
## 为什么需要双引擎

不同语言对识别模型的侧重点不同：亚太语言需要「快而准」的小模型，全球语系则需要「覆盖广」的大模型。Tontrans 同时内置两套，可按视频内容随时切换。

## SenseVoice-Small：亚太极速

- 擅长 **中、英、日、韩、粤** 语
- 模型小、延迟低，句级识别在停顿时即可快速回显
- 适合直播、视频会议等对实时性要求高的场景

## Whisper-Small：全球高精度

- 覆盖 **全球近百种语言**（法、德、西、意、俄、葡、越、泰等）
- 精度更高，但模型较大，建议 GPU（CUDA）加速以保持实时
- 适合法文教学、德文演讲、西班牙影集等非亚太语系内容

## 如何切换

在插件设置面板的「语音识别引擎」下拉中选择 `SenseVoice（极速模式）` 或 `Whisper-Small（多国语言/GPU 加速）`；后端也可在 Web 后台启用/禁用单个模型，仅启用一个时客户端固定使用。

## 底层

两套引擎都基于 Sherpa-ONNX 本地运行，配合 Silero VAD 做流式断句——说话停顿达设定值（默认 0.5s）自动切句，交给模型解码，因此无需整段上传即可逐句出字幕。



## 三种通道

Tontrans 支持三条翻译通道热插拔，可在插件/后端自由切换：

| 引擎 | 运行位置 | 成本 | 隐私 |
| --- | --- | --- | --- |
| Ollama | 本机 GPU | 免费 | 100% 离线 |
| DeepSeek | 云端 API | 按 token 极低价 | 文本上传 |
| Google 翻译 | 云端免费接口 | 免费 | 文本上传 |

## Ollama：稳定 + 离线的首选

本机 Ollama 推荐搭配 `qwen2.5:7b-instruct`（质量最佳）或 `qwen2.5:3b-instruct`（速度快、显存占用低）。

- **优点**：每句约 0.6–0.8 秒，节奏稳定不卡顿；完全离线，繁中一致性好。
- **要求**：需要 NVIDIA GPU；7B 约需 5–6GB 显存，3B 约需 2.5GB。

## DeepSeek：无 GPU 的高质量之选

无 GPU 或不想装 Ollama 时，用 DeepSeek 云端翻译以极低成本获得接近人工的意译质量。

- **优点**：翻译质量高，低配电脑也能用。
- **注意**：需到 DeepSeek 开放平台申请 API Key 并充值；文本会发送到云端。

## Google：免设定的备援

完全免设定，适合临时使用或作为兜底。

- **优点**：平均每句约 0.5 秒，即开即用。
- **注意**：受网络影响，尖峰时单句可能跳到 1.5–2.4 秒，字幕偶发卡顿；建议有线网络。

## 结论

即时候字幕最在意「稳定不卡顿」：有 NVIDIA GPU 优先 **Ollama**；无 GPU 选 **DeepSeek**（高质）或 **Google**（免设定备援）。



## 准备

Tontrans 采用「Chrome 扩展（擷取与显示）+ 本机 Python 后端（AI 大脑）」的双轨架构。开始前确保：

- Windows 或 macOS 电脑
- Chrome / Edge 等 Chromium 内核浏览器
- （可选）NVIDIA GPU，用于 Ollama 本地翻译加速

## 第一步：启动后端服务

后端负责 VAD 断句、语音识别与翻译。下载离线整合包后双击 `START_Tontrans_Server.bat`；或从源码运行：

```bash
cd backend
pip install -r requirements.txt
python download_models.py
python main.py
```

当终端出现 `Uvicorn running on http://127.0.0.1:8000` 即启动成功，请保持窗口开启。

## 第二步：载入 Chrome 扩展

1. 浏览器打开 `chrome://extensions/`
2. 开启右上角「开发者模式」
3. 点「加载已解压的扩展程序」，选择 `extension-next` 目录

工具栏出现 Tontrans 图标即安装完成。若想使用账号体系，可在插件面板「注册」入口用邮箱验证码注册并登录。

## 第三步：打开视频，开启字幕

1. 前往 YouTube 或任意视频网站播放影片
2. 点 Tontrans 图标，翻译服务按需选择（默认用后端配置）
3. 点「启动实时字幕」

页面底部即浮现毛玻璃双语字幕。识别约在句级 100–300ms 内回显，几乎「随说随翻」。

## 桌面端（整机声音）

需要给非浏览器软件（会议、播放器）加字幕时，运行桌面客户端 `TontransDesktop.exe`：它捕获整机默认播放设备的声音，复用同一后端输出桌面悬浮字幕。


双引擎 ASR 详解：SenseVoice 与 Whisper

翻译引擎怎么选：Ollama vs DeepSeek vs Google

快速上手：三步开始看无字幕视频