基于Whisper-large-v3的多语言翻译系统开发

优质文章学习记录

06 Apr 2026 — 20 min read

基于Whisper-large-v3的多语言翻译系统开发

想象一下这样的场景：一场国际线上会议正在进行，参会者来自世界各地，说着不同的语言。一位德国同事用德语发言，一位日本伙伴用日语提问，而你作为会议组织者，需要实时理解所有人的发言，并确保沟通顺畅。传统做法是雇佣多名翻译，成本高昂且响应延迟。现在，有了基于Whisper-large-v3构建的多语言翻译系统，这一切都可以自动化完成，而且成本只是传统方案的零头。

本文将带你一步步构建这样一个系统，从语音识别到文本翻译，形成一个完整的流水线。无论你是想为跨国团队开发内部工具，还是想为内容平台添加多语言字幕功能，这套方案都能为你提供一个坚实的起点。

1. 为什么选择Whisper-large-v3？

在开始动手之前，我们先聊聊为什么Whisper-large-v3是构建多语言翻译系统的理想选择。

Whisper-large-v3是OpenAI开源的语音识别模型，它最大的特点就是“多语言”和“高精度”。这个模型在超过100万小时的音频数据上训练过，支持99种语言的识别，包括英语、中文、法语、德语、日语、韩语等主流语言，甚至还能识别一些方言。

对于翻译系统来说，Whisper有几个关键优势：

识别准确率高：在标准测试集上，Whisper-large-v3的识别准确率已经接近甚至超过人类水平。这意味着翻译的起点——语音转文字——就足够可靠。

自带语言检测：你不需要额外写代码来判断说话者用的是哪种语言，Whisper会自动检测并选择对应的识别模型。

支持长音频：模型内置了处理长音频的机制，可以自动分段识别，再拼接成完整文本，非常适合会议、讲座等场景。

开源免费：作为开源项目，你可以免费使用、修改和部署，不用担心授权费用。

不过要记住，Whisper本身只负责“听”——把语音转换成文字。要完成翻译，我们还需要一个“译”的环节，这就是我们接下来要构建的流水线。

2. 系统架构设计：从听到译的完整流程

一个完整的翻译系统需要处理多个环节。下面这张图展示了我们系统的整体架构：

graph TD A[音频输入] --> B[Whisper语音识别] B --> C{语言检测} C -->|源语言| D[文本预处理] C -->|目标语言| E[翻译模型选择] D --> F[机器翻译] E --> F F --> G[译文后处理] G --> H[输出结果]

整个流程可以分解为四个核心阶段：

第一阶段：语音识别 音频文件或实时音频流输入系统，Whisper-large-v3模型负责将语音转换为文字。这里Whisper会做两件事：一是识别说话内容，二是判断使用的是哪种语言。

第二阶段：文本预处理 识别出的原始文本可能包含一些口语化表达、重复词或识别错误。预处理环节会进行简单的清洗和修正，比如去掉“嗯”、“啊”这样的语气词，修正明显的识别错误。

第三阶段：机器翻译 这是系统的核心翻译环节。根据源语言（说话者使用的语言）和目标语言（需要翻译成的语言），选择合适的翻译模型进行转换。我们可以使用专门的翻译模型，也可以利用大语言模型的翻译能力。

第四阶段：后处理与输出 翻译后的文本可能需要调整格式，比如添加时间戳、分段，或者根据上下文优化表达，最后输出给用户。

这个架构的好处是模块化——每个环节相对独立，你可以根据实际需求替换或优化某个模块。比如，如果你对某个语言的翻译质量不满意，可以单独更换那个语言的翻译模型，而不影响其他部分。

3. 环境搭建与快速部署

好了，理论讲得差不多了，现在开始动手。首先确保你的开发环境准备就绪。

3.1 基础环境要求

我建议使用Python 3.9或更高版本，因为很多新的AI库对旧版本支持不太好。硬件方面，如果有GPU会快很多，特别是处理长音频时。不过CPU也能跑，只是速度会慢一些。

先创建一个独立的Python环境，避免包冲突：

# 创建虚拟环境 python -m venv whisper_translate_env # 激活环境（Linux/Mac） source whisper_translate_env/bin/activate # 激活环境（Windows） whisper_translate_env\Scripts\activate

3.2 安装核心依赖

接下来安装必要的Python包。这里我列出了一个经过测试的版本组合，可以避免常见的兼容性问题：

# 安装PyTorch（根据你的硬件选择） # 如果有NVIDIA GPU pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118 # 如果只有CPU pip install torch torchaudio --index-url https://download.pytorch.org/whl/cpu # 安装Whisper相关库 pip install transformers==4.41.2 pip install accelerate pip install datasets # 安装翻译相关库 pip install sentencepiece pip install sacremoses # 音频处理工具 pip install pydub pip install ffmpeg-python

注意：ffmpeg是处理音频文件的关键工具。如果系统里没有安装ffmpeg，需要先安装它：

Ubuntu/Debian: sudo apt-get install ffmpeg
Mac: brew install ffmpeg
Windows: 从官网下载可执行文件，或者通过conda安装：conda install ffmpeg

3.3 快速测试Whisper识别

环境装好后，我们先写个简单的测试脚本，确保Whisper能正常工作：

import torch from transformers import pipeline import torchaudio # 检查是否有GPU可用 device = "cuda:0" if torch.cuda.is_available() else "cpu" print(f"使用设备: {device}") # 创建语音识别管道 pipe = pipeline( "automatic-speech-recognition", model="openai/whisper-large-v3", device=device, ) # 测试一个音频文件（假设你有一个test_audio.mp3文件） try: result = pipe("test_audio.mp3") print("识别结果:", result["text"]) except FileNotFoundError: print("找不到测试音频文件，跳过识别测试") # 我们可以用代码生成一个简单的测试音频 import numpy as np import soundfile as sf # 生成1秒的测试音频（440Hz正弦波） sample_rate = 16000 t = np.linspace(0, 1, sample_rate) audio_data = 0.5 * np.sin(2 * np.pi * 440 * t) # 保存为临时文件 sf.write("temp_test.wav", audio_data, sample_rate) # 测试识别（当然这个正弦波没有语音内容） result = pipe("temp_test.wav") print("测试音频识别结果:", result["text"])

如果一切正常，你会看到模型加载信息，然后输出识别结果（对于正弦波，可能是一些无意义的词）。这个测试确认了Whisper的基本功能是正常的。

4. 构建完整的翻译流水线

现在进入核心部分——把语音识别和机器翻译连接起来。我们将构建一个TranslationPipeline类，封装整个流程。

4.1 翻译流水线核心代码

import torch from transformers import pipeline, AutoModelForSeq2SeqLM, AutoTokenizer from typing import Optional, Dict, Tuple import warnings warnings.filterwarnings("ignore") class MultilingualTranslationSystem: """多语言翻译系统核心类""" def __init__(self, whisper_model: str = "openai/whisper-large-v3", translation_models: Optional[Dict[str, str]] = None, device: Optional[str] = None): """ 初始化翻译系统 参数: whisper_model: Whisper模型名称或路径 translation_models: 各语言对的翻译模型配置 device: 运行设备 (cuda:0, cpu等) """ self.device = device or ("cuda:0" if torch.cuda.is_available() else "cpu") print(f"初始化翻译系统，使用设备: {self.device}") # 初始化Whisper语音识别 print("加载Whisper语音识别模型...") self.asr_pipe = pipeline( "automatic-speech-recognition", model=whisper_model, device=self.device, torch_dtype=torch.float16 if "cuda" in self.device else torch.float32, ) # 初始化翻译模型 print("加载翻译模型...") self.translation_models = translation_models or self._get_default_models() self.translators = {} # 预加载常用的翻译模型 self._preload_translation_models() def _get_default_models(self) -> Dict[str, str]: """获取默认的翻译模型配置""" return { "en-zh": "Helsinki-NLP/opus-mt-en-zh", "zh-en": "Helsinki-NLP/opus-mt-zh-en", "en-de": "Helsinki-NLP/opus-mt-en-de", "de-en": "Helsinki-NLP/opus-mt-de-en", "en-ja": "Helsinki-NLP/opus-mt-en-ja", "ja-en": "Helsinki-NLP/opus-mt-ja-en", "en-fr": "Helsinki-NLP/opus-mt-en-fr", "fr-en": "Helsinki-NLP/opus-mt-fr-en", "en-ko": "Helsinki-NLP/opus-mt-en-ko", "ko-en": "Helsinki-NLP/opus-mt-ko-en", } def _preload_translation_models(self): """预加载翻译模型到内存""" # 先加载几个最常用的 common_pairs = ["en-zh", "zh-en", "en-de", "de-en"] for pair in common_pairs: if pair in self.translation_models: try: print(f"预加载翻译模型: {pair}") model_name = self.translation_models[pair] translator = pipeline( "translation", model=model_name, device=self.device, ) self.translators[pair] = translator except Exception as e: print(f"加载模型 {pair} 失败: {e}") def transcribe_audio(self, audio_path: str) -> Tuple[str, str]: """ 转录音频文件 参数: audio_path: 音频文件路径 返回: (转录文本, 检测到的语言) """ print(f"开始转录: {audio_path}") # 使用Whisper进行语音识别 result = self.asr_pipe( audio_path, generate_kwargs={"task": "transcribe"} ) text = result["text"].strip() # 从结果中提取语言信息 # Whisper的结果中可能包含语言标记 language = "unknown" if "language" in result: language = result["language"] elif "lang" in result: language = result["lang"] print(f"转录完成 - 语言: {language}, 文本长度: {len(text)} 字符") return text, language def translate_text(self, text: str, source_lang: str, target_lang: str) -> str: """ 翻译文本 参数: text: 要翻译的文本 source_lang: 源语言代码 (如 'en', 'zh', 'de') target_lang: 目标语言代码 返回: 翻译后的文本 """ if not text or len(text.strip()) == 0: return "" pair_key = f"{source_lang}-{target_lang}" # 如果对应翻译模型未加载，则动态加载 if pair_key not in self.translators: if pair_key in self.translation_models: print(f"动态加载翻译模型: {pair_key}") try: translator = pipeline( "translation", model=self.translation_models[pair_key], device=self.device, ) self.translators[pair_key] = translator except Exception as e: print(f"加载翻译模型失败: {e}") return f"[翻译失败: 无法加载模型 {pair_key}]" else: # 如果没有对应的专门模型，使用英语作为中转 print(f"没有直接的 {pair_key} 翻译模型，使用英语中转") return self._translate_via_english(text, source_lang, target_lang) # 执行翻译 try: translator = self.translators[pair_key] result = translator(text, max_length=512) translated_text = result[0]["translation_text"] return translated_text except Exception as e: print(f"翻译过程出错: {e}") return f"[翻译失败: {str(e)}]" def _translate_via_english(self, text: str, source_lang: str, target_lang: str) -> str: """通过英语中转进行翻译（当没有直接翻译模型时）""" # 先翻译到英语 if source_lang != "en": en_text = self.translate_text(text, source_lang, "en") else: en_text = text # 再从英语翻译到目标语言 if target_lang != "en": final_text = self.translate_text(en_text, "en", target_lang) else: final_text = en_text return final_text def process_audio_translation(self, audio_path: str, target_language: str = "zh") -> Dict[str, str]: """ 完整的音频翻译流程 参数: audio_path: 音频文件路径 target_language: 目标语言代码 返回: 包含原始文本、检测语言和翻译结果的字典 """ print(f"\n开始处理音频翻译: {audio_path}") print(f"目标语言: {target_language}") # 步骤1: 语音识别 original_text, detected_lang = self.transcribe_audio(audio_path) # 步骤2: 文本翻译 if detected_lang.lower() != target_language.lower(): translated_text = self.translate_text( original_text, detected_lang, target_language ) else: translated_text = original_text print("源语言与目标语言相同，跳过翻译") # 返回结果 return { "original_text": original_text, "detected_language": detected_lang, "translated_text": translated_text, "target_language": target_language }

这个类封装了完整的翻译流程。它有几个关键特点：

懒加载机制：不是一次性加载所有翻译模型，而是按需加载，节省内存。
语言中转支持：如果两个语言之间没有直接翻译模型，会自动通过英语中转。
错误处理：每个环节都有try-catch，避免单个失败导致整个流程崩溃。

4.2 实际使用示例

让我们用这个系统处理几个实际场景：

def main(): """主函数：演示翻译系统的使用""" # 初始化翻译系统 print("=" * 50) print("多语言翻译系统初始化") print("=" * 50) translator = MultilingualTranslationSystem() # 示例1：处理英语音频，翻译成中文 print("\n示例1: 英语 -> 中文") print("-" * 30) # 假设我们有一个英语音频文件 # 这里用文本模拟，实际使用时替换为真实音频文件路径 test_cases = [ { "name": "商务会议片段", "audio_path": "meeting_en.mp3", # 替换为实际文件 "target_lang": "zh" }, { "name": "技术讲座片段", "audio_path": "lecture_de.mp3", # 替换为实际文件 "target_lang": "en" } ] for i, test in enumerate(test_cases, 1): print(f"\n处理测试用例 {i}: {test['name']}") try: # 在实际使用中，这里会处理真实的音频文件 # 为了演示，我们模拟一个结果 if "en.mp3" in test["audio_path"]: # 模拟英语识别结果 result = { "original_text": "Hello everyone, welcome to today's meeting. Let's discuss the quarterly sales report.", "detected_language": "en", "translated_text": "大家好，欢迎参加今天的会议。让我们讨论一下季度销售报告。", "target_language": test["target_lang"] } elif "de.mp3" in test["audio_path"]: # 模拟德语识别结果 result = { "original_text": "Guten Tag, heute sprechen wir über künstliche Intelligenz und maschinelles Lernen.", "detected_language": "de", "translated_text": "Good day, today we will talk about artificial intelligence and machine learning.", "target_language": test["target_lang"] } else: # 对于其他文件，使用真实处理（如果文件存在） result = translator.process_audio_translation( test["audio_path"], test["target_lang"] ) # 打印结果 print(f"检测到的语言: {result['detected_language']}") print(f"原始文本: {result['original_text'][:100]}...") print(f"翻译文本: {result['translated_text'][:100]}...") except Exception as e: print(f"处理失败: {e}") # 提供备用方案：手动输入文本进行翻译测试 print("尝试文本翻译测试...") test_text = "This is a test of the translation system." translated = translator.translate_text(test_text, "en", test["target_lang"]) print(f"测试翻译: '{test_text}' -> '{translated}'") # 示例2：批量处理多个文件 print("\n" + "=" * 50) print("示例2: 批量处理能力演示") print("=" * 50) # 模拟批量处理 audio_files = ["file1.mp3", "file2.wav", "file3.m4a"] target_lang = "zh" print(f"准备批量处理 {len(audio_files)} 个文件到 {target_lang}") for audio_file in audio_files: print(f"\n处理: {audio_file}") # 在实际使用中，取消下面的注释 # result = translator.process_audio_translation(audio_file, target_lang) # print(f"结果: {result['translated_text'][:50]}...") print("（模拟处理完成）") print("\n批量处理演示完成") if __name__ == "__main__": main()

这段代码展示了系统的两种使用方式：单文件处理和批量处理。在实际部署时，你可以根据需求调整——比如做成Web API服务，或者集成到现有的工作流中。

5. 性能优化与实用技巧

构建好基础系统后，我们来看看如何让它跑得更快、更稳、更好用。

5.1 加速推理的几种方法

Whisper-large-v3是个大模型，直接使用可能比较慢。下面是一些加速技巧：

使用量化版本：如果对精度要求不是极致，可以使用量化后的模型，速度能提升2-4倍。

# 使用8位量化（需要bitsandbytes库） from transformers import BitsAndBytesConfig import torch quantization_config = BitsAndBytesConfig( load_in_8bit=True, llm_int8_threshold=6.0 ) model = AutoModelForSpeechSeq2Seq.from_pretrained( "openai/whisper-large-v3", quantization_config=quantization_config, device_map="auto" )

批处理：如果有多个音频文件要处理，尽量批量进行，而不是一个个处理。

def batch_transcribe(audio_paths, batch_size=4): """批量转录音频文件""" results = [] for i in range(0, len(audio_paths), batch_size): batch = audio_paths[i:i+batch_size] print(f"处理批次 {i//batch_size + 1}: {len(batch)} 个文件") # 这里简化处理，实际需要适配批处理 for audio_path in batch: result = translator.transcribe_audio(audio_path) results.append(result) return results

使用更快的推理引擎：除了标准的PyTorch，还可以尝试ONNX Runtime或TensorRT，它们在某些硬件上能提供更好的性能。

5.2 处理长音频和实时流

对于会议录音、讲座等长音频，或者实时语音流，需要特殊处理：

长音频分段处理：

def process_long_audio(audio_path, chunk_duration=30): """处理长音频，分段识别""" import librosa # 加载音频 audio, sr = librosa.load(audio_path, sr=16000) total_duration = len(audio) / sr print(f"音频总时长: {total_duration:.1f}秒，将分段处理") chunks = [] for start in range(0, len(audio), int(chunk_duration * sr)): end = min(start + int(chunk_duration * sr), len(audio)) chunk = audio[start:end] # 保存临时文件或直接处理 # 这里简化处理 chunks.append(chunk) # 分段识别（实际需要保存为临时文件） print(f"分成 {len(chunks)} 段处理") return chunks

实时音频流处理（简化示例）：

import pyaudio import numpy as np import threading from queue import Queue class RealTimeTranslator: """实时翻译器（概念示例）""" def __init__(self, translator, chunk_duration=5): self.translator = translator self.chunk_duration = chunk_duration self.audio_queue = Queue() self.is_recording = False def start_recording(self): """开始录制音频""" self.is_recording = True self.recording_thread = threading.Thread(target=self._record_audio) self.recording_thread.start() def _record_audio(self): """录制音频到队列""" p = pyaudio.PyAudio() stream = p.open(format=pyaudio.paInt16, channels=1, rate=16000, input=True, frames_per_buffer=1024) print("开始录制...") while self.is_recording: data = stream.read(1024) self.audio_queue.put(data) stream.stop_stream() stream.close() p.terminate() def process_stream(self): """处理音频流并翻译""" audio_buffer = [] while self.is_recording or not self.audio_queue.empty(): if not self.audio_queue.empty(): data = self.audio_queue.get() audio_buffer.append(data) # 当积累足够时长的音频后处理 if len(audio_buffer) >= self.chunk_duration * 32: # 简化计算 # 处理音频块 audio_chunk = b''.join(audio_buffer) # 这里需要将音频数据转换为模型可处理的格式 # 然后调用翻译器处理 # 清空缓冲区（实际可能需要重叠） audio_buffer = audio_buffer[-16000:] # 保留1秒用于平滑

5.3 常见问题与解决方案

在实际使用中，你可能会遇到这些问题：

问题1：识别准确率不够高

解决方案：尝试使用generate_kwargs参数调整识别设置

result = pipe( audio_path, generate_kwargs={ "task": "transcribe", "language": "zh", # 明确指定语言（如果已知） "temperature": 0.0, # 降低随机性 "no_repeat_ngram_size": 3 # 避免重复词 } )

问题2：翻译结果不自然

解决方案：使用更高质量的翻译模型，或者添加后处理

def post_process_translation(text): """后处理翻译文本""" # 1. 修复常见的翻译问题 fixes = { "。": ".", # 中英文标点转换 "，": ",", "！": "!", "？": "?", } for old, new in fixes.items(): text = text.replace(old, new) # 2. 确保首字母大写（如果是句子开头） if text and len(text) > 1: text = text[0].upper() + text[1:] return text

问题3：内存占用太高

解决方案：使用CPU模式，或者卸载不常用的模型

# 动态加载和卸载模型 def unload_unused_models(translator, keep_pairs=["en-zh", "zh-en"]): """卸载不常用的翻译模型""" for pair in list(translator.translators.keys()): if pair not in keep_pairs: del translator.translators[pair] import gc gc.collect() if torch.cuda.is_available(): torch.cuda.empty_cache() print(f"已卸载模型: {pair}")

6. 实际应用场景与扩展

有了这个基础系统，你可以在很多场景中使用它。下面我列举几个实际的应用方向：

6.1 跨国会议实时翻译

这是最直接的应用。你可以开发一个桌面应用或Web服务，在会议中实时转录和翻译。

class MeetingTranslator: """会议翻译系统""" def __init__(self): self.translator = MultilingualTranslationSystem() self.participants = {} # 存储参会者语言偏好 self.history = [] # 存储对话历史 def add_participant(self, name, source_lang, target_lang): """添加参会者""" self.participants[name] = { "source_lang": source_lang, "target_lang": target_lang } def process_utterance(self, speaker, audio_data): """处理发言""" # 1. 保存音频到临时文件 temp_file = f"temp_{speaker}_{len(self.history)}.wav" # 保存audio_data到temp_file（实际代码需要实现） # 2. 识别和翻译 result = self.translator.process_audio_translation( temp_file, self.participants[speaker]["target_lang"] ) # 3. 记录到历史 self.history.append({ "speaker": speaker, "original": result["original_text"], "translated": result["translated_text"], "timestamp": time.time() }) return result["translated_text"]

6.2 视频内容多语言字幕

为YouTube视频、在线课程等生成多语言字幕：

def generate_subtitles(video_path, target_languages=["zh", "es", "fr"]): """为视频生成多语言字幕""" # 1. 提取音频 audio_path = extract_audio_from_video(video_path) # 2. 识别原始语言 translator = MultilingualTranslationSystem() original_text, source_lang = translator.transcribe_audio(audio_path) # 3. 生成时间戳（Whisper支持带时间戳的识别） result_with_timestamps = translator.asr_pipe( audio_path, return_timestamps=True ) # 4. 翻译到多种语言 subtitles = {} for lang in target_languages: if lang != source_lang: translated = translator.translate_text(original_text, source_lang, lang) subtitles[lang] = format_as_srt(translated, result_with_timestamps["chunks"]) return subtitles

6.3 客服电话自动翻译

处理跨国客服电话，自动记录和翻译：

class CustomerServiceTranslator: """客服电话翻译系统""" def __init__(self, storage_path="./call_records"): self.translator = MultilingualTranslationSystem() self.storage_path = storage_path os.makedirs(storage_path, exist_ok=True) def process_call(self, call_id, audio_path, agent_lang="en", customer_lang="auto"): """处理一通客服电话""" # 1. 分离双方音频（假设已经分离） agent_audio = f"{call_id}_agent.wav" customer_audio = f"{call_id}_customer.wav" # 2. 识别客服发言 agent_text, _ = self.translator.transcribe_audio(agent_audio) # 3. 识别客户发言并检测语言 customer_text, detected_lang = self.translator.transcribe_audio(customer_audio) # 4. 如果需要，翻译客户发言 if detected_lang != agent_lang: translated_customer = self.translator.translate_text( customer_text, detected_lang, agent_lang ) else: translated_customer = customer_text # 5. 保存记录 record = { "call_id": call_id, "agent_text": agent_text, "customer_original": customer_text, "customer_translated": translated_customer, "customer_language": detected_lang, "timestamp": datetime.now().isoformat() } # 保存到文件或数据库 record_file = os.path.join(self.storage_path, f"{call_id}.json") with open(record_file, "w", encoding="utf-8") as f: json.dump(record, f, ensure_ascii=False, indent=2) return record

7. 总结与下一步建议

通过本文，我们构建了一个基于Whisper-large-v3的完整多语言翻译系统。从环境搭建、模型加载，到完整的流水线设计，再到性能优化和实际应用，我们覆盖了从零开始构建这样一个系统的主要环节。

实际用下来，这套方案有几个明显的优点：首先是成本低，相比商业翻译服务，自建系统的长期成本要低得多；其次是灵活，你可以根据具体需求调整每个环节；最后是可扩展，随着新的翻译模型出现，你可以轻松替换或升级系统中的组件。

当然，实际部署时可能还会遇到一些挑战。比如，处理非常专业的领域术语时，通用翻译模型可能不够准确，这时候可能需要微调专门的领域模型。又比如，实时性要求极高的场景，可能需要进一步优化推理速度。

如果你打算在生产环境使用这个系统，我建议先从一个小规模的应用开始，比如先处理一些录制的会议音频，而不是直接用于实时会议。等系统稳定了，再逐步扩大使用范围。

技术总是在进步，Whisper-large-v3虽然现在很强，但未来肯定会有更好的模型出现。保持系统的模块化设计，就能在新技术出现时快速集成。比如，如果有了更快的语音识别模型，你只需要替换Whisper部分，而不需要重写整个系统。

最后，这套系统的价值不仅在于技术本身，更在于它能解决的实际问题。无论是帮助跨国团队沟通，还是让知识内容跨越语言障碍，技术的最终目的都是让人与人之间的交流更顺畅。希望这个系统能成为你实现这个目标的有用工具。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 ZEEKLOG星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

基于Whisper-large-v3的多语言翻译系统开发

优质文章学习记录