#2829 如何把NVIDIA的minimax-m2.1 和GLM-4.7加到翻译字幕中

要将 NVIDIA 的 Minimax-M2.1 和 GLM-4.7 模型添加到 pyVideoTrans 的翻译字幕功能中，您需要使用“自定义翻译 API”功能。

这需要您本地部署这些模型的服务，并提供一个符合软件规范的 API 接口。

以下是详细步骤：

第一步：本地部署模型 API

您需要在本地或服务器上部署 Minimax-M2.1 和 GLM-4.7 模型，并提供一个 HTTP POST 接口。

该接口应接收 JSON 格式的请求，并返回 JSON 格式的翻译结果。

请求示例 (软件发送给您的API)：

{
  "text": "Hello world\nThis is a test",
  "source_language": "en",
  "target_language": "zh"
}

• text: 需要翻译的文本，多行用 \n 分隔。
  
  
• source_language: 源语言代码 (如 en)。
  
  
• target_language: 目标语言代码 (如 zh)。
  
  

响应示例 (您的API返回给软件)：

{
  "code": 0,
  "text": "你好世界\n这是一个测试"
}

• code: 必须为 0 表示成功，非 0 表示失败。
  
  
• text: 翻译后的文本，行数需与请求中的 text 行数一致。
  
  

第二步：在 pyVideoTrans 中配置

1. 启动 pyVideoTrans，在主界面翻译设置的下拉菜单中，选择 自定义翻译api。
   
   
2. 点击右侧的 设置 按钮（齿轮图标）。
   
   
3. 在弹出的设置窗口中，找到“自定义翻译”区域。
   
   
4. 填写API地址： 输入您部署的模型服务的完整 URL，例如 http://127.0.0.1:8000/translate。
   
   
5. （可选）填写请求头： 如果您的 API 需要认证（如 API Key），可以在此处填写。
   
   格式为 JSON，例如：{"Authorization": "Bearer your-api-key-here"}。
   
   
6. 点击 保存。
   
   

第三步：使用翻译

配置完成后，回到主界面：

1. 在“翻译渠道”下拉菜单中，选择您刚配置好的 自定义翻译api。
   
   
2. 正常选择源语言和目标语言。
   
   
3. 执行翻译任务即可。
   
   

重要提示

• 模型部署： 您需要自行解决 Minimax-M2.1 和 GLM-4.7 的本地部署问题，这通常涉及使用 vLLM, TGI, Ollama 或相关框架。
  
  pyVideoTrans 本身不提供这些模型的部署功能。
  
  
• 性能与稳定性： 翻译速度和质量取决于您本地部署的模型性能及服务器配置。
  
  
• 多模型切换： 如果您部署了两个不同的服务端（分别对应 Minimax 和 GLM），您需要在 pyVideoTrans 的“自定义翻译”设置中切换不同的 API 地址来使用不同的模型。
  
  

请查看更多参考文档：

• 自定义翻译api
• 本地大模型/国产AI接入

是在线的有密钥，不是本地的

如果您使用的是在线服务（如 Minimax 或智谱 AI 的 GLM-4），并且拥有 API Key，则无需本地部署。

您可以直接使用软件内置的对应渠道。

对于 Minimax (Minimax-M2.1)：

1. 在 pyVideoTrans 主界面，翻译渠道下拉菜单中选择 Minimaxi。
   
   
2. 点击右侧的 设置 按钮（齿轮图标）。
   
   
3. 在弹出的“翻译设置”窗口中，找到 Minimaxi 部分。
   
   
4. 将您的 Group ID 和 API Key 填入对应位置。
   
   
5. 点击 保存。
   
   

对于智谱 AI (GLM-4)：

1. 在 pyVideoTrans 主界面，翻译渠道下拉菜单中选择 智谱AI。
   
   
2. 点击右侧的 设置 按钮（齿轮图标）。
   
   
3. 在弹出的“翻译设置”窗口中，找到 智谱AI 部分。
   
   
4. 将您的 API Key 填入对应位置。
   
   
5. 点击 保存。
   
   

配置完成后：

• 回到主界面，在“翻译渠道”中选择您配置好的渠道（Minimaxi 或 智谱AI）。
  
  
• 正确选择源语言和目标语言。
  
  
• 执行翻译任务即可。
  
  

注意：

• 确保您的 API Key 有足够的余额或调用额度。
  
  
• 如果翻译结果不理想，可以尝试在 高级选项 -> 字幕翻译调整 中，将 同时翻译字幕数 调小（如改为1），并勾选 发送完整字幕，以提供更多上下文给大模型。
  
  

请查看更多参考文档：

• Minimaxi
• 智谱AI

翻译渠道下拉菜单中选择没有 Minimaxi

您说得对，pyVideoTrans 的翻译渠道下拉列表中确实没有名为 “Minimaxi” 的选项。

这是一个常见的混淆点。

Minimax 的翻译功能是通过 “自定义翻译 API” 或 “兼容AI/本地模型翻译” 这两个通用渠道来接入的。

以下是接入 Minimax 在线 API 的两种方法：

方法一：使用“自定义翻译 API”（推荐，更灵活）

此方法需要您根据 Minimax 的官方 API 文档，手动构造一个符合软件规范的请求。

1. 获取 Minimax API 信息：

   • 登录 Minimax 平台，获取您的 Group ID 和 API Key。
     
     
   • 查阅其 文本生成 API 文档，了解请求格式。
     
     

2. 在 pyVideoTrans 中配置：

   • 在主界面“翻译渠道”下拉菜单中，选择 自定义翻译api。
     
     
   • 点击右侧的 设置 按钮。
     
     

   • 在弹出窗口的“自定义翻译”区域，填写：

     • API地址：https://api.minimax.chat/v1/text/chatcompletion_v2

     • 请求头：需要以 JSON 格式填写认证信息。
       
       例如：

       {
         "Authorization": "Bearer 您的-API-Key-here",
         "Content-Type": "application/json"
       }

       注意：根据 Minimax 最新文档，可能需要将 Group ID 放在请求体（body）中，而非请求头。
       
       如果上述方式失败，请尝试下一步的“请求数据”配置。
       
       

   • 请求数据（关键步骤）：这是向 Minimax API 发送的指令主体。
     
     您需要根据其文档构造一个 JSON。
     
     以下是一个参考模板，您需要将其中的 {{GROUP_ID}} 和 {{PROMPT}} 替换：

     {
       "model": "abab6.5s-chat",
       "messages": [
         {
           "role": "user",
           "content": "请将以下内容从{{source_language}}翻译到{{target_language}}，只返回翻译结果，不要添加任何解释：\n{{text}}"
         }
       ],
       "bot_setting": [
         {
           "bot_name": "翻译助手",
           "content": "你是一名专业的翻译官。
     
     "
         }
       ],
       "reply_constraints": { "sender_type": "BOT", "sender_name": "翻译助手" },
       "stream": false,
       "group_id": "{{GROUP_ID}}"
     }

     • 替换 {{GROUP_ID}}：填入您实际的 Group ID。
       
       

     • 软件会自动替换的变量：

       • {{source_language}}：源语言名称（如“英语”）。
         
         
       • {{target_language}}：目标语言名称（如“中文”）。
         
         
       • {{text}}：需要翻译的多行文本。
         
         
   • 响应数据：填写用于从 Minimax 的返回结果中提取翻译文本的 JSONPath。
     
     例如，如果返回格式是 {“reply”: “翻译文本”}，则此处填写 reply。
     
     您可能需要根据 API 实际返回结构进行调整。
     
     

方法二：使用“兼容AI/本地模型翻译”（更简单，但可能需调整）

此方法使用软件预置的通用大模型模板。

1. 在主界面“翻译渠道”下拉菜单中，选择 兼容AI/本地模型翻译。
   
   
2. 点击右侧的 设置 按钮。
   
   

3. 在“AI/本地模型翻译”设置中：

   • API地址：填写 https://api.minimax.chat/v1/text/chatcompletion_v2
   • 模型名：填写您想用的模型，如 abab6.5s-chat。
     
     
   • API KEY：填入您的 API Key。
     
     

   • 额外参数：以 JSON 格式填写 Group ID 等必要参数。
     
     例如：

     {"group_id": "您的-Group-ID-here"}

4. 保存后，软件会使用内置的通用提示词模板向该地址发送请求。
   
   

重要提示

• 首选方法一，因为它让您能完全控制发送给 Minimax 的指令（请求数据），这对于获得纯净的翻译结果至关重要。
  
  
• 测试是关键：配置完成后，务必使用主界面右下角的 测试 按钮来验证连接和翻译效果。
  
  
• 查阅官方文档：Minimax 的 API 可能会有更新，请以 其官方文档 为准来调整 请求数据 的格式。
  
  

请查看更多参考文档：

• 自定义翻译api
• 兼容AI/本地模型翻译

是在NVIDIA账号里的Minimax-M2.1 和 GLM-4.7 模型

明白了，您指的是通过 NVIDIA NIM API 来调用部署在 NVIDIA 云端的 Minimax-M2.1 和 GLM-4.7 模型。

这仍然需要使用 pyVideoTrans 的 “自定义翻译 API” 功能，但配置的 API 地址和参数是 NVIDIA NIM 的格式。

以下是配置步骤：

第一步：获取 NVIDIA NIM API 信息

1. 登录您的 NVIDIA NGC 账户。
   
   
2. 进入 NIM 模型目录，找到并部署 Minimax-M2.1 和 GLM-4.7 模型。
   
   
3. 获取每个模型部署后的 API 端点（Endpoint） 和 API 密钥。
   
   这通常是一个以 https://integrate.api.nvidia.com/v1/ 开头的 URL。
   
   

第二步：在 pyVideoTrans 中配置（以 Minimax-M2.1 为例）

1. 在主界面“翻译渠道”下拉菜单中，选择 自定义翻译api。
   
   
2. 点击右侧的 设置 按钮。
   
   

3. 在弹出窗口的“自定义翻译”区域，填写：

   • API地址：填入您从 NVIDIA NIM 获取的 Minimax-M2.1 模型的 聊天补全（Chat Completion）端点。
     
     例如：https://integrate.api.nvidia.com/v1/chat/completions。
     
     

   • 请求头：以 JSON 格式填写认证信息。
     
     这是关键。
     
     

     {
       "Authorization": "Bearer 您的-NVIDIA-NIM-API-KEY",
       "Content-Type": "application/json"
     }

   • 请求数据：这是发送给 NVIDIA NIM 的指令主体。
     
     您需要根据其文档构造一个 JSON。
     
     以下是一个参考模板：

     {
       "model": "minimax-m2.1",
       "messages": [
         {
           "role": "user",
           "content": "请将以下内容从{{source_language}}翻译到{{target_language}}，严格只返回翻译结果，不要添加任何解释、序号、引号或额外文本：\n{{text}}"
         }
       ],
       "temperature": 0.1,
       "top_p": 0.7,
       "max_tokens": 1024,
       "stream": false
     }

     注意："model" 字段的值 必须 与您在 NVIDIA NIM 中部署的模型标识符 完全一致。
     
     minimax-m2.1 仅为示例，请替换为实际值。
     
     

   • 响应数据：填写用于从 NVIDIA NIM 的返回结果中提取翻译文本的 JSONPath。
     
     

     • NVIDIA NIM 的标准返回格式通常是 {"choices":[{"message":{"content":"翻译文本"}}]}。
       
       
     • 因此，此处应填写：choices[0].message.content

第三步：测试与使用

1. 点击 保存。
   
   
2. 回到主界面，确保“翻译渠道”已选中 自定义翻译api。
   
   
3. 强烈建议使用主界面右下角的 测试 按钮，输入一段文字进行翻译测试，以验证配置是否正确。
   
   
4. 测试成功后，即可正常使用。
   
   

为 GLM-4.7 创建另一个配置

由于您有两个模型，而“自定义翻译 API”一次只能配置一个地址，您有两个选择：

• 分别配置并切换使用：当需要使用 GLM-4.7 时，重复上述步骤，在“请求数据”中将 "model" 字段改为 "glm-4.7"（或 NVIDIA NIM 中该模型的实际标识符），并确保 API 地址和密钥正确。
  
  
• 使用一个通用端点：如果 NVIDIA NIM 提供了一个通用的聊天端点，您可以在“请求数据”中通过修改 "model" 字段的值来动态切换模型，而无需更改 API 地址。
  
  

重要提示

• 严格遵循指令：在“请求数据”的 "content" 中，必须使用强指令（如“严格只返回翻译结果”），以防止大模型输出多余内容导致软件解析失败。
  
  
• 查阅官方文档：配置时请务必参考 NVIDIA NIM API 文档，确认端点 URL、请求/响应格式的最新要求。
  
  
• 费用：使用 NVIDIA NIM API 会产生费用，请注意您的账户余额和调用成本。
  
  

通过以上步骤，您就可以将 NVIDIA 云端的强大模型集成到 pyVideoTrans 的翻译流程中了。

请查看更多参考文档：

• 自定义翻译api

以 JSON 格式填写认证信息在自定义翻译API下面的框里写？

是的，完全正确。

在“自定义翻译 API”的设置窗口中，“请求头” 和 “请求数据” 这两个输入框，都需要您以 纯 JSON 格式 进行填写。

具体位置和填写方法如下：

1. 打开“自定义翻译 API”设置窗口。

2. 您会看到类似下图的几个输入区域：

   • API地址：填写 NVIDIA NIM 的端点 URL。
   • 请求头：在这里填写认证信息的 JSON。
   • 请求数据：在这里填写调用模型指令的 JSON。
   • 响应数据：填写提取翻译结果的 JSONPath。

“请求头”框内应填写的内容示例：

{
  "Authorization": "Bearer nvapi-xxxxxx-Your-NVIDIA-API-Key-xxxxxx",
  "Content-Type": "application/json"
}

(请将 nvapi-xxxxxx-Your-NVIDIA-API-Key-xxxxxx 替换为您真实的 NVIDIA API Key)

“请求数据”框内应填写的内容示例：

{
  "model": "minimax-m2.1",
  "messages": [
    {
      "role": "user",
      "content": "请将以下内容从{{source_language}}翻译到{{target_language}}，严格只返回翻译结果，不要添加任何解释、序号、引号或额外文本：\n{{text}}"
    }
  ],
  "temperature": 0.1,
  "stream": false
}

重要提示：

• 格式必须正确：JSON 要求使用双引号 "，并且不能有尾随逗号。填写后，您可以点击输入框下方的 “测试” 按钮，软件会尝试解析 JSON，如果格式错误会提示。
• 变量不要修改：{{source_language}}、{{target_language}} 和 {{text}} 是软件会自动替换的占位符，务必保留原样，不要修改或删除它们。
• 先测试：配置完成后，务必先使用主界面右下角的 “测试” 功能，输入一段文字看是否能返回正确的翻译结果，这是验证配置是否成功的唯一可靠方法。

请查看更多参考文档：
自定义翻译api

上面乱说一通，我已经解决了

很高兴您已经自己解决了问题！看来您已经成功配置了自定义翻译 API 来调用 NVIDIA NIM 中的模型。

如果您愿意分享您的成功配置（例如具体的 API 地址、请求头和请求数据格式），可以帮助其他遇到类似问题的用户。

如果后续在使用中遇到其他问题，可以随时提出。