把俄语录音一键转成俄语文字和中文翻译的桌面小工具。面向不会编程的普通用户，全程双击 .bat 即可使用。
- 1. 软件简介
- 2. 系统要求
- 3. 安装
- 4. 使用
- 5. 翻译引擎切换
- 6. 配置说明（config.yaml）
- 7. 显存说明
- 8. 常见问题 FAQ
- 9. 首次运行检查清单
- 10. 目录结构与卸载
ru2zh 做两件事：
- 语音识别（俄语录音 → 俄语文字）：使用
faster-whisper的large-v3模型，对口语、带口音、语速快的录音也有不错的效果。 - 翻译（俄语文字 → 中文）：默认使用本地离线的 NLLB 模型，完全免费、不联网、不上传任何内容；也可以切换到 Claude / OpenAI / DeepSeek 等在线大模型，翻译质量更高（需自备 API 密钥，按量付费）。
两种使用方式：
| 方式 | 启动 | 适合 |
|---|---|---|
| 网页界面 | 双击 start_webui.bat |
上传单个文件、麦克风录音、即时查看俄中对照、下载导出 |
| 命令行批量 | 双击 transcribe.bat 或拖入文件 |
一次处理很多文件、整个文件夹批量转写 |
输出格式（可自选）：
| 格式 | 文件后缀 | 说明 |
|---|---|---|
txt |
.txt |
带时间轴的俄中对照纯文本 |
srt_ru |
.ru.srt |
俄文字幕 |
srt_zh |
.zh.srt |
中文字幕 |
srt_bilingual |
.bi.srt |
俄中双语字幕（上俄下中） |
json |
.json |
结构化数据，方便二次开发 |
| 项目 | 要求 |
|---|---|
| 操作系统 | Windows 10 / 11，64 位 |
| 显卡 | NVIDIA 独立显卡（本软件默认强制使用 GPU；实测 RTX 3070 8GB 显存流畅运行） |
| 显卡驱动 | 最新版 NVIDIA 驱动（下载地址） |
| Python | 3.10 / 3.11 / 3.12（推荐 3.12） |
| 磁盘空间 | ≥ 15 GB（模型约 8GB + 依赖库 + 输出文件） |
| 网络 | 首次安装需要联网下载约 8GB 模型；之后可离线使用（在线翻译引擎除外） |
没有 NVIDIA 显卡也能跑，但速度很慢，见 FAQ 第 ⑥ 条。
只需三步。
- 打开官网下载页：https://www.python.org/downloads/windows/
- 下载 Python 3.10 ~ 3.12 的 64 位安装包并运行。
- 安装第一个界面务必勾选
Add python.exe to PATH（把 Python 加入 PATH），否则后面找不到 Python。 - 点
Install Now完成安装。
在软件文件夹里双击 install.bat，它会自动完成：
查找 Python -> 创建虚拟环境 .venv -> 升级 pip -> 安装运行依赖
-> 安装 CUDA 运行库（cuDNN 约 700MB） -> 环境诊断 -> 下载模型（约 8GB）
安装过程全自动，中途请勿关闭窗口。看到 安装完成！ 字样即成功。
关于 SmartScreen 拦截：首次运行
.bat时，Windows 可能弹出蓝色的 "Windows 已保护你的电脑" 提示。点击提示里的 更多信息，再点 仍要运行 即可。 这是所有本地脚本的通用现象，本软件不含任何联网上传行为。
- 模型下载较慢（约 8GB），支持断点续传；万一中途断网，重新双击
install.bat会接着下载。 - 若无法访问 huggingface.co，脚本会自动切换到国内镜像
hf-mirror.com。 - pip 安装慢时，脚本会自动改用清华镜像重试一次。
安装完成后，双击 start_webui.bat 即可开始使用。
- 双击
start_webui.bat。 - 稍等片刻，浏览器会自动打开 http://127.0.0.1:7860（没自动弹出就手动在浏览器地址栏输入这个网址）。
- 在页面里 上传录音文件 或 用麦克风录音。
- 等待处理，得到俄中对照结果。
- 点击下载按钮，导出 txt / SRT 字幕 / JSON。
- 用完关闭那个黑色命令行窗口即可停止服务。
双击 transcribe.bat（不带参数）会显示用法说明。常用命令示例（也可以直接把文件或文件夹拖到 transcribe.bat 图标上运行）：
:: 转写单个文件
transcribe.bat 录音.mp3
:: 转写整个文件夹（含子文件夹）
transcribe.bat D:\录音文件夹 --recursive
:: 指定翻译引擎（本次改用 Claude 在线翻译）
transcribe.bat 录音.mp3 --engine claude
:: 只导出纯文本和双语字幕
transcribe.bat 录音.mp3 --formats txt,srt_bilingual
:: 没有 GPU 时强制用 CPU 运行（很慢）
transcribe.bat 录音.mp3 --cpu处理结果默认保存在 output 文件夹中。
ru2zh 支持四种翻译引擎，可随时切换：
引擎（engine 值） |
类型 | 是否收费 | 特点 |
|---|---|---|---|
nllb |
本地离线 | 免费 | 默认引擎，不联网、隐私安全；质量够用，专有名词偶有偏差 |
claude |
在线 API | 按量付费 | 翻译流畅、上下文理解好，适合正式材料 |
openai |
在线 API | 按量付费 | 综合质量高，生态成熟 |
deepseek |
在线 API | 按量付费 | 中文表现好，价格通常更便宜 |
- 网页界面：直接在页面的引擎下拉框里选择。
- 命令行：加参数
--engine claude（临时生效一次）。 - 永久默认：修改
config.yaml里的engine:这一行，例如改成engine: deepseek。
三种在线引擎各自读取一个环境变量：
| 引擎 | 环境变量名 | 密钥申请入口 |
|---|---|---|
claude |
ANTHROPIC_API_KEY |
https://console.anthropic.com/ |
openai |
OPENAI_API_KEY |
https://platform.openai.com/ |
deepseek |
DEEPSEEK_API_KEY |
https://platform.deepseek.com/ |
在 Windows 设置环境变量的步骤：
- 按
Win键，搜索 "编辑系统环境变量" 并打开。 - 点右下角 环境变量(N)... 按钮。
- 在上方 用户变量 区域点 新建(N)...。
- 变量名填对应的名字（如
ANTHROPIC_API_KEY），变量值填你的密钥，确定。 - 关闭并重新打开
start_webui.bat/transcribe.bat才会生效。
也可以不设环境变量，直接在网页界面里粘贴 API 密钥使用。
在线 API 按用量（token）计费。粗略估算，转写并翻译一小时录音，大约花费几美分到几十美分，具体取决于所选引擎、模型和录音内容长度。本地 nllb 引擎完全免费。
软件根目录下的 config.yaml 保存所有默认设置，用记事本即可编辑（保存为 UTF-8）。每一项也可以用环境变量 RU2ZH_<键名大写> 覆盖。
| 配置键 | 默认值 | 说明 |
|---|---|---|
whisper_model |
large-v3 |
语音识别模型；可填尺寸别名（如 small）或本地模型目录路径 |
device |
auto |
计算设备：auto（自动）/ cuda（GPU）/ cpu |
compute_type |
auto |
计算精度：auto / float16 / int8_float16 / int8 |
beam_size |
5 |
解码 beam 大小，越大越准但越慢 |
vad_min_silence_ms |
500 |
语音分段的最短静音时长（毫秒） |
initial_prompt |
null |
初始提示词，可给识别提供专业术语上下文；留空写 null |
require_gpu |
null |
是否强制用 GPU：null=自动（Windows 上为强制）/ true / false |
engine |
nllb |
翻译引擎：nllb / claude / openai / deepseek |
nllb_model_dir |
models/nllb-200-distilled-1.3B-ct2 |
本地 NLLB 模型目录 |
api_model |
null |
在线引擎的模型名；null=用该引擎默认模型 |
api_base_url |
null |
自定义 OpenAI 兼容端点；一般留空 |
api_key |
null |
API 密钥；一般留空（改用环境变量），也可直接填 |
models_dir |
models |
模型总目录 |
hf_endpoint |
null |
HuggingFace 端点；国内可填 https://hf-mirror.com |
output_formats |
txt, srt_ru, srt_zh, srt_bilingual, json |
默认导出的格式列表 |
值写
null表示"留空"。修改后保存即可，下次启动生效。
本软件默认针对 8GB 显存 做了保守设置，保证稳定不爆显存：
| 场景 | Whisper 精度 | 翻译 | 大致显存占用 | 说明 |
|---|---|---|---|---|
| 默认（本地翻译） | int8_float16 |
NLLB int8_float16 |
≈ 5 GB | 安全推荐，Whisper 与 NLLB 同时驻留显存 |
| 在线引擎模式 | int8_float16 |
在线 API（不占显存） | 宽裕 | 翻译在云端完成，显存非常充裕 |
| 想榨精度（手动） | float16 |
NLLB 共存 | 偏紧 | 精度略高但差别极小；与 NLLB 共存时显存吃紧，可能不稳 |
compute_type: auto（默认）在 GPU 上统一选int8_float16：与float16的识别精度差别可以忽略，却更省显存，且在界面上切换翻译引擎时无需重新加载模型。- 想手动提升识别精度：把
config.yaml的compute_type改成float16（本地翻译模式下请留意显存）。 - 显存更小的显卡：改成
int8_float16或int8，见 FAQ 第 ⑤ 条。
按顺序排查：
- 确认已安装最新 NVIDIA 显卡驱动。
- 重新运行一次
install.bat（确保nvidia-cublas-cu12和nvidia-cudnn-cu12装好）。 - 运行诊断：
.venv\Scripts\python scripts\check_env.py，看是否显示"检测到 N 个 CUDA 设备"。 - 最后手段（备用方案）：到
https://github.com/Purfview/whisper-standalone-win/releases
下载
cuBLAS.and.cuDNN_win_v2压缩包，解压出里面的.dll文件，放进本项目的.venv\Scripts\目录（或把该目录加入系统 PATH），再重试。
- 脚本会自动切换到国内镜像
hf-mirror.com。若仍慢，可手动设置后重跑： 在命令行执行set HF_ENDPOINT=https://hf-mirror.com，再运行install.bat； 或在config.yaml里填hf_endpoint: https://hf-mirror.com。 - 模型下载支持断点续传，断了重跑
install.bat即可接着下。 - pip 安装慢：脚本已内置清华镜像自动回退。手动重试示例：
.venv\Scripts\python -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
.bat 脚本本身只输出英文提示（这是刻意为之：cmd 解析含中文的批处理时可能出错），
安装与转写过程中的中文信息全部由 Python 程序输出，Windows 控制台可直接正确显示。
个别老终端仍可能显示乱码，不影响任何功能，可忽略。
浏览器只在 http://127.0.0.1（本机地址） 下才允许网页访问麦克风。
请用本机浏览器打开 http://127.0.0.1:7860，不要用局域网 IP（如 192.168.x.x）访问，否则麦克风会被浏览器禁用。
- 把
config.yaml的compute_type改成int8_float16或更省的int8。 - 关闭其他占用显存的程序（浏览器多标签、游戏、其他 AI 软件等）。
- 或改用在线翻译引擎（
engine: claude/openai/deepseek），让 Whisper 独占显存。
可以，但速度很慢（可能是 GPU 的几十倍时间）。两种方式：
- 命令行加参数：
transcribe.bat 录音.mp3 --cpu - 或在
config.yaml里设require_gpu: false（同时可设device: cpu）。
部分杀毒软件会对陌生 .bat 脚本敏感。请把本软件文件夹添加到杀毒软件的信任 / 白名单。本软件全部为本地脚本，无联网上传行为。
按下面几步确认一切正常：
-
install.bat运行结束，最后显示安装完成！，且中途没有红色报错。 -
check_env.py输出里显示 "检测到 N 个 CUDA 设备"（N ≥ 1）。 - 双击
start_webui.bat后，浏览器能打开 http://127.0.0.1:7860 页面。 - 用一段短录音（十几秒即可）试转写，能得到俄文和中文结果。
- 转写时打开任务管理器 → 性能 → GPU，能看到 GPU 占用上升。
以上全部通过，说明软件已就绪。
ru2zh/
├─ install.bat 一键安装（先运行这个）
├─ start_webui.bat 启动网页界面
├─ transcribe.bat 命令行批量转写
├─ config.yaml 配置文件（可用记事本编辑）
├─ requirements.txt 通用运行依赖清单
├─ requirements-cuda-win.txt Windows CUDA 运行库清单
├─ README.md 本说明文件
├─ scripts/
│ ├─ download_models.py 模型下载脚本
│ └─ check_env.py 环境诊断脚本
├─ src/ru2zh/ 程序源代码
├─ models/ 下载的模型（约 8GB，安装后生成）
├─ output/ 转写结果输出目录
└─ .venv/ 虚拟环境（安装后生成）
本软件绿色免安装，不写注册表、不留系统残留。卸载只需：
- 关闭所有相关的命令行 / 浏览器窗口。
- 直接删除整个软件文件夹即可（模型都在文件夹内的
models/里，一并删除）。
如果之前设置过 API 密钥的环境变量，想彻底清理，可到 第 5.2 节 说的"环境变量"界面里，把 ANTHROPIC_API_KEY / OPENAI_API_KEY / DEEPSEEK_API_KEY 删掉。
小提示：
.bat文件均以 UTF-8 编码保存。若个别系统上echo出来的中文出现乱码，仅是显示问题，不影响软件功能。祝使用愉快！