AI 字幕翻译：接入大模型 API 整轨自动翻译

外语视频配中文字幕，过去是一条「听写→打轴→翻译→校对」的流水线，其中翻译环节最耗人。大模型把这一环的成本打到了几乎为零——但大多数播放器没有把「翻译」做成播放体验的一部分：你得导出字幕、开网页、传文件、下载结果、再导回播放器。ZWPlayer 把整条链路收进了播放器：设置里选目标语言，点开始翻译，译文直接挂成副轨双语显示。本文讲接入方法、服务端协议与典型用法。

播放器侧：一个配置项 + 一个面板

初始化时给出字幕服务的 base URL：

new ZWPlayer({
  playerElm: 'player',
  url: 'https://example.com/lecture.mp4',
  subtitles: [{ url: 'https://example.com/en.srt', title: 'English' }],
  translateApi: 'https://your-server.com/subtitle-api/api',
});

配置后，设置面板出现「字幕翻译」入口，打开翻译面板：选择原始字幕轨与目标语言，点「开始翻译」。

图 1:字幕翻译面板——选择原始字幕与目标语言后整轨翻译

翻译完成后，译文自动挂载为副轨，与原文组成双语字幕——不需要导出再导入，观众的观看不中断。配合《HLS/DASH 内嵌字幕预下载》，流媒体的流内字幕同样可以整轨翻译。

服务端：协议开放，引擎自由

translateApi 指向的是一个极简的 HTTP 字幕服务，协议完全公开，任何开发者都能自行实现或改写：

设计上有两个务实决定：

1. 上游引擎不锁定。翻译质量取决于大模型，协议只约定「收 SRT、回 SRT」，服务端想接阿里云 DashScope（qwen-mt-flash）、DeepSeek 还是自部署模型都行——模型迭代时换上游，播放器零改动；
2. 同步阻塞接口。一部视频的字幕翻译在大模型上是秒级到分钟级的任务，同步接口让部署简单到只需一个进程，不必引入任务队列。

鉴权采用 API Key（可加 IP 白名单），适合个人与团队自用；要对外提供服务再考虑配额与限流。

三个典型用法

• 外语学习：原文轨 + AI 译文轨双语同显，生词对照即看即懂；配合字幕全文搜索（Ctrl+F 级体验），回找某句台词复习；
• 课程本地化：英文技术课程整轨翻译成中文挂副轨，团队内部分发一次到位；对翻译质量不放心时，AI 译文先出初稿，人工只做校对；
• 多语言站点：同一视频挂多语字幕轨，按 translateApi 逐语言生成，观众在字幕菜单自选——比「每语言渲染一版视频」便宜两个数量级。

质量与成本的现实预期

• 大模型翻译字幕的常见短板：专有名词一致性（人名前后不一）、俚语双关、文化梗。同一服务固定模型与提示词能显著改善一致性；
• 成本量级：一部 90 分钟电影约 1500 条字幕，按主流大模型定价通常在几分钱到几毛钱之间——比人工翻译低三个数量级；
• 建议永远保留原文轨：译文轨当辅助而非替代，观众可一键关闭。

常见问题

必须自建服务吗？ 是——协议开放、参考实现轻量，一个进程即可跑起来；这保证了你的字幕数据不经过第三方（除你选择的模型 API 外）。

翻译会覆盖原字幕吗？ 不会。译文挂副轨，原文主轨原样保留，双语开关随时切换纯原文/纯译文/双语。

BCC/VTT 也能翻译吗？ 翻译接口以 SRT 为交换格式，其他格式先转换再提交；播放器侧的导出能力可以完成这一步。

相关文章

• HLS/DASH 内嵌字幕预下载：流媒体字幕也能搜索与导出