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

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。

jupz

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。。

好像只是N卡福利，我9070xt，只有tiny最好用

powerduke

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. ...

应该都是提前语音识别、字幕翻译的，看llm的log里，字幕都是几十条一起翻译出来的。

graz_chell

jupz 发表于 2025-9-19 12:21
好像只是N卡福利，我9070xt，只有tiny最好用

好的，非常感谢哈

ooff22

ggml-large-v3  --我这里只有5m大小呢.....有谁发个完整版到夸克吗..谢了.

CptQ

接入在线api好点，本地小模型质量不行的

huihuige

那在哪里下pot呢？
好像不太好下我记得
国内那个镜像站？

reIop

mark
刚好想重新看一遍基与皮尔，苦于字幕组一直没有做3-5季中字，生肉啃得太痛苦了。

popgame

试了下mid模型效果凑合，晚上试试大模组

life3000

马克一下，ai字幕

allensakura

jupz 发表于 2025-9-19 12:21
好像只是N卡福利，我9070xt，只有tiny最好用

能帮我看一下9070xt延迟吗？4080使用V3延迟在1-3s左右，算是可用
v3 turbo没什么区别

Chris1943

Mark备用

ANDYS

帮大家问问 日语呢

sun1a2b3c4d

allensakura 发表于 2025-9-19 14:43
能帮我看一下9070xt延迟吗？4080使用V3延迟在1-3s左右，算是可用
v3 turbo没什么区别

请问CUDA有比Vulkan好用吗？

megaslx

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翻译出来

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

allensakura

sun1a2b3c4d 发表于 2025-9-19 15:23
请问CUDA有比Vulkan好用吗？

测试了几次，在4080上察觉不到任何区别
但cpu完全没法跑，我不懂为啥

tozofly

我想测试一下日语的翻译效果，谁能个JAVBUS能访问的网址呀

Judecca

完美解码行不行？

xinxin1982

太好了。。。先回去试试，不行就换卡。终于有理由换卡了。哈哈哈

powerduke

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 ...

可以没问题。

powerduke

sun1a2b3c4d 发表于 2025-9-19 15:23
请问CUDA有比Vulkan好用吗？

cuda效率更高，vulkan也不是不能用。

Wang_Yves

iamyangyi 发表于 2025-9-19 07:43
支持哪些国家语言 有日语不 ，看番就方便了。

昨晚试了几个视频，正常语速正常对话、独白能识别，“特殊的语气词、呐喊、尖叫、呻吟”等无法正常识别。

powerduke

Judecca 发表于 2025-9-19 16:09
完美解码行不行？

没问题，0829版上跑通的。

sun1a2b3c4d

Wang_Yves 发表于 2025-9-19 17:47
昨晚试了几个视频，正常语速正常对话、独白能识别，“特殊的语气词、呐喊、尖叫、呻吟”等无法正常识别。 ...

看来恐怖片和战争片不太适合用

iamyangyi

Wang_Yves 发表于 2025-9-19 17:47
昨晚试了几个视频，正常语速正常对话、独白能识别，“特殊的语气词、呐喊、尖叫、呻吟”等无法正常识别。 ...

你这是动作番

linkzero

mark,试试看。

Wang_Yves

sun1a2b3c4d 发表于 2025-9-19 18:08
看来恐怖片和战争片不太适合用

非实时的生成字幕有个VAD功能，实时的还没有，vad识别人声的，勾选试试，先生成，再挂载字幕看。

netjunegg

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，再用播放器观看。

jerryan

jaycty 发表于 2025-9-19 02:06
目前我用过的语音识别率最强的是豆包。

是的，我也是这种感觉，甚至好奇为什么字节不出个语音输入法