#6454 发音语音选择英语，但是中间会夹杂日语，有什么办法可以很好的同时兼顾识别几种语言吗

视频翻译主界面中的“发音语言”必须明确指定，不能选择“自动检测”，因此中英/日英混合语音确实容易被单一语言选项干扰。如果想更好地同时兼顾多种语言，建议按以下方式处理：

1. 如果只是想把视频/音频转成字幕

请使用左侧「语音转录」面板，该面板保留了“自动检测”逻辑，可自动判断每段语音所属语言。识别渠道建议优先选择多语言支持能力较强的：

• faster-whisper(内置) 或 openai-whisper(内置)，模型选 large-v3 / large-v3-turbo
• OmnilingualASR(内置)，支持范围广
• Dolphin(内置)，专注亚洲语言
• Moss-Diarize(内置)，支持50+语言
• 在线API：Gemini 大模型识别、OpenAI 语音识别 API 对多语言混合效果也较好

2. 如果必须使用「翻译视频」功能处理混合语言视频

由于该功能强制指定发音语言，只能尽量选占主导地位的语言（如英语），并搭配多语言识别能力强的渠道：

• 本地：faster-whisper(内置) / openai-whisper(内置)，模型选 large-v3
• 在线：Gemini 大模型识别 或 OpenAI 语音识别 API

但这种方式仍可能对夹杂的日语识别不准。更稳妥的做法是：先用「语音转录」功能自动检测生成准确的字幕，再通过“导入本地已有 SRT 字幕”的方式，让视频翻译跳过 ASR 阶段，直接使用你校对好的多语言混合字幕。

3. 如果仍无法满足需求

这可能与具体视频、模型或渠道能力有关，请提供软件安装目录下 logs/ 文件夹中最新的日志文件（复制底部约30行报错信息），以便进一步分析。

请查阅相关文档：

• 语音识别渠道说明与介绍
• Gemini 大模型识别
• OpenAI 语音识别 API
• 优化语音识别精度和断句效果