AMMDS 字幕生成与翻译工作流实战
很多影视资源——尤其是冷门剧集、纪录片、海外综艺——并没有现成字幕，导致在媒体服务器上“只能看画面”。自 v1.6.64 接入 VibeVoice、v1.6.66 增补字幕翻译后，AMMDS 已经能帮你为整目录视频自动生成字幕，并一键转成双语版本。本文以一次完整的“日剧批量生成中文字幕”为例，演示整套工作流的实战用法。
一、前置准备
在开始之前，请确认以下条件已满足：
- AMMDS 已升级至 v1.6.66 及以上：字幕生成与翻译能力分别来自 v1.6.64 与 v1.6.66
- FFmpeg/FFprobe 已就绪：v1.6.64 起会在启动时自动下载，可在 集成 → FFmpeg 查看状态
- VibeVoice 已启用：在 集成 → VibeVoice 开启插件，建议默认使用本地模式
- 至少配置一种翻译引擎：双语字幕依赖翻译模块，请先在翻译服务中配置百度 / 腾讯 / DeepL / OpenAI / Gemini 中的任意一种
本地模式首次启用会自动下载约 1.5GB 的 GGUF 模型与推理程序，国内会优先使用
hf-mirror.com镜像加速，请确保磁盘空间与网络畅通。
二、理解任务执行流程
动手前，先了解一条字幕任务的完整生命周期，有助于你在出问题时快速定位：
新建任务 (单个视频 / 目录批量)
│
▼
校验视频文件 + 探测时长 (FFprobe)
├─ 时长上限 12 小时
├─ 单段最大时长分段 (默认 3 分钟, 段间重叠 2 秒)
└─ 过短末段并入前段
▼
持久化任务记录 (状态 WAITING)
▼
提交到线程池
├─ 并发信号量控制 (动态跟随配置, 默认 1, 上限 5)
└─ 超出并发上限 → 状态转为 QUEUED
▼
执行识别
├─ 信号量获取 → 状态 RUNNING
├─ 按分段计划逐段提取音频 (FFmpeg)
├─ 调用 VibeVoice 服务识别 (本地 / 远程)
├─ 合并分段结果
├─ (可选) 双语字幕 → 调用翻译模块翻译为目标语言
└─ 写入 SRT 文件
▼
状态流转: SUCCESS / FAILED / CANCELED
可以看到，FFmpeg 负责音频提取与时长探测，VibeVoice 负责语音识别，翻译模块负责双语输出，三者协作完成一条流水线。
三、实战：批量生成日剧中文字幕
场景描述
假设你的 NAS 上有一个目录 /media/series/j-drama-2026/，里面是 12 集没有字幕的日剧。我们希望为它们生成日文原文字幕，并翻译成中文形成双语字幕。
第 1 步：确认 VibeVoice 模型就绪
进入 集成 → VibeVoice，确认：
- 接入模式为
local（本地托管） - 模型状态显示“已就绪”，否则点击下载，等待约 1.5GB 模型下载完成
- 启动器优先级保持
asr_infer（推荐，命令行单次推理，无常驻内存占用）
第 2 步：配置分段与并发
针对本地模式，建议这样配置以兼顾质量与稳定性：
| 配置项 | 建议值 | 说明 |
|---|---|---|
| 最多同时任务数 | 1~2 | 本地推理吃内存，低配机器建议 1 |
| 单个任务最大线程 | 4 | 转发给服务的提示参数 |
| 单段最大分钟 | 3 | 本地模式上限 3 分钟，超出会被自动收敛 |
切换启动器为
asr_stream_server时前端会应用对应推荐参数，但其常驻内存约 2.5GB 且长音频易因 ggml 上下文分配失败崩溃，无特殊需求不建议使用。
第 3 步：创建批量字幕任务
进入 工具箱 → 媒体编辑 → 字幕生成，选择“目录批量”：
- 选择目录
/media/series/j-drama-2026/ - 识别语言选择 日语
- 勾选 双语字幕
- 目标语言选择 中文
- 字幕生成位置建议保持 视频同源，便于播放器自动加载
提交后，系统会为目录内所有视频批量创建任务。超出最大并发数的任务自动进入“排队中”状态，等待空闲槽位。
第 4 步：跟踪任务进度
任务列表会展示视频文件名、路径、时长、识别语言、双语标记、状态、进度与创建时间。展开行还会显示分段进度（已完成 / 总数）、字幕片段数、识别模型、线程数、字幕文件路径与错误信息。
支持按状态筛选：全部 / 进行中 / 已完成，方便你聚焦当前正在跑的任务。
字幕任务状态说明：
| 状态 | 含义 |
|---|---|
| 等待中 | 等待执行（并发槽位不足） |
| 排队中 | 超出最大并发任务数，等待空闲槽位 |
| 进行中 | 正在识别 |
| 翻译中 | 翻译任务：基于源字幕文件进行翻译 |
| 已完成 | 字幕生成成功 |
| 失败 | 识别失败 |
| 已取消 | 用户手动取消 |
第 5 步：处理失败与重试
如果某个任务因网络抖动或内存不足失败：
- 在任务列表点击 重试 即可重新执行
- 若是本地模式长段崩溃，可降低“单段最大分钟数”后重试
- 若是远程模式速率限制，可降低并发任务数
第 6 步：查看、编辑与下载字幕
任务完成后可以：
- 查看：直接预览生成的字幕内容
- 编辑：对识别不准的片段手动修正
- 下载：下载 SRT 字幕文件，归档或分享
四、字幕翻译工作流
v1.6.66 新增的字幕翻译能力，让你可以基于已有字幕任务创建翻译任务，而不必重新识别音频。这在不开启“双语字幕”先生成原文字幕、之后再决定要不要翻译的场景下非常实用。
典型流程
- 先用 VibeVoice 生成日文原文字幕（不勾选双语）
- 在翻译模块配置好目标语言（如中文）
- 在字幕任务上发起翻译任务，状态进入
TRANSLATING（翻译中） - 翻译完成后，字幕文件以双行显示（原文 + 译文）
翻译引擎选择建议
不同引擎各有取舍：
| 引擎 | 适用场景 | 备注 |
|---|---|---|
| DeepL | 欧美语言、对译文流畅度要求高 | 需 API Key，有免费额度 |
| OpenAI / Gemini | 对上下文理解要求高、术语较多 | 适合专业内容 |
| 百度 / 腾讯 | 中文互译、国内访问稳定 | 适合大批量日中翻译 |
SRT 工具类已增强解析能力，对非标准 SRT 文件也有更好兼容性，但仍建议以标准 SRT 为翻译源，避免因格式问题影响分段对齐。
五、让播放器自动加载字幕
字幕生成位置选“视频同源”时，字幕会以视频文件名命名（如 第01集.srt）并放在视频同目录下，Emby / Jellyfin / Kodi 等媒体服务器会自动加载外挂字幕，无需手动挂载。
如果你的播放器没有自动加载，检查：
- 字幕文件名与视频文件名是否完全一致（仅扩展名不同）
- 媒体服务器是否已在 AMMDS 中配置并触发媒体库刷新
- 字幕编码是否为 UTF-8（AMMDS 默认输出 UTF-8）
六、常见问题排查
Q1：本地模式长视频识别中途崩溃
这是 ggml 上下文分配失败的典型表现。请：
- 确认“单段最大分钟”不超过 3（本地模式会自动收敛）
- 降低并发任务数为 1
- 内存紧张时改用“远程模式”连接外部 VibeVoice 服务
Q2：识别结果全是乱码或空白
- 确认“识别语言”与视频实际语言一致
- 检查视频音轨是否正常（FFprobe 探测时长是否为 0）
- 远程模式检查服务地址与 API Key 是否正确
Q3：双语字幕译文与原文对不上
- 翻译基于 SRT 时间轴分段进行，源字幕格式不规范会导致分段错位
- 建议用 AMMDS 生成的标准 SRT 作为翻译源，而非外部来源的非标准字幕
七、性能小贴士
- 批量优于零散：目录批量创建后，任务会在并发槽位内排队，比一个个手动创建更高效
- 分段时长权衡：单段越小越稳定但合并开销更大，本地模式 3 分钟是安全上限；远程服务可按其能力调大
- 段间重叠的价值：默认 2 秒重叠用于避免句子被切断，合并时会去重，不必担心重复字幕
结语
VibeVoice + 字幕翻译，让 AMMDS 把“找字幕”这件最耗时的体力活自动化了。从音频提取、长音频分段、多语言识别，到双语翻译、播放器自动加载，整条链路在 AMMDS 内闭环完成，数据始终留在你自己的本地环境。
下次遇到没字幕的冷门资源，不妨直接交给 AMMDS 跑一晚上，第二天就能抱着带中文字幕的剧集开看了。