使用 OBS 與 localvocal 產生即時字幕與翻譯

OBS 中有個神奇的外掛叫 Localvocal，透過在電腦上跑 OpenAI Whisper 產生即時字幕，回放到 OBS 當中。另外還可以用 ChatGPT 將產生的英文字幕即時翻譯成中文，在現場轉播需要翻譯時可以說是救星。在這邊文章中我會帶大家安裝所需的套件，並進行簡易設定。

需準備器材

前置設定

  1. 前往 OBS 網站 下載並安裝 OBS。
  2. 前往 Localvocal Github，點擊頁面中的「Windows」下載並安裝 Localvocal。
    點擊裡面的 Windows 按鈕
  3. 前往 OBS URL Source Github，一樣點擊「Windows 下載安裝。等等串接 ChatGPT 會用到。
  4. 啟動 OBS，先建立一個媒體來源。
    媒體來源
  5. 瀏覽本機檔案後按下「確定」。
    媒體設定

測試 LocalVocal

  1. 在右方的「媒體來源」點擊三個點的按鈕後，點擊「濾鏡」。
  2. 在「音訊/影像屬性」下方點擊「+」，並選取「LocalVocal Transcription」。
  3. 視情況調整 Model 後按下「關閉」。（推薦 Whisper Small English） Model 設定

此時螢幕上應該會出現字幕。可以播放影片看看字幕是否正確生成。

串接 ChatGPT，設定翻譯

  1. 前往 platform.openai.com 新增 API 金鑰。
  2. 開啟 OBS，新增 URL Source。
    URL source
  3. 在出現的設定視窗中點擊「Setup Data Source」。
  4. 將 URL 與 headers 設定如下，在「Bearer」後面空一格貼上 API 金鑰。
    Header 設定
  5. 將 Dynamic Input 設定為在上個部分新增的 Localvocal Transcription 字幕。
  6. 勾選「Skip Empty」與「Skip Same」。
  7. 在 Body 中貼上以下文字： 
    {
 "model": "gpt-3.5-turbo-instruct",
 "prompt": "Translate the following English text to Traditional Chinese (Taiwan): '{input}'",
 "max_tokens": 7,
 "temperature": 0
}
    裡面的 model、prompt 與 max_tokens 都可以視狀況調整。model 的選擇可以參見 OpenAI 官方文件，選擇最適合的模型（現在應該是 gpt-4o）。max_tokens 也可以向上調整到 10 或是 20，避免文字翻譯到一半中斷。
  8. 在下方的 JSON Pointer 中輸入 /choices/0/text。
  9. 選擇「Save」。

接下來可以播放影片，看看中文是否出現在螢幕上。測試好之後，我們要將這些設定實際應用在錄音介面上。

設定錄音介面

  1. 連接錄音介面。
  2. 在「來源」的「+」中選取「音訊擷取裝置」。
  3. 選取完畢後，將「裝置」改為錄音介面。
  4. 刪除原本的「媒體來源」與「Localvocal Transcription」。
  5. 在「音效混音器」中會看到「音訊擷取裝置」，點擊三個點。 音效混音器
  6. 重複上面的「測試 Localvocal」段落，不過這次是在音訊擷取裝置上。
  7. 開啟 URL Source 的設定，重新在「Dynamic Input」上選擇「Localvocal Transcription」。

接下來可以對著麥克風講話，看看中英字幕是否出現在畫面上。如果有出現，恭喜你，設定大功告成！

– ltlnx 2025-03-20

標籤：隨想

如果想讓我知道您看過這個頁面，請點擊這個連結。運作原理。