Po哦t播放器250909增加了whisper AI实时生成字幕的功能，超级好用

jaycty

更新250909版本之后，在播放窗口点右键，选择subtitles -> create subtitles from audio(real time)，选一个model，等他自动下载即可。

模型文件目录：%userprofile%\AppData\Roaming\Po哦tPlayerMini64\Model


我随便下了几个
ggml-tiny.bin 74MB
ggml-tiny.en.bin 74.1MB
ggml-base.bin 141MB
ggml-large-v3.bin 2.88GB

经网友提示，模型可以直接去HF下载，网址是这个https://huggingface.co/ggerganov/whisper.cpp/tree/main
大家找我上面列出的同名/类似名字的文件下载即可，然后放在模型文件目录即可

目前在使用最大的模型，我是RTX5070显卡

初步体验结论：效果一流。他会预读取音频来进行翻译，所以只要你的视频不是0秒起手就开始有人讲话的话，那么当你播放到讲话的时间帧，字幕就已经生成完了。目前试了中英文视频都没啥问题。甚至电视直播都可以翻译

我真爱AI

不过字幕实时翻译功能似乎还只能接入各个服务商的API啊，啥时候也能像这个听音写字幕功能一样跑本地模型就好了。到时候，各大字幕组终于可以杀青了

jaycty

皇冠3.0L 发表于 2025-9-18 20:06
支持普通话吗？

支持，英文视频和中文视频我全试了，特别厉害。语言保持默认的AUTO即可

jaycty

皇冠3.0L 发表于 2025-9-18 20:23
模型下载到本地硬盘后，生成字幕还依赖网络吗？
能不能断网离线生成

核心功能应该是不依赖网络的，不像那个翻译，需要网络API

jaycty

aozorahishi 发表于 2025-9-18 20:34
翻译也本地化可以本地跑一个模型，在播放器里通过鸡皮提的翻译插件走api翻译
https://github.com/Felix3322 ...

去年我对接过deepseek的模型，不是太好用，跑起来比较慢，思考过程也都显示出来了，我不太会调。
这项目看起来又更新了，回头我试试看看是不是变得好用了。其实最好还是POT官方自己做一个本地功能比较好，省事，适合我这种懒人

jaycty

ndswj 发表于 2025-9-18 20:46
试了一下，生成中文好像是繁体字

可能跟说话口音有关系，我也遇到过繁体字。但只要字正腔圆的标准发音视频都是简体字

jaycty

BloodRaining 发表于 2025-9-18 23:35
用我的5090试了试 最大模型ggml-large-v3-turbo，体验强悍无比，代价是5090直接占用10G显存，机箱风扇转速 ...

这个模型是最大的吗？才1.5GB大小啊。我这里只吃2G多显存，没有ggml-large-v3.bin吃得多

jaycty

powerduke 发表于 2025-9-18 23:41
https://www.koc.com.tw/archives/595714

网上的方法试了下，pot可以本地llm翻译，效果可用，测试了下，开 ...

我回头试试看

jaycty

powerduke 发表于 2025-9-19 00:33
1080P的无字幕版Dracula A Love Tale (2025)mp4测试，

字幕生成 + 自动翻译，5070ti已经接近100%占用率了 ...

生成字幕其实不咋吃GPU，主要是那个翻译吃GPU，毕竟需要使用一个足够强大的LLM作为基础，不然翻出来的字句都没法看

jaycty

allensakura 发表于 2025-9-19 00:19
字幕跑了几段之后直接消失，看转换引擎还在启用，很正常
不知道怎解决.... ...

显卡性能不足

jaycty

wm1128 发表于 2025-9-19 01:30
最近有项目用到whisper和微软的speech text，感觉质量离生产力还是有不小的差距的 ...

目前我用过的语音识别率最强的是豆包。

jaycty

BloodRaining 发表于 2025-9-19 11:50
v3最大，turbo不大我理解错误。看有个turbo以为更强

turbo应该是加速的意思，缩减了一些

jaycty

graz_chell 发表于 2025-9-19 11:51
请问下，AMD显卡能用吗？看回复基本都是N卡，是只能N卡么。。

应该是可以的，我用i5 8265u都可以，但是非常慢，完全不可用。

jaycty

allensakura 发表于 2025-9-19 11:25
翻译效果最好的是qwen3-30b-A3B，但是恐怕要24G才能跟上实时翻译的需求，特别是large-v3语音识别还要吃2. ...

翻译还是等几年再说吧，或者哪个网络AI服务商大发慈悲给大家随便接入就好了。

jaycty

megaslx 发表于 2025-9-19 15:24
很多电视剧或者电影其实是由英语字幕的，到不一定非要语音转文字才能翻译，不知道能不能直接从内嵌字幕着手 ...

这AI功能肯定更好，但是更加高级了，目前还不能普及到PC无脑使用吧，过几年吧。目前仅仅是AI直接读取A语言文本翻译成B语言，就已经很吃硬件配置了。绝大部分PC硬件都跑不快，延迟大

jaycty

netjunegg 发表于 2025-9-19 21:26
确实有这需求，不一定实时。如果有个独立工具，可以根据视频文件生成字幕文件也很好。 字幕生成后，再用播 ...

这个功能这次v250909更新其实也有的。你可以试试

而且如果字幕可以提取出来的话，把文件后缀改成txt然后丢给豆包跟他说这个是字幕文件让他帮忙翻译一下就行了，很快就搞定。速度贼快