【免费下载链接】WhisperSubTranslateA free, local desktop app to extract subtitles (SRT) from video and translate them into any language — unlimited use, no signup, no cloud.项目地址https://gitcode.com/gh_mirrors/wh/WhisperSubTranslate点击查看免费下载WhisperSubTranslate 是一款免费的本地桌面字幕工具导入视频后用 whisper.cpp 语音识别生成 SRT 字幕再调用内置的腾讯 Hy-MT2 本地模型完成离线字幕翻译——模型下载一次之后翻译过程不需要 API 密钥、不联网、不按次收费字幕文本永远不会离开你的电脑。为什么需要零API费用的离线翻译传统做法是把字幕文本发给云端翻译 API按字符计费、需要注册申请 Key、文本要离开本机长视频还可能触发每日限额。WhisperSubTranslate 的本地翻译引擎把这条路彻底走通了零 API 费用Hy-MT2 1.8B/7B 模型免费下载翻译不产生任何调用费用隐私安全使用本地引擎时字幕内容完全不上传无账号、无云端⚡离线可用模型首次下载后断网也能持续翻译开箱即用模型由应用自动下载并校验无需安装 Python 或手动配置环境。注意语音识别音频转文字始终在本地运行在线引擎DeepL、OpenAI 等只是可选项选 Hy-MT2 本地引擎即可全程离线。三步走完全离线流程从视频到双语字幕整个流程只有三步拖入视频支持 MP4、MKV、MOV 等常见格式应用用 whisper.cpp 从音频中生成 SRT 字幕不提取内嵌字幕轨、不做 OCR翻译方式选本地在 TRANSLATION 下拉框中选择 Hy-MT2 本地引擎界面会提示Hy-MT model installed表示模型已就绪未安装时首次运行会自动开始下载并显示进度条开始提取识别 本地翻译一气呵成输出带双语字幕的 SRT 文件全程无需联网。相关实现集中在 local-translator.js本地推理引擎与 translation.js翻译任务编排模型下载还经过 verified-downloader.js 做文件大小 SHA-256 双重校验加载前也会重新做哈希校验确保模型文件不被篡改。Hy-MT2 1.8B vs 7B选型指南这是本文的重点。两个模型的定位非常清晰参数整理自应用内的模型目录 local-translator.js#L41-L72对比项Hy-MT2 1.8B默认Hy-MT2 7B可选文件规格Q4_K_M 量化约 1.13GBQ6_K 量化约 6.16GB显存需求约 2GB VRAM约 8GB VRAM内存需求约 4GB RAM约 12GB RAM速度快较慢高品质适合人群绝大多数用户、普通独显/核显高端显卡、追求极致翻译质量选型建议✅ 2~4GB 显存的显卡、笔记本核显或纯 CPU → 直接选1.8B日常字幕翻译流畅够用✅ 8GB 显存如 RTX 3070 及以上→ 可装7B长难句与专业文本质量上限更高✅ 两个模型互不冲突可同时安装在设置里随时切换界面代码见 models.js#L212-L234。翻译质量有多强Hy-MT2 是腾讯发布的机器翻译模型系列官方基准中 1.8B/7B 与主流商用翻译 API 正面竞争并在 WildMTBench、WMT25、FLORES-200 等多项测试中取得领先成绩数据来自腾讯官方评测非应用自身的重新测试可以看到本地 7B 在 WMT25 上甚至优于多个云端 API——这对完全离线来说是非常有说服力的一点。应用内置 15 种翻译目标语言中、英、日、韩、法、德、西、意、葡、俄、阿拉伯、波兰、土耳其、匈牙利、波斯语覆盖绝大多数字幕使用场景完整列表见 docs/README.zh.md。硬件与运行小贴士️GPU 后端自动选择NVIDIA 显卡自动使用 CUDA 或 VulkanAMD/Intel 显卡用 Vulkan都没有则回退 CPU无需手动配置GPU 加载失败时会自动降级到 CPU 并在日志中说明原因⏱️两种并行模式默认逐条翻译稳定GPU 仍可用自动为实验性模式仅在模型完全装入 CUDA 显存且内存充足时并行加速短任务可能反而更慢遇到问题切回逐条即可磁盘规划1.8B 预留 1.2GB、7B 预留 6.2GB 以上模型默认存放在用户数据目录下的hy-mt-models文件夹便携模式在可执行文件旁建portable-data/可整体迁移到 U 盘日志可查并行回退、GPU 回退等事件都会写入errors.log便于排查。总结WhisperSubTranslate 用本地 whisper.cpp 识别 本地 Hy-MT2 翻译的组合把字幕提取与翻译做成了零 API 费用、零账号、零上传的离线工作流。普通显卡用户选 1.8B 即可全速运行高端配置上 7B 则能榨出更高的翻译质量上限——而这一切只需要一次性的模型下载。更多细节引擎对比表、数据存放位置、便携模式可在 docs/README.zh.md 中查阅。赞分享【免费下载链接】WhisperSubTranslateA free, local desktop app to extract subtitles (SRT) from video and translate them into any language — unlimited use, no signup, no cloud.项目地址https://gitcode.com/gh_mirrors/wh/WhisperSubTranslate点击查看免费下载相关推荐使用 LarePass 与本地 Hy-MT2-1.8B 模型在 Olares 上私密翻译网页使用 LarePass 与本地 Hy MT2 1.8B 模型在 Olares 上私密翻译网页 本篇教程介绍如何用 LarePass Chrome 扩展配合运行在云原生后端运维在手机上跑1B参数翻译大模型屏译Sakura与Hy-MT2端侧离线LLM翻译完整指南在手机上跑1B参数翻译大模型屏译Sakura与Hy MT2端侧离线LLM翻译完整指南 屏译overlay translator 是一款无需 ROOT 的移动开发人工智能大模型本地部署计算机视觉语音本地字幕革命OpenLRC集成Ollama大模型实现完全离线语音转录与翻译本地字幕革命OpenLRC集成Ollama大模型实现完全离线语音转录与翻译 引言突破字幕制作的三大痛点 你是否还在为这些问题困扰专业级字幕软件动辄上百美元人工智能语音音频AI 应用上一篇如何5分钟找出微信单向好友一键检测谁删除了你的完整指南下一篇九大网盘直链下载助手告别限速一键获取真实下载链接创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
【免费下载链接】WhisperSubTranslateA free, local desktop app to extract subtitles (SRT) from video and translate them into any language — unlimited use, no signup, no cloud.项目地址https://gitcode.com/gh_mirrors/wh/WhisperSubTranslate点击查看免费下载WhisperSubTranslate 是一款免费的本地桌面字幕工具导入视频后用 whisper.cpp 语音识别生成 SRT 字幕再调用内置的腾讯 Hy-MT2 本地模型完成离线字幕翻译——模型下载一次之后翻译过程不需要 API 密钥、不联网、不按次收费字幕文本永远不会离开你的电脑。为什么需要零API费用的离线翻译传统做法是把字幕文本发给云端翻译 API按字符计费、需要注册申请 Key、文本要离开本机长视频还可能触发每日限额。WhisperSubTranslate 的本地翻译引擎把这条路彻底走通了零 API 费用Hy-MT2 1.8B/7B 模型免费下载翻译不产生任何调用费用隐私安全使用本地引擎时字幕内容完全不上传无账号、无云端⚡离线可用模型首次下载后断网也能持续翻译开箱即用模型由应用自动下载并校验无需安装 Python 或手动配置环境。注意语音识别音频转文字始终在本地运行在线引擎DeepL、OpenAI 等只是可选项选 Hy-MT2 本地引擎即可全程离线。三步走完全离线流程从视频到双语字幕整个流程只有三步拖入视频支持 MP4、MKV、MOV 等常见格式应用用 whisper.cpp 从音频中生成 SRT 字幕不提取内嵌字幕轨、不做 OCR翻译方式选本地在 TRANSLATION 下拉框中选择 Hy-MT2 本地引擎界面会提示Hy-MT model installed表示模型已就绪未安装时首次运行会自动开始下载并显示进度条开始提取识别 本地翻译一气呵成输出带双语字幕的 SRT 文件全程无需联网。相关实现集中在 local-translator.js本地推理引擎与 translation.js翻译任务编排模型下载还经过 verified-downloader.js 做文件大小 SHA-256 双重校验加载前也会重新做哈希校验确保模型文件不被篡改。Hy-MT2 1.8B vs 7B选型指南这是本文的重点。两个模型的定位非常清晰参数整理自应用内的模型目录 local-translator.js#L41-L72对比项Hy-MT2 1.8B默认Hy-MT2 7B可选文件规格Q4_K_M 量化约 1.13GBQ6_K 量化约 6.16GB显存需求约 2GB VRAM约 8GB VRAM内存需求约 4GB RAM约 12GB RAM速度快较慢高品质适合人群绝大多数用户、普通独显/核显高端显卡、追求极致翻译质量选型建议✅ 2~4GB 显存的显卡、笔记本核显或纯 CPU → 直接选1.8B日常字幕翻译流畅够用✅ 8GB 显存如 RTX 3070 及以上→ 可装7B长难句与专业文本质量上限更高✅ 两个模型互不冲突可同时安装在设置里随时切换界面代码见 models.js#L212-L234。翻译质量有多强Hy-MT2 是腾讯发布的机器翻译模型系列官方基准中 1.8B/7B 与主流商用翻译 API 正面竞争并在 WildMTBench、WMT25、FLORES-200 等多项测试中取得领先成绩数据来自腾讯官方评测非应用自身的重新测试可以看到本地 7B 在 WMT25 上甚至优于多个云端 API——这对完全离线来说是非常有说服力的一点。应用内置 15 种翻译目标语言中、英、日、韩、法、德、西、意、葡、俄、阿拉伯、波兰、土耳其、匈牙利、波斯语覆盖绝大多数字幕使用场景完整列表见 docs/README.zh.md。硬件与运行小贴士️GPU 后端自动选择NVIDIA 显卡自动使用 CUDA 或 VulkanAMD/Intel 显卡用 Vulkan都没有则回退 CPU无需手动配置GPU 加载失败时会自动降级到 CPU 并在日志中说明原因⏱️两种并行模式默认逐条翻译稳定GPU 仍可用自动为实验性模式仅在模型完全装入 CUDA 显存且内存充足时并行加速短任务可能反而更慢遇到问题切回逐条即可磁盘规划1.8B 预留 1.2GB、7B 预留 6.2GB 以上模型默认存放在用户数据目录下的hy-mt-models文件夹便携模式在可执行文件旁建portable-data/可整体迁移到 U 盘日志可查并行回退、GPU 回退等事件都会写入errors.log便于排查。总结WhisperSubTranslate 用本地 whisper.cpp 识别 本地 Hy-MT2 翻译的组合把字幕提取与翻译做成了零 API 费用、零账号、零上传的离线工作流。普通显卡用户选 1.8B 即可全速运行高端配置上 7B 则能榨出更高的翻译质量上限——而这一切只需要一次性的模型下载。更多细节引擎对比表、数据存放位置、便携模式可在 docs/README.zh.md 中查阅。赞分享【免费下载链接】WhisperSubTranslateA free, local desktop app to extract subtitles (SRT) from video and translate them into any language — unlimited use, no signup, no cloud.项目地址https://gitcode.com/gh_mirrors/wh/WhisperSubTranslate点击查看免费下载相关推荐使用 LarePass 与本地 Hy-MT2-1.8B 模型在 Olares 上私密翻译网页使用 LarePass 与本地 Hy MT2 1.8B 模型在 Olares 上私密翻译网页 本篇教程介绍如何用 LarePass Chrome 扩展配合运行在云原生后端运维在手机上跑1B参数翻译大模型屏译Sakura与Hy-MT2端侧离线LLM翻译完整指南在手机上跑1B参数翻译大模型屏译Sakura与Hy MT2端侧离线LLM翻译完整指南 屏译overlay translator 是一款无需 ROOT 的移动开发人工智能大模型本地部署计算机视觉语音本地字幕革命OpenLRC集成Ollama大模型实现完全离线语音转录与翻译本地字幕革命OpenLRC集成Ollama大模型实现完全离线语音转录与翻译 引言突破字幕制作的三大痛点 你是否还在为这些问题困扰专业级字幕软件动辄上百美元人工智能语音音频AI 应用上一篇如何5分钟找出微信单向好友一键检测谁删除了你的完整指南下一篇九大网盘直链下载助手告别限速一键获取真实下载链接创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
