视频翻译软件通常自带多种语音识别渠道，用于将音视频中的人类说话声音转录为字幕文件。在中英文下，这些软件的效果尚可，但当用于日语、韩语、印尼语等小语种时，效果就不太理想了。

这是因为国外大型语言模型的训练素材主要以英语为主，中文的效果也不尽如人意。而国内模型的训练数据也基本集中在中英两种语言上，中文占比更高。

训练数据的缺乏导致模型效果不佳。幸运的是，Hugging Face 网站 https://huggingface.co 汇聚了海量微调模型，其中不乏专门针对小语种的微调模型，效果相当不错。

本文将介绍如何在视频翻译软件中使用 Hugging Face 的模型来识别小语种，以识别日语为例。

1. 科学上网

由于网络限制，国内无法直接访问 https://huggingface.co 网站。您需要自行配置网络环境，确保可以访问该网站。

访问后，您将看到 Hugging Face 网站的首页。

2. 进入 Models 目录

在左侧导航栏中点击 "Automatic Speech Recognition" 分类，右侧将显示所有语音识别模型。

3. 查找兼容 faster-whisper 的模型

Hugging Face 网站目前拥有 20,384 个语音识别模型，但并非所有模型都适用于视频翻译软件。不同模型返回的数据格式不同，而视频翻译软件仅兼容 faster-whisper 类型的模型。

• 在搜索框中输入 "faster-whisper" 进行搜索。

搜索结果中基本都是可以在视频翻译软件中使用的模型。

当然，有些模型虽然兼容 faster-whisper，但名字中不包含 "faster-whisper"。如何找到这些模型呢？

• 搜索语种名称，例如 "japanese"，然后点击进入模型详情页面，查看模型介绍中是否说明兼容 faster-whisper。

如果模型名称或介绍中没有明确提到 faster-whisper，则该模型不可用。即使出现了 "whisper" "whisper-large"等，也不可用，因为 "whisper" 用于兼容 openai-whisper 模式，而目前的视频翻译软件尚不支持,后续会否支持呢？视情况而定吧。

4. 复制模型 ID 到视频翻译软件

找到合适的模型后，复制模型 ID 并粘贴到视频翻译软件的 "菜单" -> "工具" -> "高级选项" -> "faster 和 openai 的模型列表" 中。

• 复制模型 ID。

• 粘贴到视频翻译软件中。

保存设置。

5. 选择 faster-whisper 模式

在语音识别渠道中，选择刚刚添加的模型。如果没有显示，请重启软件。

选择好模型和发音语音后，即可开始识别。

注意：必须设置代理，否则无法连接，会报错。可以尝试设置计算机全局代理或系统代理。如果仍然报错，请将代理 IP 和端口填写到主界面的 "网络代理" 文本框内。

网络代理的解释请查看 https://pyvideotrans.com/proxy

根据网络情况，下载过程可能需要较长时间，只要没有出现红色报错，请耐心等待。