这个工具能做什么,不能做什么
本页面可以把视频中的语音转换成另一种语言的字幕。首先由 Whisper 语音模型把说的内容写下来,并为每一行标注时间;然后由 OPUS-MT 翻译模型逐行翻译。你可以只显示译文,也可以把两种语言一起显示,做成双语字幕。
请注意以下两点:
- 这是机器翻译。没有人工审校。用来理解一场讲座、一次访谈或一个产品视频通常足够,但人名、笑话、俚语和专业术语可能会出错。发布前请先通读一遍,列表可以让你快速修改。
- 声音不会改变。这个工具只生成字幕,不会为视频配音,也不会生成另一种语言的新声音。
全部在你的电脑上运行
大多数在线翻译工具会把视频上传到服务器。而在这里,语音模型和翻译模型都会下载到浏览器中运行。视频和文字不会离开你的设备,非常适合会议、课程、访谈和未发布的作品。首次使用后,模型会保存在浏览器中,下一个视频的处理会快得多。
首次运行时会一次性下载两样东西:语音模型(快速 41 MB、精准 77 MB 或最佳 249 MB,可在“语音识别设置”中选择),以及约 110–140 MB 的翻译模型。如果翻译需要经过英语中转,则需要两个翻译模型。在普通电脑上,处理时间大约是视频时长的一到三倍。如果你的显卡支持 WebGPU,可以在“运行于”中选择它,不过通常处理器反而更快。
支持翻译哪些语言
语音识别支持 99 种语言,并且会自动检测语言。翻译支持英语与大约二十多种语言互译,其他语言组合则通过英语分两步完成。
| 源语言 | 目标语言 | 方式 |
|---|---|---|
| 中文 | 英语 | 专用模型直译 |
| 英语 | 中文 | 专用模型直译 |
| 中文 | 德语、法语、西班牙语、俄语、越南语、阿拉伯语等 | 经英语中转,分两步 |
| 日语、韩语、大多数欧洲语言 | 英语 | 每种语言各有专用模型 |
| 任意语言 | 日语、泰语、土耳其语、希腊语、波兰语 | 通用模型,效果较粗略 |
在“翻译成”下方,页面会显示所选语言组合的下载大小,并在使用通用模型时给出提示。韩语可以翻译成其他语言,但暂时还不能作为目标语言。
中文视频与中文字幕
- 准确度:识别中文语音时,请在“语音识别设置”中选择“最佳”。它的错误率比较小的模型低得多,但需要性能较强的电脑。
- 简体字:Whisper 有时会输出繁体字。同一设置中的“将中文转为简体字”选项默认开启,会自动转换。
- 标点:中文译文会使用中文标点,如“,”和“。”。
- 行长度:自动换行时,中文、日文和韩文字符按两个字符计算,以免字幕过宽。
双语字幕
双语字幕会把原文和译文上下排列、同时显示。它很适合语言学习,也适合面向两种语言观众的视频。在“显示”中选择“双语”,如果希望译文排在上面,请勾选“译文在上”。下载字幕文件时,你可以选择“原文”“译文”或“双语”文本,格式可选 SRT、VTT 或 TXT。
检查和修改结果
每一行的时间并不精确,误差通常在一秒左右。在字幕列表中,你可以编辑原文和译文、修改起止时间、拆分或合并字幕行,还可以用“整体偏移”把所有字幕提前或延后。已经有字幕了?使用“导入 SRT / VTT”,再点击“翻译字幕”,就能直接翻译现有文件,无需重新识别语音。
文字确认无误后,选择“经典白字”“底框”或“TikTok 粗体”等样式,把字幕烧录进 MP4、WebM、MOV 或 MKV 视频,或者只下载字幕文件,用于 YouTube 和其他播放器。如果只需要原语言字幕,请使用添加字幕。如果录像很长,可以先用视频裁剪截取需要的部分,完成后再用视频压缩缩小文件体积。