Re: [問題] 有好用的影片即時翻譯軟體嗎?
看板japanavgirls (AV女優)作者crazy126 (slive)時間3周前 (2026/02/24 00:31)推噓94(95推 1噓 46→)留言142則, 89人參與討論串2/3 (看更多)
完全可以本地即時運算
先說前提:顯示卡需要 12GB VRAM 以上(或 24GB 以上的 Mac),
可以用本地 AI 模型做到「即時語音辨識 → 日文字幕 → 中文翻譯」
免費,全自動,完全不用上傳影片到雲端,也不用帳號。
原理分兩步:
① 聲音 → 日文字幕(用 Whisper)
PotPlayer 內建 Whisper 語音辨識功能,可以即時把影片聲音轉成日文字幕:
右鍵 → 字幕 → 字幕生成有聲字幕(即時)
(注意:選「即時」那個,不是另一個)
截圖參考:https://i.meee.com.tw/ePVl3CH.png

Whisper 模型有兩種版本可選,依你的 VRAM 決定:
Whisper V3:需要約 6.5GB VRAM,品質較好
Whisper V3 Turbo:需要約 3.5GB VRAM,速度更快,推薦一般使用
這是 OpenAI 釋出的開源模型,目前仍是同類最強。
② 日文字幕 → 中文翻譯(用 Ollama LLM)
Ollama 是本地跑大語言模型的工具,超好安裝、免註冊、免費用,
https://klab.tw/2025/09/ollama-tutorial/
參考教學安裝 就是開啟powershell 輸入2-3行指令而已
我自己開發的OpenAver整理工具也是推薦用它。
安裝完後,在 PotPlayer 設定翻譯腳本:
右鍵 → 字幕 → 即時字幕翻譯 → 即時字幕翻譯設定 → 開啟資料夾
截圖參考:https://i.meee.com.tw/LScQaDF.png

把我寫好的腳本放進去:
https://pastebin.com/yFGvgSx3
Download 之後
使用記事本打開
腳本第 4/10 行等等是模型名稱,批次改成你在ollama用的模型,
第 11 行是預設路徑通常不用動。
檔名存為 SubtitleTranslate - Ollama.as,
放到上面potplayer的翻譯工具資料夾,重開 PotPlayer 後啟用。
推薦翻譯模型(依 VRAM 選:)
translategemma:12b:需要約 8GB,Google 開源的模型,品質很好
(google把gemma針對翻譯優化)
qwen3:30b-a3b:需要約 16GB,綜合能力更強(要設定think false)
(中國開源最強阿里巴巴的千問模型)
7B 以下的模型品質跟 youtube翻譯差不多,不建議用。
硬體限制的話建議用 translategemma:4b / qwen2.5:7b
最推薦組合:Whisper V3 Turbo + translategemma:12b
(12gb極限使用 RTX3060/4070/5070/RX6700/7700)
效果完全屌打 YouTube 自動翻譯。
不只適用這類影片,
任何外語影片都通用——
西班牙文足球直播、韓國輪椅奶台直播主都沒問題,
直接突破語言藩籬。
配個 VPN 完全就是運動迷天堂(這部分就離題了XD)。
真心推薦有設備的大大們試試看!
---------------------------------------------------
補充說明:私信和推文中的問題
Q1. 為什麼不直接用手機或平板翻譯?
Windows 和 Android 都有內建「即時語音字幕」功能,
但背後是 Google / Bing 機器翻譯,語感生硬。
翻譯流暢度還輸給本地跑的小型 4B AI 模型
——而 GTX 1060(約十年前的顯示卡)就能跑 4B 模型了。
Q2. 只是看片,真的需要這麼強的硬體嗎?
不需要。
原PO需求是即時翻譯,也就是每句話說完要即時出字幕,對硬體要求極高。
如果願意事先處理下載好的影片,6–8GB 顯示記憶體(VRAM)就夠用,
可以這樣做:
PotPlayer 右鍵 → 字幕 → 字幕生成有聲字幕(等它慢慢跑)
字幕出來後,貼到 Gemini / ChatGPT 網頁翻譯
這樣翻譯品質反而比即時模式好,因為模型有時間看完整個句子和參考上下文。
補充:我個人主要是用這套系統即時看外語實況,
直播沒辦法預先下載,只能靠AI硬幹即時翻譯。
所以才需要高規格,這點跟原 PO 的需求略有不同。
Q3. 直接呼叫雲端 API(AWS / GCP / Azure)不就好了?
雲端方案有幾個問題:
雖然這些平台都有提供,
甚至有AssemblyAI 專門做語音轉錄,
效果比 Faster Whisper 強一些
但雲端來回至少有 0.5 秒網路延遲,後面翻譯模型還要再跑一次,
延遲疊加後感受很明顯
最關鍵是費用:
即時翻譯是「說一句話 → 呼叫一次 API → 收一次錢」,
你看實況一兩個小時,每一句話都在扣錢,長期下來非常貴。
本地跑 AI 則是完全免費爽看。
Q4. 我硬體頂天,還有更進階的 AI 玩法嗎?
以下四個功能可以同時開啟:
聲音轉字幕
Faster Whisper V3 beam_size=10,準確率更高但更吃資源
影片補幀
SVP Flow (30fps → 60fps甚至120/144)
懶得設定可用 Lossless Scaling(就是小黃鴨),比較容易上手
影片解析度提升
RTX VSR lv4超解析 升頻更清晰(2k/4k)
字幕翻譯
Ollama LLM(含上下文)
帶入前 10 句對話當記憶,專有名詞對照等等
ex 你正在翻譯歐冠足球比賽 使用下列球員名稱
你正在翻譯a片 忽略喘氣 狀聲詞
這邊硬體需求沒有極限
希望高手告訴用mac studio ultra跑gpt oss120b的效果
以上四個同時開,
就算你是 24GB 顯存的卡皇 RTX 4090 也會跑到滿載
(而且還沒辦法上4K)!
我自己的配置:RTX 4070 12gb 負責語音轉字幕 補幀和提升解析度,
翻譯則交給 Mac 用 MLX跑語言30b模型,兩台分工合作。
看實況真的是頂級享受!
Q5. 我的顯示卡只有...,跑得動嗎?
沒有萬用答案,因為每個人的硬體組合不同。
建議用「分開測試再合併」的方式自己量一遍:
Step 1:先確認 Whisper 能不能跑
單獨跑 Faster Whisper,播一段影片,確認字幕能正常產生、延遲在可接受範圍內。
打開 工作管理員(按 Ctrl+Shift+Esc → 效能 → GPU),
記錄它佔用了多少「GPU 記憶體(VRAM)」。
可以一個一個測試 v3 turbo / medium 越省資源效果越爛
Step 2:再單獨測試 Ollama 翻譯模型
不要同時開 Whisper,先單獨啟動 Ollama,跑你想用的語言模型,
同樣用工作管理員看它佔多少 VRAM,
以及 GPU 使用率是否長時間卡在 100%。
GPU 使用率 100% 本身正常,但如果長時間維持 100% 且字幕明顯延遲,代表這個模型對
你的顯示卡來說太重,需要換小一點的模型。
Step 3:兩個加起來,就是你需要的總 VRAM
Whisper 佔用量 + Ollama 佔用量 <= 你的顯示卡 VRAM,
就能穩定同時跑。
超過的話,換較小的模型
或者是把我這篇文章 加上你的硬體規格拿去問AI
※ 引述《x111222333 (試驗者)》之銘言:
: 是這樣啦
: 很多片都沒有中文版的,造成理解劇情上很困難
: 尤其像是MIAD-995這種精實的教學片
: 很想認真學習
: 但就聽不懂日文
: 只看動作,真的很難受
: 枉費男優女優認真教學
: 最近試了Chrome的影片即時翻譯功能
: 可以邊看影片,旁邊小視窗即時語音辨識,再翻譯成中文
: 還不錯!
: 雖然有時不太到位,但勉強可以理解內容
: 那不知道板上大大們,還有試過哪些影片即時翻譯軟體
: 可以彌補這種沒有中文版的遺憾!
: 感激
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.34.244.154 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/japanavgirls/M.1771864315.A.FD9.html
推
02/24 00:35,
3周前
, 1F
02/24 00:35, 1F
推
02/24 00:36,
3周前
, 2F
02/24 00:36, 2F
推
02/24 00:44,
3周前
, 3F
02/24 00:44, 3F
推
02/24 00:59,
3周前
, 4F
02/24 00:59, 4F
推
02/24 01:28,
3周前
, 5F
02/24 01:28, 5F
推
02/24 01:42,
3周前
, 6F
02/24 01:42, 6F
推
02/24 01:49,
3周前
, 7F
02/24 01:49, 7F
推
02/24 02:04,
3周前
, 8F
02/24 02:04, 8F
→
02/24 02:18,
3周前
, 9F
02/24 02:18, 9F
→
02/24 02:20,
3周前
, 10F
02/24 02:20, 10F
→
02/24 02:20,
3周前
, 11F
02/24 02:20, 11F
推
02/24 04:37,
3周前
, 12F
02/24 04:37, 12F
推
02/24 07:46,
3周前
, 13F
02/24 07:46, 13F
推
02/24 08:35,
3周前
, 14F
02/24 08:35, 14F
推
02/24 08:36,
3周前
, 15F
02/24 08:36, 15F
推
02/24 09:03,
3周前
, 16F
02/24 09:03, 16F
推
02/24 09:14,
3周前
, 17F
02/24 09:14, 17F
→
02/24 09:25,
3周前
, 18F
02/24 09:25, 18F
推
02/24 09:29,
3周前
, 19F
02/24 09:29, 19F
推
02/24 09:49,
3周前
, 20F
02/24 09:49, 20F
→
02/24 09:51,
3周前
, 21F
02/24 09:51, 21F
推
02/24 09:58,
3周前
, 22F
02/24 09:58, 22F
→
02/24 10:34,
3周前
, 23F
02/24 10:34, 23F
→
02/24 10:34,
3周前
, 24F
02/24 10:34, 24F
→
02/24 10:34,
3周前
, 25F
02/24 10:34, 25F
→
02/24 11:36,
3周前
, 26F
02/24 11:36, 26F
推
02/24 12:15,
3周前
, 27F
02/24 12:15, 27F
推
02/24 12:20,
3周前
, 28F
02/24 12:20, 28F
推
02/24 12:22,
3周前
, 29F
02/24 12:22, 29F
推
02/24 12:47,
3周前
, 30F
02/24 12:47, 30F
→
02/24 12:47,
3周前
, 31F
02/24 12:47, 31F
→
02/24 12:47,
3周前
, 32F
02/24 12:47, 32F
→
02/24 12:47,
3周前
, 33F
02/24 12:47, 33F
→
02/24 12:47,
3周前
, 34F
02/24 12:47, 34F
推
02/24 13:03,
3周前
, 35F
02/24 13:03, 35F
推
02/24 13:11,
3周前
, 36F
02/24 13:11, 36F
推
02/24 13:17,
3周前
, 37F
02/24 13:17, 37F
推
02/24 13:38,
3周前
, 38F
02/24 13:38, 38F
推
02/24 13:40,
3周前
, 39F
02/24 13:40, 39F
還有 64 則推文
推
02/25 05:12,
3周前
, 104F
02/25 05:12, 104F
→
02/25 05:12,
3周前
, 105F
02/25 05:12, 105F
推
02/25 07:00,
3周前
, 106F
02/25 07:00, 106F
推
02/25 11:05,
3周前
, 107F
02/25 11:05, 107F
推
02/25 12:13,
3周前
, 108F
02/25 12:13, 108F
→
02/25 12:14,
3周前
, 109F
02/25 12:14, 109F
噓
02/25 12:43,
3周前
, 110F
02/25 12:43, 110F
推
02/25 12:49,
3周前
, 111F
02/25 12:49, 111F
推
02/25 12:50,
3周前
, 112F
02/25 12:50, 112F
推
02/25 13:10,
3周前
, 113F
02/25 13:10, 113F
→
02/25 13:10,
3周前
, 114F
02/25 13:10, 114F
推
02/25 13:12,
3周前
, 115F
02/25 13:12, 115F
推
02/25 16:33,
3周前
, 116F
02/25 16:33, 116F
→
02/25 16:33,
3周前
, 117F
02/25 16:33, 117F
→
02/25 16:33,
3周前
, 118F
02/25 16:33, 118F
推
02/25 16:54,
3周前
, 119F
02/25 16:54, 119F
推
02/25 18:56,
3周前
, 120F
02/25 18:56, 120F
推
02/25 19:29,
3周前
, 121F
02/25 19:29, 121F
→
02/25 19:33,
3周前
, 122F
02/25 19:33, 122F
→
02/25 19:35,
3周前
, 123F
02/25 19:35, 123F
推
02/25 21:36,
3周前
, 124F
02/25 21:36, 124F
推
02/25 21:39,
3周前
, 125F
02/25 21:39, 125F
推
02/25 21:40,
3周前
, 126F
02/25 21:40, 126F
推
02/26 01:36,
3周前
, 127F
02/26 01:36, 127F
推
02/26 09:04,
3周前
, 128F
02/26 09:04, 128F
推
02/26 17:36,
2周前
, 129F
02/26 17:36, 129F
推
02/27 02:26,
2周前
, 130F
02/27 02:26, 130F
推
02/27 11:29,
2周前
, 131F
02/27 11:29, 131F
推
02/28 09:40,
2周前
, 132F
02/28 09:40, 132F
→
03/01 10:53,
2周前
, 133F
03/01 10:53, 133F
推
03/01 12:48,
2周前
, 134F
03/01 12:48, 134F
推
03/01 18:34,
2周前
, 135F
03/01 18:34, 135F
推
03/01 18:42,
2周前
, 136F
03/01 18:42, 136F
推
03/02 02:53,
2周前
, 137F
03/02 02:53, 137F
推
03/02 18:34,
2周前
, 138F
03/02 18:34, 138F
推
03/03 01:29,
2周前
, 139F
03/03 01:29, 139F
推
03/03 18:58,
2周前
, 140F
03/03 18:58, 140F
※ 編輯: crazy126 (114.34.244.154 臺灣), 03/04/2026 00:51:03
推
03/04 22:41,
2周前
, 141F
03/04 22:41, 141F
推
03/05 11:10,
2周前
, 142F
03/05 11:10, 142F
討論串 (同標題文章)
japanavgirls 近期熱門文章
PTT兩性男女區 即時熱門文章
10
15
11
12