本地实时 AI 字幕工具,看剧可以不用啃生肉了

Nola Translator 是一个 Windows 上的实时字幕与翻译软件，GPL-3.0 开源。它把系统正在播放的声音接到本地跑的语音识别和翻译，同时出字幕，可以双语同传、能在任何窗口上的悬浮显示、网页播放器里也能内嵌字幕。

虽然很多视频网站已经有很成熟的自动字幕，甚至还有直接语音转换，不过并不是所有的资源都能用上，而且还需要额外付费。

软件安装包 336MB，双击装完能打开，界面都齐，但是它只是个外壳，真正干活的是本地模型，这个需要另装。总结一下就是有的负责听声音，有的负责把听到的字翻成另一种语言。还需要运行他们的引擎，引擎和模型都到位，字幕才能显示出来。

打开设置，进「计算设备」，往下翻到推理引擎，有三个名字，llama.cpp、CrispASR、PyTorch。换个说法，这是三家的发动机，用途都一样，脾气不一样。llama.cpp 最省，压缩过的模型都支持，没有好显卡靠处理器也能跑；CrispASR 是听声音用的，文件最小，装起来不挑机器；PyTorch 体积最大，好处是原版模型拿它就能跑。

三个不用都装。只需要一个能听、一个能翻就够，文档推荐 llama.cpp 配 CrispASR。

装那个还需要注意，不同引擎需要不同格式的模型，装之前先去模型页看一眼想用的模型挂在哪个引擎下面，可以去模型管理，根据你的运行引擎去下载对应的模型，国内可以选择 HF-Mirror 和 ModelScope 下载。

— Qwen3-ASR 的详情弹窗，运行引擎一排三个可选 PyTorch、llama.cpp、CrispASR，参数规模 1.7B 和 0.6B，模型 Qwen/Qwen3-ASR-1.7B-hf 标着 3.8GB 已安装、推荐，下载源给了 Hugging Face、HF-Mirror 镜像站、ModelScope 三个

模型管理页里有二十多个模型，名字都像，实际差别在体积和语言覆盖。识别和翻译各挑一个装上就行。

SenseVoiceSmall 只认中文、英文、粤语、日语、韩语五种，够用且体积小。Qwen3-ASR 认 30 种，带自动检测，说话中途换语言也能跟。翻译那边 Hy-MT2 1.8B 认 37 种，包含繁体、藏语、维吾尔语这些，往上还有 7B、9B 和一档 20.7GB 的 35B 模型，普通机器不用看，可能跑不了。

— 模型管理页，顶部显示当前在用的识别和翻译模型，下面分语音模型、翻译模型、语音合成三组

下面这张表按模型驻留体积和显卡容量排的，没有跑分，属于估算。

判断跑不跑得动要看延迟，识别延迟超过 1 到 2 秒，就是这台机器带不动当前模型，往小换一档，或者干脆改用云端识别。

硬盘留 5GB 起步，安装包 336MB，引擎另算，模型从 820MB 到 20GB 不等。Windows 10 以下不用试，不支持。

快速同传。输入来源分三种，电脑正在放的声音，指定某只耳机或音箱，麦克风。第一种抓的是系统当前在用的那只设备，换过耳机得重新确认一遍。挑完再选语言和模型。拿不准就先点一下「测试音频」，它录两秒放给你听，声音对了再开始，省得字幕空着半天才发现挑错了。中间分成左右两栏，左边是听出来的原文，右边是译文，同一句话并排摆在一行，前面带着时间。只想看译文就把左边收起来，字小了能放大。右边空出来当笔记本，听到要紧的随手记两笔，加粗划重点都行。最底下一根波形一直在跳，说话时起伏，没人说话就贴着底，有没有收到声音一眼就看得出。

— 快速同传的主界面，左边英文原文，右边中文译文，右侧是笔记栏，底部是实时的声音电平

悬浮字幕。开一个独立小窗，置顶压在别的窗口上，拖到屏幕哪个角都行，锁住位置和大小就不会被误碰。字号、字体、行距、文字颜色、背景不透明度分开调，原文和译文可以各用一套样式。开会和看网课的时候，不用在两个窗口之间来回切。

— 悬浮字幕压在视频画面上，原文一行、译文一行，播放器控制条还在下面

同传记录。点「结束同传」，这一场就存成一条记录，下次进「同传记录」按名字搜，或者按时间翻。打开以后原文、译文、标题和刚才随手记的笔记都在，笔记是只读的，看的时候改不了。开始时开了「保存录音」，这里还能回放当时的声音，新录音存成 MP3。要拿出去用就点「导出」，三种格式，TXT 拿去整理文字，SRT 给播放器和剪辑软件挂字幕，WebVTT 给网页播放器。删记录得留神，字幕、译文、录音一起消失，界面上找不回来。

译文会自己改。识别是按片段往外吐的，一句话没说完就先给半句，翻译也照着这半句先出一版，等整句定稿，译文会重新出一遍。作者说这是设计，解决不了。介意的话在翻译设置里关掉「翻译未定稿字幕」，代价是字幕要等整句说完才出来。

三个入口共用一个会话位。快速同传开着，悬浮字幕就起不来，浏览器那边也会提示已有会话。想换地方用，先把前一个停掉。

浏览器里也能用，只是不留档。装一个扩展，再加一条本机的连接通道，网页播放器上就多出一个「Nola 字幕」开关。两个最常用的视频站默认放行，别的站要在扩展弹窗里单独授权。这里跑的是临时会话，不进同传记录，也不录音，想留档还是得用桌面同传。

只有 Windows x64。官网把 macOS 和终端版都标成「即将推出」，页面上没有下载按钮。

仓库在 github.com/CerealAxis/Nola-Translator，官网 nola.xaviermc.top 有文档和网页演示。官网的下载页上作者自己也挂了网盘，写明了每笔转存有一点分成，这笔钱支持后续开发，愿意支持他可以从那里拿。

如果打不开 GitHub，可以私信回复「Nola 翻译」，我发你网盘地址。