长文档和多 TXT 项目的翻译工具，Renderer 只传递文件路径，正文由主进程读取、分片和落盘。
- 连贯串行翻译模式：支持跨分片、跨文件的语义记忆，适合人物关系、术语和文风需要连续保持的长文本。
- 可靠恢复与重翻：长文本任务会写入独立工作区、事件日志和分片结果，支持暂停、取消、恢复、部分完成和从指定分片后重翻。
- TXT 输出模式：支持仅译文、双语简洁模式和
[Original]/[Translation]标签模式，并支持多个独立文件队列或有序项目。 - Markdown 结构保护能力：已完成 Markdown parser、保护占位符、仅译文组装和 blockquote 双语组装；端到端 Markdown 执行仍处于后续开放范围。
- 文件名翻译性能全面优化：引入翻译去重、快路径跳过、内存缓存、受控并发与自适应批次拆分，大幅缩短大批量文件名翻译的等待时间；新增规划进度可视化与取消入口。
- 文件名翻译双语输出模式：支持在翻译后的文件名中同时保留原语言和目标语言（如
Episode 1 - 第01話.srt），可自定义分隔符和语言顺序。 - 全新启动加载页：重新设计应用启动画面，新增 Reveal 过渡动画效果。
- 繁体中文支持：新增繁体中文（zh-Hant）界面语言。
- 安全性增强：修复 symlink 检测、路径权限错误处理、不完整计划误执行等多项安全与健壮性问题。
内置 AI 对话助手，通过自然语言即可完成字幕处理、历史恢复和名称翻译等任务。
- 基于 Vercel AI SDK 的流式对话与工具调用循环
- 自动扫描目录、发现字幕文件并分发到翻译 / 转换 / 提取队列
- 支持扫描
*.fusionkit.resume.json恢复清单，并将可恢复字幕任务加入翻译队列 - 支持检查文件 / 文件夹路径，生成名称翻译 dry-run 预览，并在明确确认后应用重命名
- 三种执行模式：仅入队 / 确认后执行 / 自动执行
- 支持拖拽文件或文件夹到输入框，自动识别路径并追加到当前消息
- 输入框草稿缓存，跨页面导航后仍可保留未发送内容
- 会话导出与导入（JSON 格式）
- 实时 Token 用量统计、上下文占用与费用追踪
利用 AI 大模型实现高质量字幕翻译，支持多种模型和灵活配置。
- 支持 LRC / SRT 格式字幕文件
- 支持 9 种语言：中文、日文、英文、韩文、法文、德文、西班牙文、俄文、葡萄牙文
- 支持 DeepSeek / OpenAI 及任意 OpenAI 兼容 API
- 双语对照或仅译文两种输出模式
- 分片并发翻译（最高 5 路并发）
- 可配置分片策略（普通 / 敏感 / 自定义）
- 实时进度显示、分片完成数（n/N）与 Token 用量预估
- 支持编辑任务配置、输出路径选择与重名处理（覆盖 / 自动编号）
- 支持失败恢复与历史任务续跑，自动生成并读取
*.fusionkit.resume.json恢复清单 - 支持源文件不可用时基于恢复清单内的原始分片继续翻译
面向整章小说、长文档和多 TXT 文件项目的 AI 翻译工具，重点优化大文本分片、恢复、输出与费用可见性。
- 支持选择单个或多个 TXT 文件；多个文件可作为独立任务队列，也可作为有序项目串行翻译
- Renderer 不读取整本正文，创建任务时只向主进程传递文件路径和配置
- 主进程执行编码探测、资源限制检查、分片规划、模型请求、分片结果落盘和最终输出组装
- 支持快速并发与连贯串行两种执行模式；串行模式会携带语义记忆以保持术语、人物关系和文风
- 支持文档背景、翻译要求、风格要求、术语表和指定文件前重置语义记忆
- 支持仅译文、TXT 双语简洁模式和 TXT 双语标签模式
- 支持输出到源文件目录或自定义目录，并提供覆盖 / 自动编号冲突策略
- 支持暂停、取消、恢复、部分完成、打开工作区和打开输出文件
- 页面会显示分片数、输入 token 估算、费用估算和上下文预算校验
- Markdown parser 与输出组装能力已完成，但端到端 Markdown 翻译入口仍处于 Beta 后续开放范围
隐私与费用提示：
- 文件正文会发送到用户配置的 OpenAI Compatible 模型服务；请确认模型服务的隐私和数据保留政策
- API Key 只用于运行时请求，不写入长文本翻译工作区
- 串行语义记忆会增加每个分片的输入 token，费用通常高于并发模式
面向本地音频/视频批量生成字幕的独立工具，不复用“音频转文本”的远端 API 配置或运行时。
- 使用随应用提供并校验的
whisper.cppruntime、FFmpeg 和 ffprobe；用户无需安装系统 FFmpeg，也不能配置任意 executable 或 backend 参数 - managed 清单提供默认推荐的
large-v3-q5_0与质量优先的large-v3F16 GGML 模型，可选 Silero v6.2.0 VAD；模型和 VAD 按需下载，不进入默认安装包 - 支持 1～100 个文件、媒体探测、多音轨选择、原文转写或翻译为英语、SRT/LRC、多格式部分成功、取消与逐文件失败隔离
- 支持源目录或自定义目录、自动编号和受控覆盖；已提交字幕不会因取消、失败、更新或卸载而主动删除
- 默认只导出；自动翻译必须由用户显式选择并确认当前翻译配置和外部 API 费用，只启动本次交接新增的任务
- 本地转写默认离线，普通推理不上传媒体或字幕；只有资源下载会访问固定 allowlist，自动翻译才会调用用户配置的第三方文本模型 API
- 支持 Windows x64 CPU/CUDA 与 macOS arm64 Metal/CPU；实际转写速度取决于设备性能、模型规格和媒体内容
资源体积、磁盘需求、隐私、恢复、卸载保留、平台支持和第三方许可边界见本地字幕转写说明。
面向音频内容处理和实时语音交互的工具集合，统一使用设置页中的全局音频模型配置。
- 支持在设置页创建 OpenAI Audio、OpenAI Realtime 和 MiMo Chat Audio Profile，并分别分配给音频转文本、文本转音频、实时字幕和双向语音任务
- 音频转文本支持本地音频文件 ASR；OpenAI 模式兼容官方 transcriptions 字段，MiMo 模式支持
mimo-v2.5-asr并按能力禁用字幕格式、prompt 和时间戳等非支持选项 - 文本转音频支持 OpenAI Audio TTS，也支持 MiMo
mimo-v2.5-tts、mimo-v2.5-tts-voicedesign、mimo-v2.5-tts-voiceclone三种模式 - MiMo TTS 支持非流式保存和低延迟流式播放；流式链路使用 PCM16 chunk 播放，完成后保存为本地音频文件
- 实时字幕支持 OpenAI Realtime/WebRTC 麦克风字幕；MiMo 或非 Realtime 配置下以短录音片段转写的“分块近实时”方式呈现
- 双向语音首版支持 OpenAI Realtime/WebRTC 的连接、断开、静音、打断回复、远端音频播放和字幕 timeline
- 工具页只展示当前全局音频 Profile、协议、模型和能力，不提供独立 provider、API Key、base URL 或模型 ID 配置入口
隐私与能力提示：
- 本地音频文件、录音片段和麦克风内容会发送到用户在设置页选择的 OpenAI、MiMo 或其他兼容音频 API 服务；请确认所选服务的隐私和数据保留政策
- OpenAI Realtime 长期 API Key 仅在 Electron 主进程用于创建临时凭证，Renderer 只接收 ephemeral credentials
- API Key、Authorization /
api-keyheader、Base64 音频、PCM chunk 和完整请求体不会写入任务恢复文件、Zustand 持久化或错误详情 - MiMo 的音色设计、音色复刻、音频标签和
optimize_text_preview为 MiMo 专属能力；非 MiMo 音频配置下相关控件会禁用 - MiMo Chat Audio 首版不提供原生 WebRTC 双向语音；双向语音页会要求使用具备 Realtime/WebRTC 能力的 OpenAI Realtime Profile
- 真实供应商的音频格式、模型和低延迟流式能力可能变化，发布前仍建议用实际 API Key 做一次端到端验收
在主流字幕格式之间自由转换。
- 支持 SRT / VTT / LRC 三种格式互转（6 条转换路径）
- 自定义输出路径与重名处理策略（覆盖 / 自动编号）
- 可选去除媒体类型后缀（如
song.wav.srt→song.srt）
从多语言 / 双语字幕中提取指定语言的内容。
- 支持从 LRC / SRT 字幕中提取指定语言文本
- 支持 9 种语言：中文、日文、英文、韩文、法文、德文、西班牙文、俄文、葡萄牙文
- 基于假名、标点、虚词等多维度启发式语言识别
- 自定义输出路径与重名处理策略
面向批量整理文件和目录的安全重命名工具，先预览再执行。
- 支持选择文件、文件夹或混合路径
- 支持翻译所选名称、直接子项或递归子项
- 支持仅处理文件、仅处理文件夹或同时处理两者
- 支持自动识别源语言，并翻译到中文、英文、日文等 9 种语言
- 支持命名风格选择：保留原风格、空格分词、短横线、下划线、Title Case、lowercase
- 支持双语输出模式，翻译后文件名同时保留原语言和目标语言，可自定义分隔符和顺序
- 默认保留文件扩展名，并可保留编号、季集、清晰度等技术标签
- dry-run 预览可编辑、跳过、恢复 AI 建议，并支持冲突检测与重新校验
- 规划过程可视化进度条、阶段提示和取消入口
- 翻译去重、快路径跳过、内存缓存与受控并发，大幅提升大批量翻译速度
- 应用前执行高风险确认，真实重命名会写入 journal，支持尽力回滚
- 付费音乐解密转换
- 🌓 深色 / 浅色 / 跟随系统主题
- 🌐 多语言界面（简体中文 / 繁體中文 / English / 日本語）
- 🔄 应用内检查更新与自动更新
- 🌍 网络代理配置（无代理 / 系统代理 / 自定义代理）
- 🔔 系统通知提醒（任务完成 / 失败）
- 💤 防休眠管理（翻译等长时任务运行期间自动阻止系统休眠）
- 🧭 工具页分步 Tour 引导
- 🖥 跨平台支持（macOS / Windows）
| 分类 | 技术 |
|---|---|
| 框架 | Electron 41.10.6 + React 19.1.1 |
| 语言 | TypeScript |
| 构建工具 | Vite 5 |
| 样式 | Tailwind CSS 4 |
| UI 组件 | shadcn/ui (Radix UI) |
| 状态管理 | Zustand |
| AI 集成 | Vercel AI SDK + OpenAI Compatible Provider |
| 国际化 | i18next |
| 动画 | Motion |
| 测试 | Vitest + Playwright |
| 包管理器 | pnpm |
- Node.js >= 18.0.0
- pnpm（推荐使用 corepack 启用）
# 克隆仓库
git clone https://github.com/QiuYeDx/FusionKit.git
cd FusionKit
# 安装依赖
pnpm install
# 启动开发服务器
pnpm devpnpm build构建产物将输出到 release 目录。
FusionKit/
├── electron/ # Electron 主进程
│ ├── main/ # 主进程核心逻辑
│ │ ├── index.ts # 窗口管理与 IPC 注册
│ │ ├── translation/ # AI 翻译引擎
│ │ ├── text-translation/ # 长文本翻译执行、分片、记忆、恢复与输出
│ │ ├── audio/ # 音频 ASR/TTS、流式音频与 Realtime IPC
│ │ ├── conversion/ # 字幕格式转换
│ │ ├── extraction/ # 字幕语言提取
│ │ ├── rename/ # 文件 / 文件夹重命名扫描、校验、应用与 journal
│ │ ├── fs/ # 文件系统操作（扫描、读取、元数据）
│ │ ├── proxy.ts # 代理配置
│ │ ├── power.ts # 防休眠管理
│ │ └── update.ts # 自动更新
│ └── preload/ # 预加载脚本（Context Bridge）
├── src/ # 渲染进程（前端）
│ ├── agent/ # AI 助手核心（orchestrator、工具定义、会话管理）
│ ├── pages/ # 页面组件
│ │ ├── HomeAgent/ # AI 助手主页
│ │ ├── Tools/ # 工具页（字幕 / 重命名 / 长文本 / 音频工具箱）
│ │ ├── Setting/ # 设置页（通用 / 代理 / 模型）
│ │ └── About/ # 关于页
│ ├── components/ # UI 组件库
│ │ ├── ui/ # shadcn/ui 基础组件
│ │ └── qiuye-ui/ # 自定义组件
│ ├── services/ # 业务服务（字幕队列、名称翻译计划、冲突处理等）
│ ├── store/ # Zustand 状态管理
│ ├── locales/ # i18n 多语言资源
│ ├── constants/ # 常量定义
│ ├── type/ # TypeScript 类型
│ └── utils/ # 工具函数
├── docs/ # 开发文档
├── build/ # 应用图标资源
├── public/ # 静态资源
└── test/ # E2E 测试
在设置页面可分别配置字幕翻译、长文本翻译、文件名翻译和 AI 助手所用的文本模型参数：
- API Endpoint — OpenAI 兼容的 Chat Completions 端点
- API Key — 访问密钥
- Model — 模型名称
- Token 价格 — 输入/输出单价（每百万 token），用于费用预估
可创建多个模型配置，并在“模型分配”中分别指定 Agent 模型 与 任务执行模型。内置 DeepSeek 和 OpenAI 预设，也支持任意 OpenAI 兼容 API；配置 API Key 后可从接口拉取可用模型列表，或手动填写自定义 Model Key。
音频工具箱使用独立的全局音频 Profile，但复用现有模型连接 Profile 中的 API Key、Base URL 和代理设置。
- 音频协议支持
openai_audio、openai_realtime和mimo_chat_audio - 可分别配置 ASR、TTS、Realtime 模型 ID、默认 voice、默认语言、默认输出格式和默认流式行为
- 可为音频转文本、文本转音频、实时字幕和双向语音分别选择全局生效的音频 Profile
- 工具页会按当前 Profile 的 capability 自动启用或禁用 OpenAI-only、MiMo-only 和 Realtime-only 控件
- 使用音频工具时，本地音频文件或麦克风内容会发送到当前分配的第三方音频 API 服务
翻译时会将字幕按 Token 上限拆分为多个分片，每个分片独立调用一次 LLM。
| 模式 | 分片上限 | 适用场景 |
|---|---|---|
| 普通模式 | ~3000 tokens | 大多数字幕文件 |
| 敏感模式 | ~100 tokens | 特殊内容，需更精细控制 |
| 自定义模式 | 用户指定 | 按需调整 |
字幕翻译过程中会保存恢复清单与分片进度，任务失败、中断或应用退出后，可通过“恢复历史任务”重新加入队列。
- 扫描当前输出目录：适合恢复当前工具页配置的输出位置
- 选择目录扫描：适合批量查找某个目录下的历史恢复清单
- 导入恢复清单：适合直接选择单个
*.fusionkit.resume.json - 源文件一致时优先基于源文件续跑；源文件缺失或变化时，可基于恢复清单内的分片继续处理
文件名 / 文件夹名翻译遵循“先生成计划，再确认执行”的流程：
- 选择路径并配置范围、目标类型、语言和命名风格
- 生成 dry-run 预览，检查新旧路径、冲突、警告和跳过项
- 必要时手动编辑预览项或重新校验
- 通过高风险确认后应用重命名
- 需要时可基于 journal 尝试回滚已执行的重命名
欢迎任何形式的贡献！
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/your-feature) - 提交更改 (
git commit -m 'feat: add your feature') - 推送到分支 (
git push origin feature/your-feature) - 发起 Pull Request
本项目采用 PolyForm Noncommercial License 1.0.0 发布，仅允许非商业使用，禁止用于任何商业目的。
- 项目主页：github.com/QiuYeDx/FusionKit
- 问题反馈：Issues
- 版本发布：Releases
- 更新日志：CHANGELOG.md
- 作者主页：qiuvision.com