Whisper 怎么把中文录音翻成英文？模型选择、命令与译文核对

Whisper 的 translate 任务可以把中文等非英语录音直接转成英文初稿，目标语言固定为英语。它不是任意语言互译按钮：--language Chinese 指的是输入录音语言，不是要求输出中文。最容易选错的是 turbo 模型，官方明确说明它没有接受翻译任务训练，即使指定 translate 也可能仍返回原语言。

下面用同一段中文录音分别生成原文和英文，方便回查误译。示例面向能使用终端的用户，采用 Python 3.11、CPU 和多语言 medium 模型。内容依据 2026 年 10 月 1 日核对的官方材料编写，未对示例录音运行模型；译文示例是人工构造的核对演示，不是实测效果。

一、先确认任务和模型没有选反

使用多语言模型，不使用 tiny.en、base.en 等仅英语模型，也不使用 turbo 承担翻译。官方建议翻译使用 medium 或 large；本文选 medium 只是给出一个明确配置，不表示你的硬件一定能快速运行。任务方向与模型限制见 Whisper 官方使用说明。

二、准备依赖与一段可人工核对的中文录音

在 PowerShell 中建立单独环境，下面固定使用 openai-whisper 20250625 发布版。FFmpeg 必须已经安装并可直接运行；安装方法可查上面的官方说明。录音命名为 brief-zh.wav，放到当前目录，先使用自己有权处理的一段短录音。

py -3.11 -m venv .venv-whisper-translate
.\.venv-whisper-translate\Scripts\python.exe -m pip install --upgrade pip
.\.venv-whisper-translate\Scripts\python.exe -m pip install openai-whisper==20250625
ffmpeg -version
.\.venv-whisper-translate\Scripts\whisper.exe --help

首次运行需要下载模型，磁盘要留出缓存空间。CPU 可以作为入门验证路径，但大模型可能处理较慢；先完成短片段，记录真实耗时后再考虑长录音。不要把别人机器上的速度数字当成自己的交付时间。

三、同一个模型生成原文与英文，放入不同目录

先生成中文原稿：

.\.venv-whisper-translate\Scripts\whisper.exe brief-zh.wav --model medium --model_dir .\models-translate --device cpu --fp16 False --language Chinese --task transcribe --output_dir .\out-original --output_format txt

再生成英文译稿：

.\.venv-whisper-translate\Scripts\whisper.exe brief-zh.wav --model medium --model_dir .\models-translate --device cpu --fp16 False --language Chinese --task translate --output_dir .\out-english --output_format txt

完成后，中文在 out-original\brief-zh.txt，英文在 out-english\brief-zh.txt。目录分开可以避免相同文件名覆盖原文。需要字幕时，把两条命令的输出格式分别改成 srt，再检查各自时间轴；译文和原文的分句未必逐行一一对应。

这两次调用都直接读取音频。第二条不会读取并翻译第一条生成的中文稿，所以手动改好中文稿后，重跑 translate 不会自动继承你的修改。若需要术语完全受控，可在校对中文稿后另走文本翻译流程。参数语义依据 官方 CLI 代码。

四、用“事实是否相同”核对译文

下面是人工编写的练习句，不是模型输出。你可以照着录一小段，再检查工具有没有保留这些意思：

原句：请在下周三之前提交十五份样品，不要先付款。

人工参考译文：Please submit fifteen samples before next Wednesday. Do not pay in advance.

先对照音频修正中文原稿，再查英文中的数量 fifteen、截止时间 before next Wednesday 和否定动作 do not pay。把 fifteen 写成 fifty，或漏掉否定词，即使英语自然也属于不可接受的事实错误。无需强求译文与参考句逐字相同，但人物、数量、单位、时间、义务和否定关系必须一致。

建议建立三列校对表：音频时间位置、人工确认的中文、英文需改处。先抽查高风险信息，再完整听读最终稿；公开课程、客户材料或正式纪要，应由能理解两种语言的人确认。官方模型卡提示了幻觉和语言表现差异，翻译同样需要核验。

五、输出异常时按顺序排查

• 结果仍是中文：先检查模型是否为 turbo、命令是否确实包含 --task translate，再确认打开的是 out-english 文件。
• 译文完全不相关：检查录音是否有真实讲话、文件路径是否正确、language 是否匹配输入；长静音生成的文字要回听删除。
• 术语译法反复变化：保留原音、中文校对稿和英文稿，对照统一术语；不能用听起来更专业的猜测替代原话。
• 模型下载或内存失败：先处理缓存、磁盘和环境问题，再用较小的多语言模型对短样片验证流程；更小模型仍需重新检查翻译质量。

可以只保留英文吗？

临时阅读可以，但要对外发布或用于重要决策，应保存原录音与校对后的中文稿。出现歧义时，只有英文初稿无法证明原始讲话到底是什么。若最终成品是视频，还需要字幕长度、排版与导出复查，可参考本站的 视频翻译与本地化流程说明。