把 YouTube 视频「搬」回国内平台，全程自动化

如果你同时在 YouTube 和国内视频平台（Bilibili、AcFun）运营内容，你大概经历过这种场景：YouTube 发了一期视频，然后手动下载、处理字幕、写简介、打标签，再传到 B 站——中间还得处理字幕翻译和内容审核，一个流程走下来少说半小时。

Y2A-Auto（YouTube to AcFun/Bilibili Auto Uploader）就是来解决这个痛点的。它能做到的事情很简单——监控 YouTube 频道 → 自动下载新视频 → 语音识别生成字幕 → AI 翻译成中文 → 生成标题/简介/标签 → 通过审核 → 自动上传到 B 站/AcFun，全程无人值守。

项目用 Python（Flask）编写，GPL-3.0 开源，2,020 Star，107 个 Release，678 次提交。最新版本 v4.8.5，迭代非常活跃。

全自动流水线

Y2A-Auto 的核心是一条清晰的自动化管道，每一阶段都可以单独配置或人工介入：

  1. 监测——订阅 YouTube 频道或关键词，新视频发布后自动加入任务队列
  2. 下载——基于 yt-dlp，支持视频格式/质量选择
  3. 语音识别——集成 Whisper（分段时间戳）或 Voxtral（词级粒度），生成原始字幕
  4. 字幕翻译——AI 翻译（OpenAI 兼容 API），支持断句、标点规范化、语气词过滤、幻觉检测
  5. 元数据生成——AI 自动写标题、简介、标签，并推荐分区
  6. 内容审核——集成阿里云 Green 审核服务，自动过滤违规内容
  7. 上传——自动上传到 Bilibili 和/或 AcFun，支持扫码登录

Web 管理面板

Y2A-Auto 不是 CLI 工具，而是一个完整的 Web 应用（Flask 后端）。通过浏览器打开管理面板，你可以看到：

  • 任务列表——每个视频的当前状态（下载中/转码中/审核中/已上传），支持手动重试和强制上传
  • 人工审核——AI 生成的字幕和元数据可以人工审阅修改后再提交
  • 频道/关键词管理——添加要追踪的 YouTube 频道或搜索关键词，支持最新/历史两种扫描模式
  • 分组设置——不同频道可以配置不同的上传目标、字幕语言、标签策略

面板还带密码保护，5 次错误尝试锁定 15 分钟，会话 30 分钟超时自动登出。

字幕处理引擎

Y2A-Auto 的字幕处理能力是它做得最细致的地方。不只是「翻译」那么简单：

  • 断句——自动合并在翻译后过短或过长的句子片段
  • 标点规范化——中英文标点自动转换
  • 语气词过滤——去掉「嗯」「啊」「you know」等填充词
  • 幻觉检测——AI 翻译出现幻觉内容时自动标记
  • 时间戳补偿——处理 Whisper 输出和实际视频时间轴的偏移
  • 间隙合并——相邻的短字幕片段自动合并成自然的段落
  • QC 重试——质检不过的字幕段自动用 AI 重新翻译

视频转码

考虑到国内平台的编码兼容性，Y2A-Auto 内置了视频转码功能。支持多种硬件加速方案：

  • NVIDIA（hevc_nvenc）
  • Intel（hevc_qsv）
  • AMD（hevc_amf/vaapi）
  • CPU（软编码兜底）

自动检测可用硬件，不支持 H.265 时自动回退到 H.264。

Cookie 与认证管理

YouTube 需要 Cookie 才能下载视频（尤其是受限内容）。Y2A-Auto 集成了 CookieCloud，可以自动同步浏览器 Cookie，支持自动/传统/AES-128-CBC-Fixed 三种加密模式。B 站和 AcFun 支持扫码登录，B 站也支持 Netscape/JSON Cookie 导入。

部署

Docker 一键部署是官方推荐的方式：

docker compose up -d

镜像托管在 Docker Hub 和 ghcr.io，挂载 config/、db/、downloads/、logs/ 等目录持久化数据。也支持 Python 3.11+ 本地部署和 Windows 便携包。

我的看法

Y2A-Auto 做的事情其实很「硬核」——它不是一个取巧的小工具，而是一条完整的工业级处理流水线。从视频下载到语音识别、翻译、审核、上传，每个环节都用了成熟的方案（yt-dlp、Whisper、OpenAI API、阿里云 Green），并且每个环节都做了充分的容错和处理细节。

107 个 Release、678 次提交的数据说明这个项目经过了长时间的打磨，不是那种「能跑就行」的早期项目。2k Star 在工具类项目里也是实打实的认可。

不过也要客观看待它的局限：它依赖的 AI 服务（OpenAI API、阿里云 Green）都是付费的，字幕翻译质量和 AI 生成元数据的质量取决于你用的模型。Docker 部署虽然简单，但对于不熟悉 Docker 的用户还是有一点门槛。

但如果你需要运营跨平台视频内容，Y2A-Auto 能帮你省下的时间绝对不是一星半点——从手动搬运到全自动流水线，是「每天半小时」和「每周检查一次」的区别。

项目地址：fqscfqj/Y2A-Auto · 许可：GPL-3.0 · 🌟 2,020 Stars（截至 2026-07-16） · 最新发布：v4.8.5 · 部署：docker compose up -d