EchoLingo · 回声语言

导入视频

把英语视频拖进来

拖进来就会自动识别，说过的每一句话会逐句出现在右边。支持 mp4 / mov / mkv / webm / mp3 / m4a / wav。

选择视频或音频

导入后自动识别；视频与音频全程留在本机。

识别模型：待加载翻译模型：待加载网络：检测中

包含字幕修改、播放位置、收藏和复习进度；不含视频或账号凭据。

界面语言

应用外壳（页面、脚本、样式、基础词典）在首次打开时就会写入浏览器缓存。模型文件体积较大，会在你第一次识别或翻译时顺带缓存；想一次到位就点下面的「全部缓存到本机」。缓存完成后断开网络同样可用。视频文件本身从不离开本机。

导入视频后自动识别（推荐）识别模型

模型越大越准、也越慢。Base 对付俚语、连读和口音明显更好；Tiny 适合配置较低的机器。切换后需要重新载入模型。

逐词时间戳翻译方式朗读语音朗读语速字体大小逐词跟读高亮

识别精度与速度由上面的「识别模型」决定，两个模型都在本机、离线可用；换更大的模型更准，代价是首次加载变慢、单机推理时间成倍上升。

查词时自动暂停播放

打开词卡会自动暂停；关闭后，只有打开前正在播放且你中途没有暂停时才会继续。

西语模式显示英文翻译列播放时自动跟随当前句

最近打开的文件名、已识别字幕与播放位置只保存在这台设备的浏览器里。网页不能保留本机文件路径，重新打开时需要你再次选择同一个文件。

很多英语视频把英文字幕直接烧进了画面，盯着它看其实是在做阅读理解。开启后这段字幕会被就地模糊，逼自己先听；按住 Alt 可以临时揭开核对原文。全程在本机完成。

开启画面字幕遮罩遮罩样式模糊强度自动定位字幕位置

上边界下边界

边界是相对画面高度的百分比。自动定位不准时，直接把上/下边界拖到字幕刚好被盖住的位置。

识别使用 whisper-tiny.en 量化模型，速度优先，适合口齿清晰的讲解类内容。翻译使用 opus-mt-en-zh，句子级意译，长句与俚语会有偏差。两种结果都只是辅助，精读时请以原文为准。若你有现成的人工字幕，直接导入 srt / vtt 会得到最准确的双语对照。