jav-trans 是一个面向 Windows 和 NVIDIA 显卡的本地字幕生成工具。选择视频后，它会自动完成日语语音识别、字幕时间轴、可选翻译和质量检查，输出日文、译文或中日双语 SRT。
视频、音频、语音识别和时间轴始终在本机处理。只有选择 API 翻译时，字幕文本才会发送到你配置的服务；仅日文和本地翻译模式不会上传媒体或字幕。
- 本地网页控制台：选择视频、调整设置、查看进度并打开结果。
- 日语识别与精细时间轴：使用 Qwen3-ASR 1.7B 和 CTC 对齐生成字幕。
- 三种输出：仅日文、仅译文、中日双语。
- 两种翻译方式：OpenAI 兼容 API，或本地 Hy-MT2-7B Q4。
- 质量报告：标出时间轴、字幕布局和翻译中的可疑项，方便按时间码复查。
- 断点与缓存：失败后可以复用已有识别结果，不必总是从头开始。
- Windows 10/11。
- NVIDIA 独立显卡；8GB 及以上显存推荐，当前 ASR 模型要求至少 6144MiB 物理显存。
- Windows 发布包已包含 FFmpeg Shared，无需另行下载或安装。首次启动需要联网安装 Python 依赖；ASR 模型约 3.9GB，本地翻译模型约 4.6GB。
- 将发布包解压到普通可写目录，并预留至少 15GB 空间。
正式 ASR 不会静默回退到 CPU。CUDA 不可用、驱动过旧或显存不足时，任务会明确报错。
- 从 Releases 下载并解压 Windows 发布包。
- 双击
jav-trans.exe。首次启动会自动安装依赖；中断后重新运行即可继续。 - 在网页控制台中选择一个或多个视频。
- 选择字幕模式和翻译方式，按需填写 API Key 或本地模型设置。
- 点击“开始任务”，完成后从任务卡打开 SRT 和可选的质量报告。
发布包自带 FFmpeg Shared。普通用户无需单独配置 FFmpeg；只有从源码运行时才需要自行安装。
首次使用建议勾选“不翻译（仅日文字幕）”跑一个短视频，以确认 CUDA、模型下载和输出目录都正常。
| 模式 | 是否发送字幕文本 | 适合场景 |
|---|---|---|
| 仅日文 | 否 | 最快验证环境，或只需要日文 SRT |
| 本地翻译 | 否 | 隐私优先、零 API 成本的中文草稿 |
| API 翻译 | 是 | 需要术语表、全片上下文和更稳定的成品质量 |
API 模式默认使用 OpenRouter。通常只需填写 API Key；如果改用其他服务，Base URL 与模型名必须配套：OpenRouter 使用 厂商/模型 形式，DeepSeek 官方 API 使用裸模型名。此外该服务必须提供 Responses 接口（/responses）——程序只使用这一个协议面，只支持 Chat Completions 的旧接口和中转用不了。
本地翻译固定使用 Hy-MT2-7B-Q4_K_M.gguf，首次使用时自动下载。先安装 llama.cpp：
winget install -e --id ggml.llamacpp然后在网页控制台选择“本地 Hy-MT2”。本地后端逐句翻译，不使用 API 模式的术语表、角色参考和全片上下文；它更适合作为隐私优先的草稿方案。
NVIDIA 用户可从 llama.cpp 官方 Releases 下载 CUDA 版。先运行 nvidia-smi 查看驱动支持的 CUDA 版本，再选择不高于该版本的 Windows x64 压缩包：
- CUDA 12：
llama-b<版本号>-bin-win-cuda-12.x-x64.zip - CUDA 13：
llama-b<版本号>-bin-win-cuda-13.x-x64.zip
文件名中的 build 号和 CUDA 小版本会随发布变化，请以 Releases 页面为准。如果同一项另列有匹配的 cudart-llama-bin-win-cuda-*.zip（CUDA DLLs），也一并下载并解压到同一目录。最后在网页设置中填写该目录里的 llama-server.exe 路径。
- SRT 和质量报告写入所选输出目录；仅日文模式会生成
<视频名>.ja.srt。 models/保存已下载模型，tmp/保存任务状态、缓存和日志。- 成功任务会清理一次性临时文件，但保留模型与跨任务 ASR 缓存。
- API 翻译只发送字幕文本，不发送视频或音频。具体数据处理规则仍取决于你选择的 API 服务。
- 质量报告用于辅助人工复查，不保证每条识别或翻译都完全正确。
删除运行中的任务会先请求取消；任务进入“已取消”后再次删除，才会清理该任务的临时目录。
在程序目录打开 PowerShell，运行：
.\jav-trans.exe --doctor需要保留启动日志时使用 --keep-console；需要重装运行环境时使用 --reinstall。
在网页控制台的“识别设置”中填写代理，或启动时传入代理：
.\jav-trans.exe --proxy http://127.0.0.1:7890先关闭其他占用显卡的程序并更新 NVIDIA 驱动。保持默认的 ASR_BATCH_SIZE=auto，程序会在 OOM 后自动降低批大小；当前没有更小的 ASR 模型可切换。
确认 API Key、Base URL 和模型名属于同一服务。OpenRouter 的模型名通常形如 deepseek/deepseek-v4-flash；DeepSeek 官方地址 https://api.deepseek.com 使用 deepseek-v4-flash。其他兼容服务请使用其文档给出的地址和模型名。
如果报错指向 /responses 路径不存在（404 或 Not Found），说明该服务只提供 Chat Completions 接口，无法使用；请改用支持 Responses 的服务，或改用本地翻译。
程序默认要求译文按 JSON Schema 返回（DeepSeek 官方地址除外，它只支持较宽松的 json_object）。如果服务商不支持严格 schema，返回结构错误或直接报错，可在 .env 中改用宽松约束：
LLM_STRUCTURED_OUTPUT=json_object反过来，如果希望 OpenRouter 只把请求发给能真正强制执行 schema 的供应商，可以设 LLM_STRUCTURED_OUTPUT=json_schema；此时未声明 structured_outputs 的模型会返回 404。
日志位于 tmp/log/<job_id>/。反馈时请附上 .run.log、对应 SRT 和质量报告，并先移除 API Key、视频路径等隐私信息。
源码运行还需要 Git、uv、符合 pyproject.toml 约束的 Python，以及 FFmpeg Shared。TorchCodec 依赖 FFmpeg 共享 DLL；Windows 上应确保 Shared 版位于 PATH，且不要让静态版排在它前面。
winget install --id Gyan.FFmpeg.Shared --exact
git clone https://github.com/jaykwok/jav-trans.git
cd jav-trans
uv venv
uv sync
$env:PYTHONIOENCODING="utf-8"
uv run --no-sync python launcher.py浏览器默认打开 http://127.0.0.1:2233。端口被占用时会自动选择下一个可用端口，并在启动日志中显示实际地址。请使用 uv 安装项目依赖，不要用 pip install 逐个安装，以免误装 CPU 版 PyTorch。
致谢：WhisperJAV 为本项目早期路线提供了重要参考。