把 JAV 日语视频变成日文、译文或双语字幕。 在本机控制台选好视频，程序会依次完成语音识别、时间轴对齐、翻译（可选）和字幕导出。
下载 Windows 发布包 · 版本说明 · 快速开始 · 模式选择 · 升级 · 常见问题
适用于 Windows 10/11 + NVIDIA 显卡。视频和音频只在本机处理。仅日文和本地翻译模式不会向外发送字幕；API 翻译模式会把字幕文本和你填写的翻译参考发送到所选服务。
字幕默认保存在视频所在的文件夹（输出目录留空时），也可以在控制台另选输出目录。
图为“标准”预设，①–④ 为文档标注，任务名称与数值均为演示数据。点击图片可查看大图。
| 项目 | 要求 |
|---|---|
| 系统 | Windows 10/11 |
| 显卡 | NVIDIA 独立显卡，至少 8GB 物理显存 |
| 磁盘 | 解压到普通可写目录（不要放在 C:\Program Files），预留至少 17 GB，另需存放输出的空间 |
| 网络 | 首次准备环境和下载模型时需要联网；API 翻译全程需要联网 |
语音识别必须使用 CUDA。CUDA 不可用、驱动过旧或显存不足时，程序会直接报错，不会改用 CPU。
耗时参考：在 RTX 4060 Ti 8GB 上处理一部约 1 小时 50 分钟、266 条字幕的样片，识别与时间轴约 9 分钟，本地翻译（CUDA 版 llama.cpp）约 30–50 秒。以上不含首次下载，翻译耗时随字幕条数增加。
发布包包含什么？哪些会自动下载？
发布包约 100 MB，内含启动程序、程序代码、依赖清单和 FFmpeg Shared；运行环境和模型在用到时下载。
| 内容 | 如何准备 |
|---|---|
| FFmpeg | 已包含在发布包中，无需单独安装 |
| uv | 优先使用本机已有版本，没有时自动从 PyPI 下载 |
| Python、PyTorch 等依赖 | 首次启动时自动安装，约占 3.3 GB |
| 语音识别模型与对齐头 | 首次转录时下载，识别模型约 3.9 GB |
| 本地翻译模型 | 首次本地翻译时下载 Hy-MT2-7B Q6，约 6.2 GB |
| llama.cpp | 使用本地翻译时需要另行安装，见本地翻译 |
| API Key | 使用 API 翻译时自行填写 |
安装中断后，重新双击 jav-trans.exe 即可接着准备，已下载的部分不会重下。模型保存在程序目录的 models\ 下，之后无需再次下载。
- 下载并启动。 下载上方的
jav-trans-windows-x64.zip，解压后双击jav-trans.exe。首次启动会测速并询问是否使用代理，然后自动安装运行环境，完成后程序窗口自动打开。 - 添加视频。 点击 ① 选择视频，或直接拖入文件、添加文件夹；需要时指定输出目录。第一次建议先用短视频试一试。
- 配置翻译。 保持“标准”预设，展开 ② 翻译设置，选择后端，按 API 翻译或本地翻译的步骤配置并保存。目标语言默认为简体中文。
- 开始并查看结果。 点击 ③ 开始任务。首次转录会先下载识别模型和对齐头；任务显示“完成”后，在 ④ 结果区域打开文件夹或下载 SRT。
标准预设使用默认任务参数，生成仅译文字幕。需要仅日文、双语字幕或质量报告时，见自定义选项。
| 模式 | 额外准备 | 是否向翻译服务发送文本 | 说明 |
|---|---|---|---|
| API 翻译 | 支持 Responses 接口的服务与 API Key | 是 | 标准预设的默认后端，支持全片参考、角色参考和可选的语义复核 |
| 本地翻译 | llama.cpp；首次使用时下载翻译模型 | 否 | 字幕不出本机，没有 API 费用；7B 模型可能误判省略的主语，建议复查 |
| 仅日文 | 在自定义选项中开启 | 否 | 只需要日文 SRT，或暂不配置翻译服务 |
- 在“翻译设置”中选择“API 调用（OpenAI 兼容）”。
- 填写 API Key，默认服务为 OpenRouter。使用其他服务时，同时填写对应的 Base URL 并保存。
- 点击模型旁的“获取”，选择该服务提供的模型；确认目标语言和推理强度后再次保存。
服务必须支持 Responses 接口（/responses），只支持 Chat Completions 的接口无法使用。Base URL 与模型名必须配套，示例和结构化输出设置见 API 配置与排错。API 语义复核默认关闭，开启后会增加请求次数和等待时间，见语义复核。
-
在 PowerShell 中安装 llama.cpp：
winget install -e --id ggml.llamacpp
-
在“翻译设置 → 翻译后端”中选择“本地翻译（Hy-MT2-7B Q6 · llama.cpp）”。
-
通过 winget 安装的
llama-server位于PATH上，程序会自动找到；手动解压的版本需要填写其所在文件夹或 exe 路径。 -
选择目标语言，保存翻译设置后开始任务。翻译模型
HY-MT2-7B-Q6_K.gguf会在首次翻译时自动下载。
winget 安装的是 Vulkan 版；在 NVIDIA 显卡上，CUDA 版更快，手动安装方法见本地翻译配置。
本地模型参考邻近原文翻译，仍可能误判被省略的人物或动作，在限定范围（如「今日だけ」）和应答词（如「ううん」）上也容易误译，建议复查。
flowchart TD
subgraph local["在本机完成：视频和音频不上传"]
A(["选择视频"]) --> B["识别日语，生成字词时间轴"]
B --> C["按日语原文断句"]
C --> D["过滤纯喘息、呻吟等发声"]
D -->|本地翻译| G["llama.cpp 本机翻译"]
D -->|仅日文| W
G --> W(["排版并写出 SRT<br>可选生成质量报告"])
end
D -->|API 翻译| H["API 翻译服务<br>只收到字幕文本和翻译参考"]
H -->|译文| W
style local fill:none
style H stroke-dasharray: 5 5
框内步骤都在本机完成；只有选择 API 翻译时，字幕文本和翻译参考才会发送到框外的翻译服务。
- 先按日文断句，再翻译。 优先保持完整句；过长的句子只在完整分句和实测停顿处拆开。译文沿用日文单元的时间轴，中文换行不会拆出新的字幕条目。
- 保留对白，过滤非语义人声。 结合文本与声学特征，删除纯喘息、呻吟等非语义发声；只要含有可辨识的词语就会保留。
- 失败不必从头再来。 重新运行时复用仍然有效的识别和翻译缓存；只是保存或导出失败时，可以单独重试这一步。
排版示意使用自造对白，三个画面对应三种可选输出。SRT 只保存文字和时间轴，字体、大小、颜色和位置由播放器决定。
日文和中文字幕分别按 Netflix 对应语言的字幕规范排版，每轨最多两行；日文的句号、顿号和中文的逗号、句号按规范改为空格。完整表意优先于行长：找不到可靠断点的长句会保持完整，并标出布局风险。
标准预设输出图中的“仅译文”。双语字幕日文在上、译文在下。播放器没有自动加载字幕时，手动打开对应的 SRT 文件即可。
需要调整输出类型或生成报告时，点击“自定义”，再展开“参数调优”。
自定义界面节选，以“双语字幕 + 质量报告”为例。使用标准预设时无需调整这些参数。
| 想要的结果 | 如何设置 |
|---|---|
| 仅日文字幕 | 开启“不翻译（仅日文字幕）”，无需配置翻译服务 |
| 双语字幕 | 关闭“不翻译”，在“字幕模式”中选择双语选项；选项名称随目标语言变化 |
| 质量报告 | 在开始任务前开启“生成质量报告（.md）” |
设置好后，可点击“保存自定义任务模板”记住这些选项。翻译服务仍在“翻译设置”中配置；切回“标准”会恢复默认任务参数。
开始任务前，在“自定义 → 参数调优”中开启“生成质量报告（.md）”。任务完成后，点击任务卡上的“质检”查看。
质量报告界面，使用自造演示数据。① 查看触发的警告；② 对照原文核对建议复查的译文；③ 按时间码听一下存疑的 cue。其余问题同样可按时间码到播放器中复查。
报告列出时间轴、阅读速度、排版和译文方面的风险，供人工判断，并单独列出两类建议复查的字幕：
- 建议复查的译文：本地翻译中，首轮含有日文、禁用假名重试后才通过的译文。
- 建议听音复查的 cue：过滤时保留下来、但声学判断存疑的条目。
报告只提示风险，不保证每条字幕都正确；开启报告也不会顺带开启需要付费的 API 语义复核。
- 字幕在哪里？ SRT 导出到所选输出目录：仅日文模式生成
sample-a.ja.srt，译文和双语模式生成sample-a.srt。也可以从任务卡直接打开或下载。 - 删除任务会删掉字幕吗？ 不会。
tmp/outputs/中已提交的结果和已导出的 SRT 都会保留。tmp/outputs/是正式结果目录，不要当作普通缓存清理。 - 哪些内容会联网？ 下载模型和依赖；API 翻译会发送字幕文本和你填写的翻译参考，数据如何处理取决于所选服务。视频和音频不会上传。
- 能接着上次做吗？ 能，有效缓存会保留。任务进行中切换翻译后端或本地 server 路径，会让受影响的任务停止；保存新设置后重新运行即可。
目录用途、结果清理和保存失败后的处理见结果与恢复。
- 关闭程序窗口。
- 打开新版压缩包，进入其中的
jav-trans文件夹，全选里面的文件和文件夹，复制到旧版程序文件夹中；提示同名文件时选择“替换”。也可以直接把压缩包解压到旧版jav-trans文件夹的上一级目录。 - 双击
jav-trans.exe。如果新版改了依赖，启动时会显示“更新运行环境”，只下载有变化的部分。
运行环境、模型、设置（.env）、任务记录和已导出的字幕都会保留，无需重新下载。新版本不再使用的旧程序文件会在启动时移到 tmp\upgrade-leftovers\，确认新版本运行正常后可以删除。
不要把压缩包里的 jav-trans 文件夹整个放进旧版文件夹：这会形成两层目录，内层会重新安装环境、重新下载模型。启动时检测到这种情况会先询问。
| 遇到的情况 | 处理方法 |
|---|---|
| 程序窗口打不开 | 在程序目录运行 .\jav-trans.exe --doctor 自检，见启动与下载 |
| 下载慢或无法连接 | 在“网络代理”中填写代理，或启动时加 --proxy，见启动与下载 |
| CUDA 或显存报错 | 关闭其他占用显卡的程序，检查驱动与显存，见显卡与取消 |
| API 报错、模型不可用 | 核对 Key、Base URL、模型及 Responses 支持，见 API 翻译 |
| 译文有明显错误 | 开启质量报告，优先核对“建议复查的译文”；本地模型的常见误译见本地翻译，也可以改用 API 翻译 |
| 升级后要重新下载模型 | 新版没有复制到旧版程序文件夹（解压到了别处，或被放进了旧版文件夹里面），按升级到新版本重新操作 |
| 卡在“停止中”或提示 GPU 未释放 | 按提示条等待清理，必要时点“重新检查”或“重试清理”，见显卡与取消 |
| 保存、提交或导出失败 | 点任务卡上对应的重试按钮，无需重新识别和翻译，见结果与恢复 |
一般的数字和开关设置留空或无法解析时使用默认值，解析失败会提示字段名；数字越界时按设置类型限制到边界或恢复默认值。只接受固定取值的设置填错会直接报错。完整规则与示例见配置校验。
使用 Windows 发布包时无需这一步。开发者从源码运行需要 Git、uv 和 FFmpeg Shared，并按项目的锁定配置安装依赖，完整命令见从源码运行。
致谢：WhisperJAV 为本项目早期路线提供了重要参考。