#8735 中文电影那个模型最准

中文视频识别准确度最高的是收费在线渠道（豆包语音识别大模型极速版、小米 mimo-v2.5-asr）；在免费且本地可用的渠道里，首选 Qwen-ASR(内置) 1.7B。电影通常背景音乐和音效较重，只更换模型往往不够；还必须配合人声分离和 LLM 纠错。

推荐组合（按优先级）

1. 收费渠道（最准）：选择 豆包语音识别大模型极速版；在 菜单-翻译设置 中填写 API Key，然后在主界面语音识别渠道中选择该渠道。备选 小米 mimo-v2.5-asr。
2. 免费本地渠道：选择 Qwen-ASR(内置) + 1.7B 模型；备选 阿里FunASR(内置) 的 paraformer-zh / sensevoice-small，或 Firered中文(内置)（纯 CPU 运行，中文及方言）。
3. 通用备选：选择 faster-whisper(内置) + large-v3 模型（显存 8G+）。

必须同时开启的提准选项

1. 在 设置更多参数 中勾选 分离人声背景声（电影配乐、音效干扰大，这一步对准确率影响显著）。
2. 勾选 降噪。
3. 勾选 LLM纠错，并在 菜单-工具-高级选项-语音识别参数-LLM纠错所用AI渠道 中选择较强的 AI 渠道（默认 DeepSeek）。
4. 发音语言明确选 简体中文，不要用 自动检测。

注意：若开启 分离人声背景声 后仍要保留电影原声背景，需再勾选 重新嵌入背景声。

请查阅相关文档：

• 视频翻译最佳效果推荐
• 语音识别渠道说明
• Qwen-ASR(本地内置)
• 阿里FunASR(本地内置)
• 字节语音识别大模型极速版
• 模型下载地址