WhisperSubTranslate

English | 한국어 | 日本語 | 中文 | Polski

在本地把视频变成多语言字幕。放入视频，用 whisper.cpp 生成 SRT，再用下载的 Hy-MT2 模型离线翻译，或使用免费/付费的在线引擎。

本应用从视频音频生成新字幕(语音转文字)。不提取内嵌字幕轨道，也不读取画面文字(非 OCR)。

预览

主要功能

• 语音识别 100% 在本地运行。视频不离开你的电脑，无需账号，无需上传。
• 首次下载 Hy-MT2 模型后可离线翻译，或用自己的密钥使用在线引擎(MyMemory、DeepL、OpenAI、Gemini、Claude)。
• 模型自动下载。无需安装 Python，无需手动配置。
• 提供同步修复模型(large-v2 同步、同步轻量),用于普通模型字幕错位的视频。
• 任务队列、实时进度、仅本地的任务历史。

快速开始

用户

从 Releases 下载最新便携版，解压后运行 WhisperSubTranslate.exe。所选语音模型下载完成后，字幕提取可在本机完全离线运行。翻译为可选。

开发者

npm ci
npm start

• Node.js 22.12.0 或更高版本 (参见 package.json 中的 engines)，使用仓库中的锁文件
• 安装依赖时也会准备 whisper.cpp (Windows 为 CUDA 和 Vulkan 版本)，请预留数 GB 以上的磁盘空间
• FFmpeg 通过 npm 自带；所选 GGML 模型在首次使用时下载

应用代码位于 src/main/ (Electron 主进程和服务)、src/preload/ (渲染器桥接)、src/renderer/ (UI)和 src/shared/ (共享 IPC 通道)。

Linux

sudo apt install cmake build-essential git ffmpeg   # Ubuntu/Debian
npm ci   # whisper.cpp 从源码构建
npm start

如需 CUDA 加速，请在 npm ci 前安装 NVIDIA CUDA Toolkit。whisper.cpp 的手动构建步骤见 CONTRIBUTING.md。

• Linux 密钥环: API 密钥通过 Electron safeStorage (libsecret) 保存。没有密钥环守护进程时(无头 SSH 会话、最小桌面/WM)，保存会回退到使用硬编码密钥的旧版 AES，应用会记录明确的安全警告，并将该保存标记为 insecure。这种存储方式并不安全。请安装 gnome-keyring，或在运行密钥环的桌面会话中使用应用，以启用安全存储。

Windows 构建

npm run build-win -- --publish never   # 产物输出到 dist2/

请在 Windows 上构建，以正常安装 Windows 依赖项。从 Linux 交叉构建时，npm 可能省略仅限 Windows 的可选包。构建工作区必须包含锁文件固定版本的 @node-llama-cpp/win-x64、win-x64-cuda、win-x64-cuda-ext 和 win-x64-vulkan 包，包括各自的 JS/JSON 元数据和原生二进制文件。仅构建成功并不能证明本地翻译后端能在 Windows 上加载。

翻译引擎

下载一次 Tencent Hy-MT2 模型即可离线翻译字幕，也可使用免费/付费在线引擎(适用时需要 API 密钥)。

引擎	离线	API 密钥	费用	备注
Hy-MT2 1.8B (本地，默认)	是	不需要	免费	约1.13GB，显存 2GB / 内存 4GB，端侧
Hy-MT2 7B (本地)	是	不需要	免费	约6.16GB，显存 8GB / 内存 12GB，更大模型
MyMemory	否	不需要	免费	有每日用量限制
DeepL	否	需要	因套餐而异	请查看账户当前的 API 限额
OpenAI (模型可配置)	否	需要	付费	在设置中选择或直接输入模型
Gemini (模型可配置)	否	需要	因模型而异	受账户用量限制 (获取密钥)
Claude (模型可配置)	否	需要	付费	在设置中选择或直接输入模型 (获取密钥)
自定义 OpenAI 兼容提供商	否	需要	各异	自带端点 (OpenRouter、Ollama、vLLM 等)

本地 Hy-MT2 翻译在模型下载完成后无需 API 密钥或网络连接，也没有按次使用费用。使用此引擎时，字幕文本不会离开你的电脑。

Hy-MT2 从固定的模型修订版本下载，并在安装前核对准确的文件大小和 SHA-256 摘要。现有模型也会在加载前接受哈希校验；应用会在当前会话中缓存未更改文件的成功校验结果。完整性校验失败不会删除现有模型。

本地翻译会自动选择 GPU 后端。视后端可用情况而定，NVIDIA 硬件除 CUDA 外也可使用 Vulkan。此选择独立于 whisper.cpp 语音识别，CPU 模式也可用。

默认的逐条翻译也可以使用 GPU。自动调整是需要主动启用的实验功能，在模型完全加载到 CUDA GPU 且内存充足时调整并行处理。它可能更慢，尤其是短任务。遇到问题时请选择逐条翻译。出现可恢复的并行准备错误或内存不足时，会提示在同一 GPU 上逐条重试，并将原因写入 errors.log。这与设备自动选择时的 CPU 重试不同，也不保证重试成功。

翻译质量 (离线引擎)

WhisperSubTranslate 支持下载 Tencent Hy-MT2 模型(默认 1.8B，可选 7B)。在 Tencent 官方评测中，Hy-MT2 系列与主流商用翻译 API 具备竞争力，并在部分基准上取得领先结果。

来源: Tencent 官方基准: Hy-MT2 仓库, 技术报告, HuggingFace 模型。上图重绘自 Tencent 官方 Figure 1，支持的模型(1.8B/7B)数值已与论文表格核对。这些数据是在标准机器翻译基准(WildMTBench, WMT25, FLORES-200 等)上对模型本身的测量，并非对 WhisperSubTranslate 应用本身的重新基准测试。

对于长视频(1小时以上),MyMemory 的每日限制可能导致变慢。这时请改用 Gemini、DeepL 或已配置的 GPT 模型。

语音识别模型

模型按需下载到 _models/。NVIDIA 使用 CUDA，其他支持 Vulkan 的 GPU (AMD、Intel) 使用 Vulkan，都不可用时回退到 CPU。请选择适合你 GPU 的大小。

模型	大小	显存	速度	备注
tiny	约75MB	约1GB	最快	基础
base	约142MB	约1GB	快	良好
small	约466MB	约1GB	中等	更好
medium	约1.5GB	约2GB	中等	优秀
large-v3	约3GB	约4GB	慢	转写最佳
large-v3-turbo (默认)	约1.62GB	约2GB	快	综合最均衡
large-v2 同步	约4.4GB	约4.5GB	慢	独立引擎，修复字幕同步
large-v2 同步轻量	共用	约3GB	慢	与同步同一文件，int8，低显存

同步与同步轻量使用独立的 Faster-Whisper 引擎(首次自动下载一次; 引擎压缩包约1.4GB + 模型文件约3GB，合计约4.4GB),并共用同一模型文件，所以下载一次即可两者通用。仅在普通模型字幕错位时使用。它们在非英语视频(日语、韩语、中文)上最准确，英语通常用 large-v3-turbo 即可。

大小和内存需求均为估计值。实际 RAM/显存占用取决于后端、模型及设置，下载大小不等于运行时内存占用。

语言支持

• 界面: 韩语、英语、日语、中文、波兰语
• 翻译目标(15种): ko, en, ja, zh, es, fr, de, it, pt, ru, hu, ar, pl, tr, fa
• 语音识别: whisper.cpp 支持100多种语言

数据存储

设置、模型文件、日志和任务历史保存在本地。在线翻译会将字幕文本发送给所选服务，本地 Hy-MT2 翻译则不会。

数据	位置
设置与 API 密钥	%APPDATA%\whispersubtranslate\translation-config-safe.json
任务历史	%APPDATA%\whispersubtranslate\history.json (最多200条)
错误日志	%APPDATA%\whispersubtranslate\logs\errors.log
模型	%APPDATA%\whispersubtranslate\_models (用户数据文件夹; 非 ASCII 的 Windows 账户回退到 C:\Users\Public\WhisperSubTranslate\_models)

本地翻译模型保存在 %APPDATA%\whispersubtranslate\hy-mt-models。以上是 Windows 默认路径，便携模式会更改用户数据文件夹。

设置中的诊断信息复制不包含 API 密钥、路径或字幕内容。打开错误日志位置的按钮会显示实际保存位置，包括便携模式的路径。尚无日志时只打开文件夹，不创建空文件。分享原始日志前，请检查其中是否含有私人路径或内容。

API 密钥在可用时使用操作系统安全存储 (见上方 Linux 密钥环提示)。请勿将配置文件提交到 Git 或打包到发行文件中。任务历史为可选(在设置中开关),最多保留200条。

便携数据布局

默认情况下，模型、缓存和设置位于 %APPDATA%(系统 SSD)。若想全部放在 U 盘/外置驱动器上，请在可执行文件旁创建 portable-data/ 文件夹(或设置 WHISPER_PORTABLE_DATA 环境变量为文件夹路径)，应用就会把 userData 重定向到那里。

贡献

欢迎 Pull Request。分支命名、提交规范、手动测试清单、whisper.cpp 手动构建见 CONTRIBUTING.md。添加界面语言或翻译目标请参阅 翻译指南。

可在 Weblate 参与应用界面翻译。界面翻译字符串位于 locales/*.json。

贡献者

感谢所有让 WhisperSubTranslate 变得更好的人。

支持

如果本项目为你节省了时间，直接支持有助于修复 bug、提升模型可靠性和增加新的翻译选项。

致谢

• whisper.cpp: Georgi Gerganov ggml-org/whisper.cpp
• Hy-MT2: Tencent Tencent-Hunyuan/Hy-MT2
• FFmpeg: ffmpeg.org
• Faster-Whisper-XXL: Purfview/whisper-standalone-win
• Silero VAD、deepl-node、node-llama-cpp、axios 等 npm 依赖

捆绑/下载组件的完整列表及许可请参阅 THIRD_PARTY_NOTICES.md。

许可证

GPL-3.0。外部 API 与服务(DeepL、OpenAI、Gemini 等)需遵守各自条款。