#4126 如何部署pytorch来让本程序启用m系列芯片的mps加速？

pyVideoTrans 目前不支持在 macOS 的 M 系列芯片上使用 PyTorch 的 MPS 后端进行加速。

软件内置的本地语音识别（如 faster-whisper）和本地 TTS 模型主要依赖 CUDA 进行 GPU 加速，而 CUDA 是 NVIDIA 显卡的专有技术。对于 macOS 的 M 系列芯片，软件没有集成对 PyTorch MPS 后端的支持。

解决方案：

1. 使用在线渠道：在语音识别、翻译和配音环节，优先选择在线 API 渠道（如 OpenAI、DeepSeek、Edge-TTS 等），这些服务不依赖本地 GPU 算力。
2. 使用 CPU 运行本地模型：如果必须使用本地模型（如 faster-whisper），软件会默认使用 CPU 进行计算。请注意，这会导致处理速度非常慢，尤其是使用 large-v3 等大模型时。
3. 关注更新：未来软件版本可能会增加对 MPS 或其他 Apple Silicon 加速方案的支持，请留意官方更新日志。

请查阅相关文档：

• MacOS源码部署视频翻译软件
• 语音识别模型分类与说明