#7783 高级选项里，我主要翻译韩文视频，怎么设置正确率最高

翻译韩文视频时，提升“正确率”的关键不是单一参数，而是语音识别渠道/模型选择 + 字幕切分参数 + 翻译渠道三者配合。

按以下设置最稳妥：

1.

语音识别渠道（最关键）

• 首选：faster-whisper(内置)，模型选 large-v3（准确度最高）或 large-v3-turbo（速度与质量兼顾）
• 备选：openai-whisper(内置) + large-v3
• 若有 N 卡，务必勾选启用CUDA加速

2.

高级选项 → 语音识别参数（ASR Settings）

• 计算数据类型：GPU 用 float16；显存不足改 int8
• 识别准确度beam_size：调到 5（消耗显存更多但更准）
• 识别准确度best_of：调到 5
• 启用上下文感知：可开启，准确率提升，但容易出现重复/幻觉，若发现重复再关掉
• 重复惩罚(repetition penalty)：如出现重复字幕，适当增大
• 热词(hotwords)：把视频中反复出现的人名、专业术语填进去，用英文逗号分隔，对韩文识别帮助明显
• 计算数据类型/模型等修改后建议先用单个短视频测试

3.

字幕切分颗粒度（影响识别完整度）

• 最长语音持续(s)：韩语语速较快，建议 4~5
• 最短语音持续(ms)：3000（若后续要用 clone 克隆音色，必须保持 ≥3000）
• 静音分割持续(ms)：500~600

注意：最长语音持续 × 1000 必须大于 最短语音持续，否则会识别混乱。

4.

翻译环节

• 翻译渠道建议用 AI 大模型（如 DeepSeek / ChatGPT / Gemini），比传统接口质量明显更好
• 勾选发送完整字幕
• 高级选项 → 字幕翻译 → AI翻译渠道每批字幕行数 设为 100 或更大
• 高级选项 → 字幕翻译 → AI翻译附带所有字幕做参考 选中，质量最佳（会大幅增加 token 消耗，需使用支持超长上下文的模型）

5.

其他

• 若原视频有背景音乐/噪声，主界面设置更多参数里勾选分离人声背景声，识别准确率会提升（此选项选中后无需再选降噪）
• 高级选项 → 语音识别参数 → 字幕繁体转简体 与韩文无关，不用管

如需了解各渠道详细说明，见下方文档。

请查阅相关文档：

• 最佳配置推荐
• 高级选项
• 调节VAD精确控制语音识别
• 提高AI渠道翻译字幕的质量
• faster-whisper(本地内置)