我想解決的不只是影片字幕翻譯本身，而是整個字幕翻譯流程太瑣碎的問題：
從影片解析、音訊擷取、語音轉文字、字幕翻譯，到字幕匯出和掛載播放，雖然都各自有不錯的軟體工具，但每次總是要拼拼湊湊的才能完成整個流程，而ArcSub 就是想把這些事情整合起來在單一平台就能完成所有步驟。
另外，這個工具比較不一樣的地方在於深度整合了OpenVINO，主要是因為我自己目前就是用Intel Arc A750，網路上許多不錯的開源方案都是針對N家的 CUDA 在優化，所以 Intel 的顯卡實際跑模型時速度通常很悲劇，這才讓我肝下去乾脆自己弄一套可以更好發揮 Intel 顯卡能力的工具。
但如果不是 Intel 顯卡也不用擔心，因為可以透過 Ollama、vLLM 這類服務在N卡上面跑模型，再用 API 串接來使用即可，都可以在設定頁面做模型安裝與串接。
這套工具本來是做給自己用的，但既然都肝了一段時間了，同步也分享給有需要的人。
如果你有興趣的話，歡迎到 GitHub 看看，覺得不錯的話也幫我按顆 Star。
https://github.com/brucexuego/ArcSub
當你想看的線上影片沒有中文字幕或是不滿意即時翻譯的效果時，首先可以先下載音檔：
接著音檔會被正規化處理到語音轉錄的頁面，在這邊可以透過ASR模型將音檔轉錄成原文字幕，這一段是關鍵，會直接影響後續的翻譯品質，建議大家可以多嘗試不同的進階功能搭配看效果：
轉錄完的原文字幕可以直接送到文字翻譯頁面，相對於上一個步驟這邊可以玩的模型種類比較多，模型越強翻譯效果越好，但就要看你的顯卡VRAM有多大了，像我的只有8G可以用的模型基本上差強人意：
最後轉錄完的字幕可以直接掛載到撥放器來撥放跟看效果：
我盡量讓模型的安裝簡化，輸入HF上的模型ID就可以自動抓取安裝：
這邊有幾點注意事項：
1. Intel 顯卡的老硬傷，冷啟動太久了，常常會久到以為沒在動作。
2. 如果要做比較精準的字詞對齊，每個語言都需要專屬的校準模型，第一次啟用會自動去網路上安裝模型，所以轉錄時間會比較久一點。
3. OpenVINO雖然可以吃多種格式的模型，但真正效能好一點的只有他們優化過的IR格式模型，但效能上與N卡比還是有一段距離，只能希望官方再多積極一點優化好的模型了。
