资料均来自网络，来源在文后列出。这一方法感觉并不经济，实时翻译时需要显卡持续运行，如果看一个数小时的电影，也要运行几小时的模型。因此更实惠的方法是识别音频生成字幕后，用ai翻译后再导入字幕。