开源免费项目，精力所限文档更新可能滞后，请以实际软件界面为准
这是一款功能强大的开源视频翻译/语音转录/语音合成软件，致力于将视频从一种语言，无缝转换到包含另一种语言配音和字幕的视频。
核心功能一览
- 全自动视频翻译、音频翻译：智能识别转录音视频中的说话声，生成源语言字幕文件，再翻译为目标语言字幕文件，接着进行配音，最后将新的音频与字幕合成到原视频中，一气呵成(左侧功能面板:翻译视频和音频)。
- 语音转录/音视频转字幕：批量将视频或音频文件中的人类说话声，精准转录为带时间轴的 SRT 字幕文件（左侧功能面板:批量语音转字幕）。
- 语音合成/文字转语音 (TTS)：利用多种先进的 TTS 渠道，为您的文本或 SRT 字幕文件生成高质量、自然流畅的配音(左侧功能面板:批量为字幕配音)。
- SRT 字幕文件翻译：支持批量翻译 SRT 字幕文件，保留原有时间码和格式，并提供多种双语字幕样式(左侧功能面板:批量翻译srt字幕)。
- 文稿对齐与打轴：根据音视频及已有的文字稿，将文字稿转为时间轴精准的srt字幕
- 实时语音转文字：支持实时监听麦克风，并将说话声转为文字
软件工作原理
在开始之前，请务必理解本软件的核心工作方式
软件先提取音频或视频中的人类说话声，通过【语音识别渠道】转写为SRT字幕文件，然后使用【翻译渠道】将该字幕翻译为指定目标语言的字幕，接着继续将该字幕使用所选的【配音渠道】进行配音，最后将字幕、配音、原视频画面三者嵌入并对齐，完成视频翻译流程。
完整的视频翻译要依次经历4个阶段：【语音转录】-> 【字幕翻译】-> 【字幕配音】->【音画字幕对齐与合成】
- 【语音转录】：该阶段将视频中的说话声音转录为字幕文本，具体功能由【语音识别渠道】实现
- 【字幕翻译】：该阶段将上一步转录出的字幕文本，翻译为目标语言的字幕文本，由【翻译渠道】实现
- 【字幕配音】：该阶段将上一步翻译后的字幕文本配音为音频文件，由【配音渠道】实现
- 可以处理：任何包含人类语音的音视频，无论它有没有内嵌字幕。
- 无法处理：只有背景音乐和硬字幕，但没有任何人说话的视频。本软件也无法直接提取视频画面中的硬字幕。 无法抹除视频中原有的硬字幕
如果你需要提取视频里的硬字幕，可以尝试使用另外一个工具 本地离线提取视频硬字幕
下载与安装
1.0 MacOS / Linux 用户 (必须源码部署)
MacOS 和 Linux 用户，请通过源码方式进行部署。
1.1 Windows 用户 (exe预打包版)
Windows 10/11 用户可下载开箱即用的预打包版本，无需繁琐配置，解压即用(当然Win上也可以源码部署但可能会遇到一些环境问题)。
请不要直接在压缩包中双击 sp.exe 使用，这样必然会报错，请先完整解压后再双击
使用前请注意，能避免大多数错误
- 不要解压到
C:/Program Files、C:/Windows等需要特殊权限的系统文件夹，因软件生成的文件和临时文件均需要写入解压路径中。 - 推荐将软件解压到仅包含英文和数字的文件夹中，例如
D:/videotrans，然后将压缩包解压到此文件夹内。强烈不建议包含任何中文、空格或特殊符号，存放路径也不可太深。 - 待翻译的视频请保持简短的文件名，例如30个字符内长度较好，而上百个字符则太长，叠加路径和其他命令后，在Windows下可能超过系统限制而报错。
文件名中也不要包含":?*等特殊符号，否则Win上同样可能报错，尤其从油管下载的视频，文件名通常超级长，还包括各种特殊符号，若不经修改直接使用，大概率在win系统上会遇到各种错误，建议修改为简短的名称并去除各种特殊符号。 
4. Windows下请开启显示扩展名(默认是隐藏的)，能避免一些错误，尤其涉及参考音频填写时。
打开任意一个文件夹，点击导航栏--查看--文件扩展名,选中它，选中后mp4视频将会在名称后显示扩展名.mp4,wav音频会显示扩展名.wav
启动软件
解压完成后，进入文件夹，找到 sp.exe 文件，双击运行即可。
软件首次启动时需要加载较多模块，可能需要几十秒甚至2-3分钟，请耐心等待。
软件界面
软件启动后，您会看到如下主界面，点击设置更多参数将显示更多配置，例如保留背景声音、降噪等
点击查看各个功能截图预览
- 左侧功能区。
- 翻译视频和音：智能识别转录音视频中的说话声，生成源语言字幕文件，再翻译为目标语言字幕文件，接着进行配音，最后将新的音频与字幕合成到原视频中，一气呵成()。
- 批量语音转字幕：批量将视频或音频文件中的人类说话声，精准转录为带时间轴的 SRT 字幕文件。
- 批量为字幕配音：利用多种先进的 TTS 渠道，为您的文本或 SRT 字幕文件生成高质量、自然流畅的配音。
- 批量翻译srt字幕：支持批量翻译 SRT 字幕文件，保留原有时间码和格式，并提供多种双语字幕样式。
- 音视频字幕合并：将音频、视频、字幕三者合并为一个视频文件
顶部菜单栏：进行全局配置。
翻译设置：配置各个翻译渠道（如OpenAI , Azure, DeepSeek ）的API Key和相关参数。
TTS设置：配置各配音渠道（如OpenAI TTS, Azure TTS）的API Key和相关参数，以及设置参考音频。
语音识别设置：配置语音识别渠道（如OpenAI API, 阿里ASR）的API Key和参数。
工具/选项：包含各种高级选项和辅助工具，如字幕格式调整、视频合并、人声分离等。
- 帮助/关于：查看软件版本信息、文档和社区链接。
**免费/本地API/本地内置** 是什么意思
- 免费: 例如 Google翻译、微软翻译、Edge-TTS配音，这些渠道都是在线免费使用的，无需配置开箱即用，只是需注意有限流错误，高频使用时可能会遇到报错
- 本地API: 很多开源模型可自行在本地部署，部署并启动后，将API地址或WebUI地址填写在 pyVideoTrans 软件设置界面，软件即可通过该地址调用你部署的模型服务。例如 GPT-SoVITS / CosyVoice / F5-TTS 等
- 本地内置: 有些模型可以相对方便的集成到 pyVideoTrans 软件内，而无需单独另行部署，开箱可用，例如 VITS/Piper/Qwen3-TTS/Qwen3-ASR/SuperionTTS/ChatterBox等额，但需要注意，为避免软件体积无限膨胀，仅调用代码内置，模型本身并未内置，第一次使用时需在线下载模型。后续使用时可能也会检测模型更新，需保持联网状态，若想纯离线，你需要源码部署本软件并使用AI修改代码。
模型下载地址为
huggingface.co(被墙的国外模型站)/hf-mirror.com(国内镜像站)/modelscope.cn(阿里魔塔)/github.com(微软代码库)
核心功能：翻译视频和音频
打开软件默认显示的就是 翻译视频和音频 工作区，这也是软件最核心的功能。
基本使用流程：选择需要翻译的原始视频 -> 选择要使用的语音识别渠道 -> 选择发音语言和想翻译到的目标语言->选择要使用的翻译渠道渠道 -> 选择配音渠道和配音角色 -> 点击开始执行.
以下将一步步带您完成一个完整的视频音频翻译任务。
第 1 行：选择要翻译的视频
支持的视频格式
mp4/mov/avi/mkv/webm/mpeg/ogg/mts/ts/wmv支持的音频格式
wav/mp3/m4a/flac/aac/wma
选择音频或视频：点击该按钮，选择一个或多个需要翻译的视频或音频文件（按住Ctrl可多选）。文件夹：勾选此项可批量处理整个文件夹内的所有视频。清理已生成：若需对同一视频重新处理（而不是使用缓存），请勾选此项，否则会使用上次已生成的缓存文件。输出到..：默认翻译后的文件保存到原视频目录下的_video_out文件夹，点击此按钮可单独设置翻译后视频的输出目录。仅输出mp4：如果选中，则输出中只保留最终的翻译视频，其他字幕、音频等文件都会自动删除。完成后关机：处理完所有任务后自动关闭计算机，适合大批量、长时间任务。
第 2 行：语音识别渠道
语音识别：用来将音频或视频中的说话声转录为字幕文件，这一步的质量直接决定后续效果，支持十多种不同识别方式。
faster-whisper(本地)：这是本地模型(第一次运行需在线下载模型)，速度和质量都较好，如无特殊需要，可选它。它有十来个不同大小的模型可选，最小最快最节省系统资源的模型是tiny，但准确度很低，不建议使用，效果最好的是large-v3, 建议选择他。.en结尾和distil-开头的模型只支持英语发音的视频使用。openai-whisper(本地)：和上方模型基本类似，不过速度更慢一些，准确度可能略微高一点，同样建议选择large-v3模型。qwen-asr(本地)：阿里的本地识别模型，对中文支持效果较好，如果你的原始视频是中文说话，可尝试使用它，同样第一次需在线下载模型**
二次识别**:在选择配音并选择了嵌入单字幕时，可选中二次识别，将在配音完毕后再次对配音文件进行语音转录，生成较为简短的字幕嵌入视频内，确保字幕和配音精确对齐（在高级选项--语音识别区域--而设置二次识别的最长语音持续时间和最短语音持续时间，设置较小的值有利于生成短小字幕）默认断句和LLM重新断句:LLM重新断句是指在语音识别出字幕文本后，将文本发送给AI大模型，修正错别字、重新切分长文本等，以得到更通顺流畅的结果，需配置DeepSeek或OpenAI ChatGPT具体使用哪个翻译渠道进行LLM重新断句，可在菜单-工具--高级选项-通用-LLM断句模型里选择，但注意使用LLM重新断句后结果也可能更糟糕，因效果取决于AI大模型本身智能，在克隆原音色(即配音角色是clone)时，不建议使用该断句方式，默认即可。
LLM重新断句的提示词在
软件目录/videotrans/prompts/recharge/recharge-llm.txt中，可自行修改调整如果选中了二次识别和LLM重新断句，将在二次识别后，对识别结果再次使用 LLM重新断句，提示词在文件
软件目录/videotrans/prompts/recharge/recharge-llm.txt2中
第 3 行 翻译渠道
翻译渠道：翻译渠道用来将转录后的原始语言字幕文件，翻译为目标语言字幕文件，内置十几种翻译渠道供选择
免费传统翻译： Google翻译（需代理）、微软翻译（无需代理）、M2M100本地翻译、DeepLX(需自行部署)收费传统翻译：百度翻译、腾讯翻译、阿里机器翻译、DeepLAI智能翻译：OpenAI ChatGPT、Gemini、DeepSeek、智谱AI、硅基流动、302.AI 等，需自备SK密钥并填写在菜单-翻译设置-对应渠道设置面板内。LLM重新断句的提示词在软件目录/videotrans/prompts/srt/和 text文件夹中，可自行修改调整兼容AI/本地模型：同时支持自行本地部署大模型，只需要选择 兼容AI/本地模型 渠道,并将api地址填写到菜单-翻译设置-本地大模型设置内即可发音语言：是指原始视频中人物说话的语言，必须正确选择。目标语言：就是你希望将音视频翻译成的目标语言。翻译术语表:用于AI翻译时，发送给AI的术语发送完整字幕:用于AI翻译时，附带行号和时间轴发给AI，在使用AI翻译渠道时，建议选中,如果选中，则使用软件目录/videotrans/prompts/srt中的提示词，否则使用软件目录/videotrans/prompts/text中的提示词
第 4 行 配音渠道
配音渠道：翻译后的字幕文件，将使用这里指定的渠道进行配音. 支持在线配音API例如 Qwen-TTS/Edge-TTS/Elevenlabs/Minimaxi等，也支持本地部署的开源TTS模型。 其中Edge-TTS是免费配音渠道，开箱可用。 需要配置的一些渠道，在菜单--TTS设置--对应渠道面板中填写相关信息。
配音角色：每个配音渠道一般都有多个发音人供选择，先选中目标语言后，即可选择配音角色。试听配音：在选中某个配音角色后，即可点击试听当前角色的声音效果。
配音角色选中clone,代表将使用原始视频对应的音色进行配音
第 5 行：同步对齐和字幕
视频翻译后出现字幕、语音、画面不同步的根源
当一种语言翻译为其他语言并配音后，因不同语言的音节数不同、语法结构差异，配音时长肯定会发生变化，进而导致字幕、语音、画面不同步，这是正常现象。
针对该问题，可在此通过加速音频或减缓视频来进行一定程度的调整。
主要针对配音后时长 大于 原时长 的情况进行调整，以避免声音重叠，对于配音后时长变短的情况不做处理。
音频加速：如果某个配音片段比原声音片段长时，加速配音以匹配原时长。视频慢速：同样当某个配音比视频长时，放慢该片段的视频播放速度以匹配配音时长。（若选中，处理会比较耗时，同时生成大量中间片段，出于尽量减小质量损失考虑，整体尺寸会比原视频增大数倍）不嵌入字幕：只替换声音，不添加任何字幕。嵌入硬字幕：将字幕永久“烧录”到画面中，无法关闭，在任何地方播放均会显示字幕。嵌入软字幕：将字幕作为独立轨道封装进视频，播放器可选择开关，网页中播放时无法显示字幕。(双)：每条字幕都由两行组成，分别是原始语言字幕和目标语音字幕。网络代理：对于中国大陆地区，使用 Google、Gemini、OpenAI等国外服务，需要使用代理，如果你有vpn等服务，并且知道代理端口号，可在此填写，形式类似http://127.0.0.1:7860等。
第 6 行：开始执行
CUDA加速：在Windows和Linux上，如果您有 NVIDIA 显卡并正确安装了 CUDA 环境，请务必勾选此项，它能将语音识别的速度提升数倍甚至数十倍。
如果你有多张英伟达显卡，可选中
菜单--工具--高级选项--通用设置--多卡模式，将会尝试使用多卡并行处理 点击查看 配置CUDA加速环境
一切设置完毕后，点击【开始执行】按钮。
如果一次选择翻译多个音视频，将同时交叉执行，中间不会暂停。
如果想彻底完成一个后再继续下个，可在
菜单--工具--高级选项--通用设置--批量翻译视频时每批数量填写为1
一次仅选择一个视频时，在语音转录完成后，将弹出单独的字幕编辑窗口，你可在此对字幕进行修改，以便后续过程更准确,点击查看说明。
- 第 1 次修改机会:语音识别阶段完成后，弹出字幕修改窗口
在字幕翻译完成后弹出的窗口中，可为每个说话人设置不同的发音角色，还可以为每行字幕单独指定一个发音角色
第 2 次修改机会:字幕翻译阶段完成后，弹出字幕修改和发音角色修改窗口
第 3 次修改机会:配音完成后，可再次检查或重新对每条字幕进行配音
第 4 次修改机会:如果选择了二次识别并且有配音，将在二次识别后，再次弹出字幕修改窗口，可在此修复错别字等
第 7 行：进度条
任务完成后，点击底部进度条区域即可打开输出文件夹。您会看到最终的 MP4 文件以及过程中生成的 SRT 字幕、配音文件等素材。如果选中了仅输出mp4，则只会看到翻译后的视频文件
第 8 行：设置更多参数
如果你还想进行更精细的控制，例如语速、音量、每行字幕字符数、降噪、说话人识别等，可以点击 设置更多参数...，点击后如图
识别说话人：若选中，将在语音识别结束后，尝试识别区分说话人(准确度有限)，后边的数字代表预先设定想识别出几个说话人，若提前确定，将增加准确度，默认不限制。在高级选项中可切换说话人模型（内置、阿里cam++、payanote等）配音语速：默认0，若填写50则代表语速加快 50%，-50代表降速 50%音量+：同样默认0，填写50代表音量增大 50%，-50代表降低50%音调+：默认0，20代表音调调高 20Hz变得尖锐，反正-20降低20Hz变得低沉修改硬字幕样式：点击将弹出专门的硬字幕样式编辑器分离人声背景声：选中将把视频中的背景伴奏声和说话声分离出来，（此步为纯 CPU 操作较为缓慢）嵌入背景：将分离出来的背景声在最终完成配音合并时，再将嵌入进去循环背景音：如果背景音频时长小于最终的视频时长，选中将循环播放背景音，否则以静音填充背景音量：重新嵌入后新的背景音量设置，默认0.8，即音量降低为原来的 0.8 倍额外添加背景音频：你也可以选择本地某个音频，作为新的背景伴奏降噪：将尝试清除音频中的背景噪声、音乐等，如果同时选中了分离人声和背景声，则仅对分离出的人声进行降噪处理恢复标点/删除标点：恢复标点:如果选择后，将在识别后尝试添加标点符号. 删除标点: 选择后将删除字幕中所有标点符号
无损视频输出
视频处理中只要涉及重新编码，就必然损失画质，默认生成的视频是有损的，质量可通过 高级选项--视频输出--视频输出质量、控制输出视频压缩率进行适当调节。
当符合以下条件时，将自动进行无损输出
- 原始输入视频编码是
mp4/h.264/yuv420p(若不符合，则自动重新编码) - 高级选项中
264/265编码选择的是264(若选265将重新编码) - 未启用
视频慢速(若启用则变速处理必然重新编码损失画质) - 未嵌入
硬字幕或硬字幕(双)(硬字幕需重新编码)
符合以上条件，将不进行任何视频重编码操作，因此可以无损输出。 但注意可能出现的问题，若配音后时长大于视频原时长，配音超出部分将强制截断，丢失末尾一些声音，要避免，请选中 音频加速 或 增大语速
菜单--工具/选项--高级选项
【通用设置】
软件界面语言: 设置软件界面语言，修改后需要重启软件单视频交互翻译暂停倒计时: 当单视频交互翻译时，暂停倒计时秒数(设为0将跳过编辑窗口)独立功能输出目录: 用于设置 批量语音转录 / 批量为字幕配音 / 批量翻译srt字幕 等功能的输出结果位置，非视频翻译结果保存位置，默认软件安装目录下output文件夹失败后重试次数: 失败后重试次数(针对重试可能恢复的错误，在此设定重试次数)LLM重新断句每批字幕行数: LLM大模型重新断句时，每次发送多少条字幕，该值越大断句效果越好，一次性发送全部字幕最佳，但受限于最大输出token和上下文(max_token)，过长输入可能导致超出AI限制而失败，默认20条字幕LLM重新断句所用AI渠道: LLM重新断句时使用的AI渠道，目前支持 OpenAI-ChatGPT 或 DeepSeek 渠道禁用桌面通知: 任务完成或失败后不显示桌面通知批量翻译视频时每批数量: 批量翻译视频时，在此设置每批次同时翻译几个，默认0即不限制主界面显示所有参数?: 为避免过多参数造成困扰，主界面默认隐藏大部分参数，如果选中这里将切换为默认显示所有参数CPU同时任务数[重启生效]: 最大CPU同时任务数，越大越快但可能爆内存，最大不应超过cpu核数GPU同时任务数[重启生效]: GPU任务同时执行数量，除非多卡或单卡显存大于24G，否则请设为1多显卡模式[重启生效]: 如果有多张显卡，可启用该项，同时可将上述选项设为2或显卡数
【视频输出控制】
视频输出质量控制: 视频转码时损失控制，0=无损但视频会超级大，51=质量差文件小输出视频压缩率: 主要调节编码速度和质量的平衡，有 ultrafast、superfast、veryfast、faster、fast、medium、slow、slower、veryslow 选项，编码速度从快到慢、压缩率从低到高、视频尺寸从大到小。264/265编码: 采用 libx264 编码或 libx265 编码，264兼容性更好，265压缩比更大清晰度更高输出视频格式(mp4/mkv): 输出视频格式(mp4/mkv)可变帧率vfr/固定帧率cfr: 有视频慢速处理时，可变帧率vrf效果更好，固定帧率cfr兼容性更佳强制软编码视频?: 强制ffmpeg使用软编解码?（速度慢但兼容性好不易出错，默认优选硬件编码）视频合成cuda硬解码: 最后一步视频合成时，强制使用cuda解码视频，更快但易出错自定义ffmpeg命令参数: 自定义ffmpeg命令参数， 将添加在输出文件之前的位置,例如 -bf 7 -b_ref_mode middle
【语音识别参数】
选择VAD: 选择要使用的VAD语音阈值: 表示音频片段被认为是语音的最低概率。VAD 会为每个音频片段计算语音概率，超过此阈值的部分被视为语音，反之视为静音或噪音。越小越灵敏但可能误将噪声视为语音非语音阈值: 减小可降低幻觉但可能遗漏文字最长语音持续(秒): 最长语音持续时长(秒),限制单个语音片段的最大长度。超过此时长时强制分割。填写数字，单位是秒最短语音持续(毫秒): 最短语音持续时长(毫秒)，如果某条字幕时长小于该ms，则尝试将该字幕合并进相邻字幕中，单位是毫秒二次识别最长语音持续(秒): 二次识别最长语音持续时长(秒),限制单个语音片段的最大长度。超过此时长时强制分割。填写数字，单位是秒二次识别最短语音持续(毫秒): 二次识别最短语音持续时长(毫秒)，如果某条字幕时长小于该ms，则尝试将该字幕合并进相邻字幕中，单位是毫秒静音分割持续毫秒: 在语音结束时，需等待的静音时间达到此值后，才会分割出语音片段。填写数字，单位ms,也就是只在大于此值的静音片段处分割合并过短字幕到邻近: 只有选中该项，才会合并短字幕Whisper预分割音频?: 是否提前将音频切割为句子片段后再发给whisper模型识别?若使用clone配音角色，请选中，并将最短语音设为3000，最大语音设为10，提供语音克隆可靠性说话人分离模型: 用于说话人分离的模型，默认内置模型支持中英. 若选 pyannote 必须拥有 https://huggingface.co 上的token，并且同意pyannote组织的授权协议,具体请访问URL查看教程:https://pvt9.com/shuohuarenHuggingface的token: 填写你在 huggingface.co 的token，否则无法使用 pyannote，具体查看教程 https://pvt9.com/shuohuaren计算数据类型: faster模式时计算数据类型，int8=消耗资源少，速度快，精度低，float32=消耗资源多，速度慢，精度高，float16适合GPU加速。default默认自选识别准确度beam_size: 字幕识别时精度调整，1-5，1=消耗显存最低，5=消耗显存最多识别准确度best_of: 字幕识别时精度调整，1-5，1=消耗显存最低，5=消耗显存最多启用上下文感知: 若开启将占用更多GPU，效果也更好，但也容易出现重复或幻觉重复惩罚: 增大该值有利于减少重复文本压缩率: 减小该值有利于减少重复采样温度: 采样温度热词: 告诉模型哪些词可能出现，以英文逗号分隔多个faster-whisper模型: faster-whipser的模型列表，英文逗号分隔whisper.cpp模型: whisper.cpp的模型名字列表，英文逗号分隔Gemini语音识别每批切片数: 使用gemini识别语音时，每次发送音频切片数，越大效果越好，但失败率会升高字幕繁体转简体: 强制将识别出的繁体字幕转为简体删除字幕末尾标点?: 删除字幕末尾标点?
【字幕翻译调整】
传统翻译渠道每批字幕行数: 传统翻译渠道每次发送字幕行数AI翻译渠道每批字幕行数: AI翻译渠道每次发送字幕行数AI翻译一次性翻译所有字幕行: AI翻译渠道一次性翻译字幕所有行，翻译质量最佳 【务必注意】1. 必须使用支持超长上下文的先进模型(在线AI旗舰模型), 2. 需要将对应AI渠道设置界面中的max token设为较大值，否则长篇输出可能被截断而报错 3. 可能反馈较慢，表现为迟迟未返回数据翻译后暂停秒: 每次翻译后暂停秒数,用于限制请求频率发送完整字幕: 是否在使用AI翻译渠道时发送完整字幕格式内容AI翻译模型温度值: AI翻译模型温度值，默认1.0
【字幕配音调整】
并发配音线程数: 同时配音的线程数配音后暂停秒: 每次配音后暂停秒数,用于限制请求频率移除配音前后静音缓冲: 移除每条字幕配音前后静音缓冲，利于音画同步，但可能结尾仓促保留每条字幕的配音文件: 保留每行字幕的配音结果文本规范化: 配音前对文本规范化处理ChatTTS音色值: ChatTTS 音色值EdgeTTS配音渠道配音并发数: EdgeTTS渠道配音并发数，越大越快，但可能限流失败EdgeTTS配音渠道失败重试次数: EdgeTTS渠道失败后重试次数,有些失败无论多少次重试也无法恢复，太大只会延长耗时人声背景分离线程数: 人声背景声分离线程数，越大越快但占用资源越多分离背景声模型: 选择分离背景声时所用模型
【字幕声音画面对齐】
音频加速最大倍数: 最大音频加速倍数，默认100视频慢放最大倍数: 视频慢放最大倍数，默认10，不可大于10中日韩字幕单行字符数: 中日韩字幕单行字符数，多于将换行，仅针对视频翻译中的目标字幕或单独的语音转录功能字幕其他语言字幕单行字符数: 其他语言字幕单行字符数，多于将换行，仅针对视频翻译中的目标字幕或单独的语音转录功能字幕
【Whisper模型提示词】
whisper模型简体中文提示词: 发音语言为简体中文时发送给whisper模型的提示词whisper模型繁体中文提示词: 发音语言为繁体中文时发送给whisper模型的提示词whisper模型英语提示词: 发音语言为英语时发送给whisper模型的提示词whisper模型法语提示词: 发音语言为法语时发送给whisper模型的提示词whisper模型德语提示词: 发音语言为德语时发送给whisper模型的提示词whisper模型日语提示词: 发音语言为日语时发送给whisper模型的提示词whisper模型韩语提示词: 发音语言为韩语时发送给whisper模型的提示词whisper模型俄语提示词: 发音语言为俄语时发送给whisper模型的提示词whisper模型西班牙语提示词: 发音语言为西班牙语时发送给whisper模型的提示词whisper模型泰国语提示词: 发音语言为泰国语时发送给whisper模型的提示词whisper模型意大利语提示词: 发音语言为意大利语时发送给whisper模型的提示词whisper模型希腊语提示词: 发音语言为希腊语时发送给whisper模型的提示词whisper模型高棉语提示词: 发音语言为高棉语时发送给whisper模型的提示词whisper模型挪威语提示词: 发音语言为挪威语时发送给whisper模型的提示词whisper模型葡萄牙语提示词: 发音语言为葡萄牙语时发送给whisper模型的提示词whisper模型越南语提示词: 发音语言为越南语时发送给whisper模型的提示词whisper模型阿拉伯语提示词: 发音语言为阿拉伯语时发送给whisper模型的提示词whisper模型土耳其语提示词: 发音语言为土耳其语时发送给whisper模型的提示词whisper模型印度语提示词: 发音语言为印度语时发送给whisper模型的提示词whisper模型匈牙利语提示词: 发音语言为匈牙利语时发送给whisper模型的提示词whisper模型乌克兰语提示词: 发音语言为乌克兰语时发送给whisper模型的提示词whisper模型印尼语提示词: 发音语言为印尼语时发送给whisper模型的提示词whisper模型马来语提示词: 发音语言为马来西亚语时发送给whisper模型的提示词whisper模型哈萨克语提示词: 发音语言为哈萨克语时发送给whisper模型的提示词whisper模型捷克语提示词: 发音语言为捷克语时发送给whisper模型的提示词whisper模型波兰语提示词: 发音语言为波兰语时发送给whisper模型的提示词whisper模型荷兰语提示词: 发音语言为荷兰语时发送给whisper模型的提示词whisper模型瑞典语提示词: 发音语言为瑞典语时发送给whisper模型的提示词whisper模型希伯来语提示词: 发音语言为瑞典语时发送给whisper模型的提示词whisper模型孟加拉语提示词: 发音语言为瑞典语时发送给whisper模型的提示词whisper模型波斯语提示词: 发音语言为波斯语时发送给whisper模型的提示词whisper模型乌尔都语提示词: 发音语言为乌尔都语时发送给whisper模型的提示词whisper模型粤语提示词: 发音语言为粤语时发送给whisper模型的提示词whisper模型罗马尼亚语提示词: 发音语言为罗马尼亚语时发送给whisper模型的提示词whisper模型菲律宾语提示词: 发音语言为菲律宾语时发送给whisper模型的提示词