#4035 pyvideotrans

这是由于本地大模型（如 Ollama 中的 Qwen2.5）在翻译阶段主要依赖 CPU 进行推理，而 CUDA 加速仅对语音识别（ASR）阶段有效。

解决方案：

1. 确认工作阶段：软件工作流程为 语音识别 -> 字幕翻译 -> 语音合成 -> 视频合成。CUDA 加速仅作用于第一步“语音识别”（例如使用 faster-whisper 等本地模型时）。当进入“字幕翻译”阶段，使用本地 Ollama 大模型进行翻译时，计算负载会转移到 CPU，这是正常现象。
2. 验证 CUDA 在语音识别阶段是否生效：请确保在“语音识别”渠道（如 faster-whisper）下拉菜单右侧的“CUDA加速”复选框已被勾选。同时，在 CMD 中使用 nvcc -V 和 nvidia-smi 命令确认 CUDA 12.8 环境已正确安装。
3. 优化 CPU 负载：如果 CPU 占用过高影响其他任务，可以在 菜单 -> 工具/选项 -> 高级选项 的【通用设置】中，适当降低“最大进程数”和“GPU同时任务数”（建议设为1）。

总结：使用本地 Ollama 进行翻译时，CPU 占用高是预期行为。CUDA 加速不适用于此阶段。请重点检查 CUDA 是否在语音识别阶段被正确启用。

请查阅相关文档：

• 本地大模型 及 兼容AI接口的使用方法
• 更好的使用本地大模型作为翻译渠道
• Windows上安装CUDA12.8和cuDNN9.11