这是一款功能强大的开源视频翻译/语音转录/语音合成软件，致力于将视频从一种语言，无缝转换到包含另一种语言配音和字幕的视频。
核心功能一览
- 全自动视频翻译、音频翻译：智能识别转录音视频中的说话声，生成源语言字幕文件，再翻译为目标语言字幕文件，接着进行配音，最后将新的音频与字幕合成到原视频中，一气呵成。
- 语音转录/音视频转字幕：批量将视频或音频文件中的人类说话声，精准转录为带时间轴的 SRT 字幕文件。
- 语音合成/文字转语音 (TTS)：利用多种先进的 TTS 渠道，为您的文本或 SRT 字幕文件生成高质量、自然流畅的配音。
- SRT 字幕文件翻译：支持批量翻译 SRT 字幕文件，保留原有时间码和格式，并提供多种双语字幕样式。
软件工作原理
在开始之前，请务必理解本软件的核心工作方式：
先将音频或视频中的人类说话声通过【语音识别渠道】生成字幕文件，然后经【翻译渠道】将该字幕文件翻译为指定的目标语言字幕，接着继续将该字幕使用所选的【配音渠道】生成配音音频，最后将字幕、音频、原视频三者嵌入并对齐，完成视频翻译流程。
- 可以处理：任何包含人类语音的音视频，无论它有没有内嵌字幕。
- 无法处理：只有背景音乐和硬字幕，但没有任何人说话的视频。本软件也无法直接提取视频画面中的硬字幕。
下载与安装
1.1 Windows 用户 (预打包版)
我们为 Windows 10/11 用户提供了开箱即用的预打包版本，无需繁琐配置，下载解压即用。
解压注意事项
请不要直接在压缩包中双击 sp.exe 使用，这样必然会报错 错误地解压是导致软件无法启动的最常见原因，请严格遵守以下规则：
- 禁止使用管理员权限路径：不要解压到
C:/Program Files、C:/Windows等系统文件夹。 - 路径建议为英文数字等简单形式：解压路径不能包含任何中文、空格或特殊符号，存放路径也不可太深。
- 推荐做法：在 D 盘或 E 盘等非系统盘，新建一个纯英文或数字的文件夹（例如
D:/videotrans），然后将压缩包解压到此文件夹内。
启动软件
解压完成后，进入文件夹，找到 sp.exe 文件，双击运行即可。 
软件首次启动时需要加载较多模块，可能需要几十秒时间，请耐心等待。
1.2 MacOS / Linux 用户 (源码部署)
对于 MacOS 和 Linux 用户，需要通过源码方式进行部署。
软件界面与核心功能
软件启动后，您会看到如下主界面。
左侧功能区：切换软件的主要功能模块，如 翻译视频和音频 、 转录并翻译字幕 、音频视频转字幕、批量翻译srt字幕、批量为字幕配音、字幕多角色配音、批转换字幕格式、音视频字幕合并等。
顶部菜单栏：进行全局配置。
翻译设置：配置各个翻译渠道（如OpenAI , Azure, DeepSeek ）的API Key和相关参数。
TTS设置：配置各配音渠道（如OpenAI TTS, Azure TTS）的API Key和相关参数。
语音识别设置：配置语音识别渠道（如OpenAI API, 阿里ASR）的API Key和参数。
工具/选项：包含各种高级选项和辅助工具，如字幕格式调整、视频合并、人声分离等。
帮助/关于：查看软件版本信息、文档和社区链接。
功能：翻译视频和音频
打开软件默认显示的就是 翻译视频和音频 工作区，这也是软件最核心的功能。我们将一步步带您完成一个完整的视频音频翻译任务。
第 1 步：选择要翻译的视频
支持的视频格式
mp4/mov/avi/mkv/webm/mpeg/ogg/mts/ts支持的音频格式
wav/mp3/m4a/flac/aac
选择音频或视频：点击该按钮，选择一个或多个需要翻译视频音频文件（按住Ctrl可多选）。文件夹复选框：勾选此项可批量处理整个文件夹内的所有视频。清理已生成复选框：若需对同一视频重新处理（而不是使用缓存），请勾选此项。输出到..：默认翻译后的文件保存到原视频目录下的_video_out文件夹，点击此按钮可单独设置翻译后视频的输出目录。仅保存视频复选框：勾选后，处理完成后只保留最终的 MP4 视频，自动删除字幕、音频等中间文件。完成后关机：处理完所有任务后自动关闭计算机，适合大批量、长时间任务。
第 2 步：选择 翻译渠道、配音渠道、语音识别渠道
翻译渠道
翻译渠道：翻译渠道用来将转录后的原始语言字幕文件，翻译为目标语言字幕文件，内置十几种翻译渠道供选择
免费传统翻译： Google翻译（需代理）、微软翻译（无需代理）、DeepLX(需自行部署)
收费传统翻译：百度翻译、腾讯翻译、阿里机器翻译、DeepL
AI智能翻译：OpenAI ChatGPT、Gemini、DeepSeek、claude、智谱AI、硅基流动、302.AI 等，需自备SK密钥并填写在
菜单-翻译设置-对应渠道设置面板内。兼容AI/本地模型：同时支持自行本地部署大模型，只需要选择 兼容AI/本地模型 渠道,并将api地址填写到菜单-翻译设置-本地大模型设置内即可
发音语言：是指原始视频中人物说话的语言，必须正确选择，如果不确定，可以选择
auto。目标语言：就是你希望将音视频翻译成的目标语言。
术语表: 点击可配置术语表，用于在字幕翻译过程中替换对应术语，确保专业词汇的准确性。
发送完整字幕：仅在使用AI翻译渠道时生效，若选中，则会将字幕完整格式发送AI进行翻译，翻译效果会更好，但要求AI模型规模较大，例如在线商业AI模型，如果是本地模型，选中此项后，有可能格式错乱或结果中出现提示词，以及较多的空白行。
网络代理: 如果使用Google翻译, OpenAI,Gemini等，因国内无法直接访问这些服务，因此必须科学上网使用代理，在此填写您的代理地址和端口 (如
http://127.0.0.1:10808)。
配音渠道
配音渠道：翻译后的字幕文件，将使用这里指定的渠道进行配音，支持在线配音API例如OpenAI TTS/阿里Qwen-TTS/Edge-TTS/Elevenlabs/字节火山语音合成/Azure-TTS/Minimaxi等，也支持本地部署的开源TTS模型，例如 IndexTTS2/F5-TTS/CosyVoice/ChatterBox/VoxCPM等。其中Edge-TTS是免费配音渠道，开箱可用。需要配置的一些渠道，在菜单--TTS设置--对应渠道面板中填写相关信息。
- 配音角色：每个配音渠道一般都有多个发音人供选择，先选中目标语言后，即可选择配音角色。
- 试听配音：在选中某个配音角色后，即可点击试听当前角色的声音效果。
- 配音语速+/音量+/音调+：按需调整，数值代表在默认基础上的百分比增减。
语音识别渠道
语音识别：用来将音频或视频中的说话声转录为字幕文件，这一步的质量直接决定后续效果。支持十多种不同识别方式，faster-whisper(本地)：这是本地模型(第一次运行需在线下载模型)，速度和质量都较好，如无特殊需要，可选它。它有十来个不同大小的模型可选，最小最快最节省系统资源的模型是tiny，但准确度很低，不建议使用，效果最好的是 large-v2/large-v3, 建议选择他们。.en结尾和distil-开头的模型只支持英语发音的视频使用。openai-whisper(本地)：和上方模型基本类似，不过速度更慢一些，准确度可能略微高一点，同样建议选择 large-v2/large-v3 模型。阿里FunASR(本地)：阿里的本地识别模型，对中文支持效果较好，如果你的原始视频是中文说话，可尝试使用它，同样第一次需在线下载模型此外还支持 字节火山字幕生成、OpenAI语音识别、Gemini语音识别、阿里Qwen3-ASR语音识别等多种在线API及本地模型
语音切分：如无特殊需要使用默认的
整体识别即可，如果你希望平均切割为同等时长的字幕，可选择均等分割，每段分割时长可在菜单--工具-高级选项-均等分割时片段时长中指定，默认5s。LLM重新断句: 勾选后，将使用大语言模型对识别出的文字进行智能断句和标点优化，显著提升字幕可读性，仅限 faster-whisper和openai-whisper渠道。
本地重新断句: 勾选后，将基于标点符号和时长对识别出的文字进行断句，仅限 faster-whisper和openai-whisper渠道。
降噪: 勾选后，将使用阿里的降噪模型对音频进行降噪处理，提高在嘈杂环境下的语音识别准确率，受限于该模型性能，降噪后未必能保证识别效果更佳。
如果你本地已有原始语言的srt字幕，不想让它识别，可以点击右下角的
导入原始语言字幕即可。
第 3 步：设置同步与字幕
由于不同语言语速不同，翻译后的配音时长可能与原视频不符，这里可以进行调整。 主要针对配音后的时长大于原时长时进行调整，以避免声音重叠、视频已停止但声音未结束的情况，对于配音后时长变短的情况不做处理。
对齐控制：
配音加速：如果某个配音片段比原声音片段长时，加速配音以匹配原时长。视频慢速：同样当某个配音比视频长时，放慢该片段的视频播放速度以匹配配音时长。
字幕嵌入：
不嵌入字幕：只替换声音，不添加任何字幕。嵌入硬字幕：将字幕永久“烧录”到画面中，无法关闭，在任何地方播放均会显示字幕。嵌入软字幕：将字幕作为独立轨道封装进视频，播放器可选择开关，网页中播放时无法显示字幕。(双)：每条字幕都由两行组成，分别是原始语言字幕和目标语音字幕。
中日韩单行字符数：在嵌入硬字幕时，中日韩文字会按照这里指定的数字强制换行，以避免过长，更精细的控制可在菜单-工具-高级选项-硬字幕样式中控制
其他语言：设定除中日韩文字外，其他文字硬字幕的换行字符数
第 4 步：处理背景音
- 保留原始背景音：勾选此项，软件会尝试分离原视频的人声和背景音，并将背景音保留在最终视频中。注意：此功能会显著增加处理时间，但能极大提升成品质量。
- 添加额外背景音频：上述功能很容易出错，而且效率很低，您可以使用外部工具分离人声和背景音，然后在此单独选择该背景音加入作为新的背景音乐。
- 背景音量: 调整背景音的音量，小于1为减小，大于1为增大，默认为原音量的0.8倍。
第 5 步：开始执行
- CUDA加速：如果您有 NVIDIA 显卡并正确安装了 CUDA 环境，请务必勾选此项，它能将语音识别的速度提升数倍甚至数十倍。
一切设置完毕后，点击【开始】按钮。
如果只处理一个音频或视频，在字幕生成后和字幕翻译后会暂停，让您有机会在右侧文本框中校对和修改字幕。确认无误后再次点击执行即可继续。
如果一次处理多个音视频，将同时交叉执行，中间不会暂停。
第 6 步：查看成果
任务完成后，点击底部进度条区域即可打开输出文件夹。您会看到最终的 MP4 文件以及过程中生成的 SRT 字幕、配音文件等素材。
除了核心的视频音频翻译外，pyVideoTrans 还提供了多个独立的强大功能。
功能：转录并翻译字幕
支持的视频格式
mp4/mov/avi/mkv/webm/mpeg/ogg/mts/ts支持的音频格式
wav/mp3/m4a/flac/aac
该功能实际是视频翻译的前半段流程，即从音视频中转录并生成srt字幕文件，然后将该字幕文件翻译为所指定语言的字幕文件后，就终止了，如果你只想根据音视频生成字幕，可以选择该功能。
功能：音视频转字幕/语音转录
支持的视频格式
mp4/mov/avi/mkv/webm/mpeg/ogg/mts/ts支持的音频格式
wav/mp3/m4a/flac/aac
这是一个专门用于将 音频视频文件转录为文字或字幕的功能面板，有时你可能不想翻译视频，而仅仅想批量根据音视频生成字幕，那么这个功能再合适不过了。
批量将视频或音频文件转录为 字幕或txt。只需拖入文件，设定好原始语言(说话语言)和识别模型，即可开始。支持 LLM重新断句 和 降噪 等高级功能。
功能：批量翻译 SRT 字幕/字幕翻译
支持翻译的字幕格式：
srt
如果您已有 SRT 字幕文件，此功能可以帮您快速翻译成其他语言，并保持时间轴不变。还支持选择 单语字幕、目标语言在上(双)、目标语言在下(双) 等多种输出格式。
功能：批量为字幕配音/语音合成
支持配音的字幕或文本格式：
srt/txt
如果你有很多字幕文件或txt文件，想批量为他们创建配音，那么可选择该功能
将您的 SRT 文件或纯文本，通过选择的 TTS 引擎，批量合成为配音文件（如 WAV 或 MP3）。支持精细调整语速、音量和音调。
功能：字幕多角色配音/语音合成
支持配音的字幕或文本格式：
srt
同批量为字幕配音功能类似，所不同的是：该功能支持为每行字幕单独指定一个发音人，实现多角色配音。
功能：音视频字幕合并
这是一个实用的后期工具。当您分别拥有 视频、配音、字幕 文件时，可用它将三者完美地合并成一个最终视频文件，并支持自定义字幕样式。
功能：批转换字幕格式
可以将字幕在不同格式，例如 srt/vtt/ass/txt 之间互相转换
在菜单--工具/选项--条目下还有更多其他功能，可根据需要选择
从以上和软件原理可以看出，最重要的就是3个渠道，分别是 语音识别渠道 、翻译渠道、配音渠道
语音识别渠道介绍
该渠道功能是将音视频中的人类说话声音，转为SRT字幕文件，支持如下 15 个语音识别渠道
- faster-whisper本地模式
- openai-whisper本地模式
- 阿里FunASR中文识别
- Google语音识别
- 字节火山字幕生成
- OpenAI语音识别
- Elevenlabs.io语音识别
- Parakeet-tdt语音识别
- STT语音识别API
- 自定义语音识别API
- Gemini大模型识别
- 阿里百炼Qwen3-ASR
- deepgram.com语音识别
- faster-whisper-xxl.exe语音识别
- 302.AI语音识别
当使用 faster-whisper和openai-whisper时 进行如下设置，可取得较好的识别效果，LLM重新断句和本地重新断句用于辅助字幕断句效果。
使用 large-v2/v3模型
菜单-工具-高级选项-faster/openai语音识别调整进行如下设置语音阈值 设为
0.5最短持续时间/毫秒 设为
0最大语音持续时间/秒 设为
5静音分隔毫秒 设为
140语音填充 设为
0
下载模型总是失败
- 方法一：直接从 Hugging Face 官网下载，在软件的“网络代理”文本框中，填写你的代理地址和端口（格式：
代理地址:端口）。或者设置系统级代理，确保整个电脑都能上网。在sp.exe同目录下，新建一个空文件，命名为huggingface.lock。这样设置后，软件就会优先从官网下载模型，速度快、成功率高！ - 方法二：使用专用下载工具，点击下载
- 方法三： 手动从 GitHub 下载压缩包
翻译渠道介绍
翻译渠道用于将
语音识别渠道生成的原始字幕翻译为目标语言字幕，例如中文字幕翻译为英文字幕或相反，支持 23 个翻译渠道
翻译结果有空白行或者缺失很多
原因分析： 在使用传统翻译渠道如 百度翻译、腾讯翻译等时，或者使用了AI翻译但没有选中 发生完整字幕 ,此时会将字幕文本按行发送给翻译引擎，期望返回同样行数的翻译结果。如果翻译引擎返回行数同发送行数不一致，此时就会出现空白行。
解决办法： 如何彻底避免这2种情况呢 避免使用本地小模型，尤其是 7b、14b、32b等小模型，如果要使用，建议 将 同时翻译的字幕数 改为 trans_thread=1 ，并取消选择发送完整字幕 打开 菜单--工具--高级设置 将 同时翻译的字幕数 改为 trans_thread=1 即可。但显然这种方式速度变慢，也无法照应上下文，效果不佳
使用更智能的在线AI大模型，例如 gemini/deepseek在线api等
- 使用AI翻译，结果中出现了提示词
在使用AI翻译渠道时，翻译结果将提示词也输出了。 这种情况多见于本地部署的小模型，例如 14b、32b等。 根本原因是模型规模太小，智能不足，无法严格遵循指令。
配音渠道介绍
用于根据字幕文件逐行进行配音，支持如下配音渠道
如何进行语音克隆？
可在配音渠道中选择F5-TTS/index-tts/clone-voice/CosyVoice/GPT-SOVITS/Chatterbox等，选中clone角色，将会以原声音作为参考音频进行配音，得到原音色的配音。
需注意：参考音频一般要求3-10s时长，并且要求无背景噪声、发音清晰，否则克隆效果会较差
高级选项说明
菜单-工具-高级选项中有更多精细控制，可针对此进行个性化调节。
通用设置
界面语言: 设置软件界面语言，修改后需要重启软件暂停倒计时/s: 当单个视频翻译时，暂停时倒计时秒数背景音分离切割片段/s: 设置分离背景音时切割片段，防止视频过长卡死，默认300s设置家目录: 家目录，用于保存视频分离、字幕配音、字幕翻译等结果的位置，默认用户家目录LLM重新断句每批次发送字或单词数: LLM大模型重新断句时，每次发送多少个字或单词，该值越大断句效果越好，一次性发送全部字幕最佳，但受限于大模型输出token，过长输入可能导致失败LLM重新断句时使用的AI渠道: LLM重新断句时使用的AI渠道，目前支持openai或deepseek渠道Gemini语音识别时，单次发送音频切片数: 使用gemini识别语音时，每次发送音频切片数，越大效果越好，但失败率会升高禁止桌面通知: 任务完成或失败后不显示桌面通知
视频输出控制
视频转码损失控制: 视频转码时损失控制，0=损失最低，51=损失最大，默认13输出视频质量压缩率控制: 主要调节编码速度和质量的平衡，有ultrafast、superfast、veryfast、faster、fast、medium、slow、slower、veryslow 选项，编码速度从快到慢、压缩率从低到高、视频尺寸从大到小。自定义ffmpeg命令参数: 自定义ffmpeg命令参数， 将添加在倒数第二个位置上,例如 -bf 7 -b_ref_mode middle使用cuda解码视频: 使用cuda解码视频264或265视频编码: 采用 libx264 编码或 libx265编码，264兼容性更好，265压缩比更大清晰度更高
硬字幕样式
硬字幕字体像素: 硬字幕字体像素尺寸硬字幕字体名字: 硬字幕时字体名字硬字幕文字颜色: 设置字体的颜色，注意&H后的6个字符，每2个字母分别代表 BGR 颜色，即2位蓝色/2位绿色/2位红色，同同时常见的RGB色色颠倒的。硬字幕文字边框描边颜色: 设置字体边框描边颜色(轮廓模式下)，注意&H后的6个字符，每2个字母分别代表 BGR 颜色，即2位蓝色/2位绿色/2位红色，同同时常见的RGB色色颠倒的。硬字幕背景色块或阴影色: 背景色块模式下为背景色，轮廓模式下可能是阴影颜色，可能因播放器支持而不同硬字幕位置: 字幕所处位置，默认底部字幕垂直边距: 字幕垂直边距字幕左边距: 字幕左边距字幕右边距: 字幕右边距字幕阴影大小: 字幕阴影大小字幕描边粗细: 字幕描边粗细轮廓描边模式或背景色块模式: 轮廓描边是指字幕有文字描边和阴影但无背景色块，背景色块风格则相反
字幕翻译调整
传统翻译每次发送字幕行数: 传统翻译每次发送字幕行数AI翻译每次发送字幕行数: AI翻译每次发送字幕行数翻译出错重试数: 翻译出错时的重试次数翻译后暂停时间/s: 每次翻译后暂停时间/秒,用于限制请求频率使用AI翻译时发送完整字幕内容: 是否在使用AI/Google翻译时发送完整字幕格式内容
配音调整
同时配音字幕数: 同时配音的字幕条数配音后暂停时间/s: 每次配音后暂停时间/秒,用于限制请求频率保留每条字幕的配音文件: 保留每条字幕的配音文件AzureTTS批量行数: azureTTS一次配音行数ChatTTS音色值: chatTTS 音色值
字幕声音画面对齐
移除配音末尾空白: 是否移除配音末尾空白
faster/openai语音识别调整
启用VAD: 是否在faster-whisper字幕整体识别模式时启用VAD语音阈值: 表示语音的概率阈值，VAD 会输出每个音频片段的语音概率。高于该值的概率被认为是语音（SPEECH），低于该值的概率被认为是静音或背景噪音。默认值为 0.5，这在大多数情况下是适用的。 但针对不同的数据集，你可以调整这个值以更精确地区分语音和噪音。如果你发现误判太多，可以尝试将其调高到 0.6 或 0.7；如果语音片段丢失过多，则可以降低至 0.3 或 0.4。最短语音持续时间/毫秒: 最小语音持续时间，单位：毫秒。如果检测到的语音片段长度小于这个值，则该语音片段会被丢弃。目的是去除一些短暂的非语音声音或噪音。你可以根据需要调整，如果语音片段过短容易被误判为噪音，可以增加该值，例如设置为 1000 毫秒最大语音持续时间/秒: 最大语音持续时间，单位：秒。单个语音片段的最大长度。如果语音片段超过这个时长，则会在此分割。如果没有找到静音位置，则会在该时长前强行分割，避免过长的连续片段。如果你希望控制片段长度，比如处理对话或分段输出，可以根据具体需求设定，比如 10 秒或 30 秒。 0表示无穷大静音分割毫秒: 最小静音持续时间，单位：毫秒。当检测到语音结束后，会等待的静音时间。如果静音持续时间超过该值，才会分割语音片段。语音填充毫秒: 语音填充时间，单位：毫秒。在检测到的语音片段前后各添加的填充时间，避免语音片段切割得太紧凑，可能会切掉一些边缘的语音。如果你发现切割后的语音片段有缺失部分，可以增大该 值，比如 500 毫秒或 800 毫秒。反之，如果语音片段过长或包含过多的无效部分，可以减少这个值Google识别api静音片段/ms: Google识别api静音片段/ms均等分割时片段时长/s: 均等分割模式下每个片段时长秒数faster和openai的模型列表: faster模式和openai模式下的模型名字列表，英文逗号分隔CUDA数据类型: faster模式时cuda数据类型，int8=消耗资源少，速度快，精度低，float32=消耗资源多，速度慢，精度高，int8_float16=设备自选字幕识别准确度控制beam_size: 字幕识别时精度调整，1-5，1=消耗显存最低，5=消耗显存最多字幕识别准确度控制best_of: 字幕识别时精度调整，1-5，1=消耗显存最低，5=消耗显存最多上下文感知: 若开启将占用更多GPU，效果也更好字幕繁体转为简体: 强制将识别出的繁体字幕转为简体
Whisper模型提示词
whisper模型简体中文提示词: 原始语言为简体中文时发送给whisper模型的提示词whisper模型繁体中文提示词: 原始语言为繁体中文时发送给whisper模型的提示词whisper模型英语提示词: 原始语言为英语时发送给whisper模型的提示词whisper模型法语提示词: 原始语言为法语时发送给whisper模型的提示词whisper模型德语提示词: 原始语言为德语时发送给whisper模型的提示词whisper模型日语提示词: 原始语言为日语时发送给whisper模型的提示词whisper模型韩语提示词: 原始语言为韩语时发送给whisper模型的提示词whisper模型俄语提示词: 原始语言为俄语时发送给whisper模型的提示词whisper模型西班牙语提示词: 原始语言为西班牙语时发送给whisper模型的提示词whisper模型泰国语提示词: 原始语言为泰国语时发送给whisper模型的提示词whisper模型意大利语提示词: 原始语言为意大利语时发送给whisper模型的提示词whisper模型葡萄牙语提示词: 原始语言为葡萄牙语时发送给whisper模型的提示词whisper模型越南语提示词: 原始语言为越南语时发送给whisper模型的提示词whisper模型阿拉伯语提示词: 原始语言为阿拉伯语时发送给whisper模型的提示词whisper模型土耳其语提示词: 原始语言为土耳其语时发送给whisper模型的提示词whisper模型印度语提示词: 原始语言为印度语时发送给whisper模型的提示词whisper模型匈牙利语提示词: 原始语言为匈牙利语时发送给whisper模型的提示词whisper模型乌克兰语提示词: 原始语言为乌克兰语时发送给whisper模型的提示词whisper模型印尼语提示词: 原始语言为印尼语时发送给whisper模型的提示词whisper模型马来语提示词: 原始语言为马来西亚语时发送给whisper模型的提示词whisper模型哈萨克语提示词: 原始语言为哈萨克语时发送给whisper模型的提示词whisper模型捷克语提示词: 原始语言为捷克语时发送给whisper模型的提示词whisper模型波兰语提示词: 原始语言为波兰语时发送给whisper模型的提示词whisper模型荷兰语提示词: 原始语言为荷兰语时发送给whisper模型的提示词whisper模型瑞典语提示词: 原始语言为瑞典语时发送给whisper模型的提示词whisper模型希伯来语提示词: 原始语言为瑞典语时发送给whisper模型的提示词whisper模型孟加拉语提示词: 原始语言为瑞典语时发送给whisper模型的提示词whisper模型波斯语提示词: 原始语言为波斯语时发送给whisper模型的提示词whisper模型乌尔都语提示词: 原始语言为乌尔都语时发送给whisper模型的提示词whisper模型粤语提示词: 原始语言为粤语时发送给whisper模型的提示词whisper模型菲律宾语提示词: 原始语言为菲律宾语时发送给whisper模型的提示词