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：

1. 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）；
2. 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；
3. 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：

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 Vulkan，AMD/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。