语音识别渠道
语音识别（ASR）是视频翻译的第一步，将音频或视频中的人声转录为带时间轴的字幕文件。pyVideoTrans 支持 30+ 种识别渠道。
如果无法确定说话语言，可使用左侧面板中的 语音转录功能，发音语言选择自动检测，语音识别渠道选择
faster-whisper/openai-whisper/Omnilingual/Dolphin等支持语言多的渠道
本地离线识别
无需联网，首次使用时下载模型。
GPU 加速列中
优先使用是指：只要CUDA可用，无论是否选中了启用CUDA加速，都优先尝试使用
| 渠道 | 说明 | GPU 加速 | 推荐度 |
|---|---|---|---|
| faster-whisper(内置) | 速度快、质量高，支持所有内置语言 | ✅ | ⭐⭐⭐ 默认推荐 |
| openai-whisper(内置) | 准确度高，速度略慢，支持所有内置语言 | ✅ | ⭐⭐⭐ |
| Qwen-ASR(内置) | 中文效果佳，支持多数内置语言 | 优先使用 | ⭐⭐⭐ |
Whisper.cpp(Win内置) | 在Windows上已内置 whisper.cpp，可直接使用，MacOS和Linux上需自行单独部署 | 需选中启用CUDA加速 | ⭐⭐⭐ |
| FunASR(内置) | 中文效果佳，有多个模型可选 | ✅ | ⭐⭐⭐ |
| VibeVoice-ASR(内置) | 微软出品，多语言支持，极消耗显存(低于15G不建议) | ✅ | ⭐⭐⭐ |
| Nemotron-3.5-asr-0.6(内置) | 欧洲系语言及日韩越等40种 | 优先使用 | ⭐⭐ |
| Firered中文(内置) | 仅支持中文及20中文方言 | X | ⭐⭐ |
| Dolphin(内置) | 支持40多亚洲语言及20中文方言 | X | ⭐⭐ |
| Omnilingual ASR(内置) | 支持所有内置语言等1600多种 | X | ⭐⭐ |
| Huggingface_ASR(内置) | 可选多个语言模型，具体见本页面下方 | 优先使用 | ⭐⭐ |
| Moss-Diarize(内置) | 50+语言，90分钟内可同时分离说话人，超出90分钟需配合说话人模型单独分离 | ✅ | ⭐⭐ |
| Faster-Whisper-XXL.exe | faster-whisper的Windows封装版本,需自定额外下载并指定exe | ✅ | ⭐⭐ |
VibeVoice-ASR(内置) 流畅运行需>15G显存，否则较慢，虽本身支持多说话人分离和断句，但所需显存将高达24G以上，并且对于中文可能出现大量10-40s的超长句子，因此采用预先VAD断句切片，逐个转录，放弃VibeVoice说话人和断句
因国内网络环境问题，加之模型都比较巨大，自动下载有可能失败，如果失败，请点击查看模型下载地址和手动下载方式
faster-whisper/openai-whisper渠道模型选择建议
| 模型 | 速度 | 准确度 | 显存需求 |
|---|---|---|---|
| tiny | 最快 | 低 | ~1GB |
| base | 快 | 中低 | ~1GB |
| small | 中 | 中 | ~2GB |
| medium | 慢 | 较高 | ~5GB |
| large-v3 | 最慢 | 最高 | ~8GB |
| large-v3-turbo | 较快 | 高 | ~6GB |
推荐：large-v3-turbo，速度与质量兼顾。
在线识别
| 渠道 | 说明 |
|---|---|
| 阿里百炼 Qwen3-ASR | 需开通阿里百炼平台服务 |
| 小米 | mimo-v2.5-asr模型中文/中英混合效果佳 需开通小米AI平台充值并获取API key 填写到菜单-翻译设置-小米AI |
| 字节语音识别大模型极速版 | 中文效果极佳 |
| Elevenlabs.io 语音识别 | 免费账号频率限制严格，几乎不可用 |
| Deepgram.com | 需注册 API Key |
| Gemini AI | 识别小语种能力强，需科学上网,固定使用gemini-3.5-transcribe模型 |
| 302.AI | 访问 302.ai 申请 |
| OpenAI 语音识别API | 效果优秀，需 SK 密钥 |
| 硅基流动 | 在 翻译设置--硅基流动--选择使用的模型 |
| MinimaxAI | 在 翻译设置--MinimaxAI--选择使用的模型 |
| OpenRoute | 在 翻译设置--OpenRoute--选择使用的模型 |
高级自定义
| 渠道 | 说明 |
|---|---|
| Parakeet-tdt(本地API) | 需自行单独部署 |
| WhisperX(本地API) | 需自行单独部署 |
| STT(本地API) | 需自行单独部署 |
| Whisper.NET | 支持AMD显卡加速，需源码安装并按照文档说明下载相关dll |
| 自定义语音识别 API | 可编写自己的识别接口 |
Huggingface_ASR(内置) 渠道可用模型
该渠道无论是否选中了
启用CUDA加速，只要CUDA可用，就优先尝试使用
| 模型 | 支持语言 |
|---|---|
| nvidia/parakeet-tdt-0.6b-v3 | en,bg,hr,cs,da,nl,et,fi,fr,de,el,hu,it,lv,lt,mt,pl,pt,ro,sk,sl,es,sv,ru,uk |
| nvidia/nemotron-3.5-asr-streaming-0.6b | 欧洲系语言及日韩越等40种 |
| reazon-research/japanese-wav2vec2-large-rs35kh | 日语 |
| kotoba-tech/kotoba-whisper-v2.0 | 日语 |
| biodatlab/whisper-th-large-v3 | 泰语 |
| vinai/Phowhisper-large | 越南语 |
| anke01/whisper-small-uyghur | 维吾尔语 |
| openai/whisper-large-v3 | 所有语言 |
| zai-org/GLM-ASR-Nano-2512 | 智谱AI模型，中文粤语效果佳 |
| Audio8/ARK-ASR-0.6B/3B | 中文,英语,德语,日语,法语,韩语,西班牙,波兰,意大利,罗马尼亚,匈牙利,捷克,荷兰 |
| ibm-granite/granite-speech-4.1-2b | 英语,法语,德语,西班牙语,葡萄牙语,日语 |
| nguyenvulebinh/wav2vec2-base-vietnamese-250h | 越南语 |
| sakares/wav2vec2-large-xlsr-thai-demo | 泰语 |
| SiangLao/xlsr-53-lao-asr | 老挝语 |
| chuuhtetnaing/whisper-large-v3-myanmar | 缅甸语 |
| 1morecupofhottea/whisper-turbo-khmer-v9 | 高棉语 柬埔寨 |
| anke01/whisper-small-uyghur | 维吾尔语 |
| kingabzpro/whisper-large-v3-turbo-urdu | 乌尔都语 |
| vasista22/whisper-tamil-small | 泰米尔 |
| theainerd/Wav2Vec2-large-xlsr-hindi | 印地语 |
| cautroi/whisper-large-v3-id | 印尼语 |
| Khalsuu/filipino-wav2vec2-l-xls-r-300m-official | 菲律宾 |
| navai-uz/whisper-medium-uzbek | 乌兹别克 |
| jonatasgrosman/wav2vec2-large-xlsr-53-persian | 波斯语 |
| Ghost3454/translynx-pakistani-punjabi-whisper-small | 旁遮普语 |
| turkmedstt/whisper-large-v3-turkish-general | 土耳其语 |
| anton-l/wav2vec2-large-xlsr-53-mongolian | 蒙古语 |
| HNO333333/w2v-bert-2.0-Tibetan-Amdo | 藏语 |