字幕流程迭代一個月，最後還是接上了 Gemini API

2026年7月17日 · 閱讀時間約 3 分鐘

上個月弄了一個「產生字幕、翻譯字幕」的流程，自己一直有在慢慢嘗試、迭代，沒想到竟然默默過一個月了！？

比如說 faster-whisper 的參數可以照自己的喜好調整敏感度，就算是遇到一長串重複字的情況，也不一定要把參數調得保守，自己後處理一下也沒啥問題。

再來就是「Qwen3:8B」 vs 「Qwen3.5:4B」 vs 「Gemma E4B」的對決了，我無聊測了幾個模型，最後是比較喜歡 Gemma，又快又準，但差異沒有到很大啦。

然後我就想到，就跟之前在「相關文章」那篇一樣......有 Gemini API 可以接啊！！

免費版的「Gemini 3.1 Flash Lite」每天可以打 500 次，我一次送個 1000 句翻譯，一次就成功，這樣只消耗一次對話。就算遇到內容審查被擋掉，改拆成 200 句去送後也就沒問題了。

他的「Gemma 4 31B」以及「Gemma 4 26B」每天也有各一萬多次的對話可以用，再怎麼說也比自己跑「Gemma E4B」好多了，不論速度還是精準度。

這就好像吹氣球，你可以保留自己嘴巴吹、用手動的打氣筒的選項，但直接去外面跟別人借電動的絕對是更省事一點。

就算真的要付費，目前 Gemini 的方式也很不錯，預付一次 10 美金就有很多的量可以用，只要設好限制就不怕被刷爆。

除了把自己寫的那套接到 Gemini 以外，也可以直接用這個 gemini-srt-translator 更省事，用起來是沒啥問題，只是我習慣用自己的就好，反正都寫好了，也感受不出差異。

當然，語言這種東西還是要自己學一點，才能領會到表達者在口語或文字上的意境，這是翻譯沒辦法取代的部分。

（啊，好像也可以把音訊丟給 Gemini 的模型當翻譯參考，不過那不是重點。）

最近從 B 站抓了點影片回來，發現 1080P/24FPS/AV1/300kbps 品質竟然還不錯，跟 H.264/6000kbps 好像也沒差多少，超級震驚！！！

音訊的話 AAC/192kbps 也夠用，沒什麼問題。我的 FLAC，也傾向轉成 AAC/256kbps 放手機的記憶卡上。