Index-Echo：轻量语音翻译神器，一键把中文语音变成英日西字幕，带时间戳，简单好用
Index-Echo-S2TT 是一个开源的语音转文字翻译模型（Speech-to-Text Translation，简称 S2TT），由 Index Team 发布，属于 Index-Translate 系列。这是一个实用、开箱即用的中文语音→多语字幕工具，特别适合需要快速生成高质量双语字幕的创作者和开发者。
它是做什么的？
简单说，你给它一段音频或视频（比如中文讲话、视频），它就能自动：
听懂源语言内容（目前主要支持中文输入）
生成双语字幕（源语言原文 + 目标语言翻译）
并带上每句话的时间戳（方便精确对齐）
输出通常是 .srt 字幕文件，非常适合直接用在视频剪辑或播放器里。
主要特点
模型规模：模型相对轻量，消费级显卡流畅与逆行。
技术架构：使用 Qwen3-Omni 的音频编码器 + 连接器 + Index-Translate-2B 解码器，端到端训练，直接从语音理解并翻译。
支持语言：中文 → 英语、日语、西班牙语（推理接口目前开放这三种）。
实用功能：
支持音频/视频输入（内部用 ffmpeg 转成 16kHz 单声道）
自动用 VAD（语音活动检测）切分长音频
支持术语表（glossary），可强制特定专有名词翻译
可利用前文窗口作为上下文，提升连贯性
性能亮点（内部评测）：在源语言转录准确率和时间戳精度上表现较好，翻译质量也处于中上水平。
应用领域
视频字幕生成：给中文视频自动生成中英、中日、中西双语字幕。
会议/演讲翻译：把中文录音转成带时间戳的多语字幕。
内容本地化：短视频、课程、访谈等需要快速出海的场景。
辅助剪辑：作为后期制作工具，生成可编辑的 SRT 文件。
使用教程：（建议N卡，显存6G起，支持50系显卡）
下载主程序和模型（models文件夹），解压主程序一键包，将models文件夹移动到主程序目录下即可
上次需要翻译的音频文件（只支持中文），选择输出语言（目前支持英语、日语和西班牙语），点击生成即可。
下载地址：
光鸭云盘：https://www.guangyapan.com/s/1955580300301967383_afKpfuS_zVounNhq
夸克网盘：
**** 本内容需购买 ****
页:
[1]