Честно говорю — работы ещё много, до хорошей реализации примерно год. Я выгорел, потому что долго делать одно и то же тяжело морально, но я буду его переписывать  как минимум все лето.
Да, сейчас вес проекта составляет ~300 GB — из-за моделей и модулей, которых довольно много. Одних только переводчиков — на 100 GB, и это более 20 разных моделей / видов.

Качество перевода часто лучше, чем у Яндекса (+ клонирование голоса). Многие модели на уровне DeepL, и даже есть поддержка LLM — то есть, если система позволяет, можно загрузить, например, DeepSeek для перевода.

Сейчас всё ещё далеко от идеала, и интерфейса (GUI / WEBUI) пока нет — доступна только CLI-версия.

Он будет поддерживать: Youtube (даже с скачкой субтитров), Spotify (даже с скачкой lyrics), сайты которые поддерживает yt-dlp и локальные аудио / видео файлы.

Из хороших новостей — самая минимальная версия может весить ~40 GB.
Но: на минимальных характеристиках перевод 2-минутного фрагмента занимает около 3 часов.  Также из хорошего — значительный прирост качества (хотя и за счёт времени обработки): в 2–3 раза лучше, чем в текущих примерах. Ошибки от неверного ввода также исключены (я называю это системой "Защита от дебилов").

Код пока переписан примерно на 7%. Планирую внедрить систему лицензирования. И чтобы быть честным — код будет зашифрован, но без каких-либо вирусов, исключительно для целей лицензирования.

  CPU: i5 (10-го поколения)

  GPU: GTX 1660

  RAM: 16 GB

  Space: ~50–60 GB  

  CPU: i7 (12-го поколения)

  GPU: RTX 4060

  RAM: 16 GB

  Space: ~70–80 GB