开始转写
选好文件，剩下的交给照片流
- 01选择音视频
在项目文件页选择一个或多个音视频，也可以直接选择文件夹。
- 02打开转文字面板
点击文件页“面板 → 转文字和字幕”，确认要处理的文件。
- 03选择语言并开始
选择音频里实际使用的语言，点击“开始转写”。本地与云端使用同一个按钮，当前方式以面板提示为准。
完成后会在原媒体旁生成同名 SRT 字幕。已有字幕不会被覆盖，新结果会自动加上序号。正式使用前，建议先用一两分钟的素材检查人名、术语和时间点。
本地转写 / 第一步
下载环境，并告诉照片流它在哪里
第一次使用本地转写，需要准备“识别环境”和“模型”两样东西。环境负责运行识别程序，模型负责识别语音；两者要分别下载。下面先配置环境，推荐从 Faster-Whisper 开始。
- 01下载并解压环境包
打开与软件安装包相同的网盘目录：百度网盘（提取码 nzhf） 或 夸克网盘。下载 PhotoFlow-Whisper-Runtime 环境压缩包（文件名可能带版本号），右键选择“全部解压”。不要直接在压缩包里使用。
- 02开启本地转写
打开照片流，进入“设置 → 视频播放 → 转文字”，勾选“启用本地转写”。
- 03选择识别引擎
“识别引擎”选择 Faster-Whisper。无需安装 Python、旧版转文字插件或其他依赖。
- 04选择解压后的环境目录
在“识别环境目录”右侧点击“选择目录”，选中刚解压出来的 PhotoFlow-Whisper-Runtime 文件夹。不要选它里面的 runtime 文件夹。
- 05检查模型根目录
在“模型根目录”右侧点击“选择目录”，选中环境包里的 model 文件夹。第一次选择环境时通常会自动填好，检查一下即可。
例如解压到 D:\PhotoFlow-Runtimes 后，环境目录是 D:\PhotoFlow-Runtimes\PhotoFlow-Whisper-Runtime，模型根目录是 D:\PhotoFlow-Runtimes\PhotoFlow-Whisper-Runtime\model。
本地转写 / 第二步
下载模型，放进 model 文件夹
环境包里没有模型权重，所以只选环境还不能转写。推荐先下载 Large V3 Turbo，兼顾速度和效果。
- 01下载完整模型
打开 Large V3 Turbo 模型页，进入“Files and versions”，下载页面里的全部文件。只下载 model.bin 不够，也不要下载原版 Whisper 的 .pt 文件。
- 02新建模型文件夹
在上一步设置的模型根目录中新建 large-v3-turbo 文件夹。文件夹名必须完全一致，使用小写和英文连字符。
- 03把下载文件直接放进去
将模型页下载的所有文件放进 large-v3-turbo，不要再套一层同名文件夹，也不要只放快捷方式或下载链接。
- 04刷新并选择模型
回到“设置 → 视频播放 → 转文字”，点击“刷新模型列表”，在“模型”中选择 Large V3 Turbo。能够选中，说明照片流已经找到必要的模型文件。
按照前面的示例，模型最终位置如下：
D:\PhotoFlow-Runtimes\PhotoFlow-Whisper-Runtime\
├─ bundle.json
├─ files.sha256.json
├─ runtime\
└─ model\ ← 设置中的“模型根目录”
└─ large-v3-turbo\ ← 自己新建的模型文件夹
├─ model.bin
├─ config.json
├─ tokenizer.json
└─ 其余从模型页下载的配套文件其他设置怎么选？
其他 Whisper 模型下载
照片流目前支持以下 16 个 Whisper 权重。点击“下载模型”打开对应的 Hugging Face 页面，同样进入“Files and versions”下载全部文件。这里列出的都是 Faster-Whisper 可用的 CTranslate2 版本，不要换成原版 Whisper 权重。
| 设置里的名称 | 语言与适用场景 | 去哪里下载 | 本地子文件夹名 |
|---|---|---|---|
| Tiny | 多语言；速度最快，适合先测试流程 | 下载模型 | tiny |
| Tiny English | 仅英语；速度最快 | 下载模型 | tiny.en |
| Base | 多语言；轻量，配置较低时可试 | 下载模型 | base |
| Base English | 仅英语；轻量 | 下载模型 | base.en |
| Small | 多语言；速度与效果较均衡 | 下载模型 | small |
| Small English | 仅英语；速度与效果较均衡 | 下载模型 | small.en |
| Medium | 多语言；质量更高，速度较慢 | 下载模型 | medium |
| Medium English | 仅英语；质量更高，速度较慢 | 下载模型 | medium.en |
| Large V1 | 多语言；旧版大模型，一般优先新版 | 下载模型 | large-v1 |
| Large V2 | 多语言；旧版大模型，一般优先新版 | 下载模型 | large-v2 |
| Large V3 | 多语言；高质量，更耗时间和资源 | 下载模型 | large-v3 |
| Large V3 Turbo | 推荐；多语言，兼顾速度和效果 | 下载模型 | large-v3-turbo |
| Distil Large V2 | 仅英语；大模型的加速版 | 下载模型 | distil-large-v2 |
| Distil Large V3 | 仅英语；大模型的加速版 | 下载模型 | distil-large-v3 |
| Distil Medium English | 仅英语；较轻量的加速版 | 下载模型 | distil-medium.en |
| Distil Small English | 仅英语；最小的蒸馏版 | 下载模型 | distil-small.en |
模型也可以放在其他磁盘：在“模型根目录”中选择该文件夹，再按表中的“本地子文件夹名”分别建立目录。模型越大，通常下载越慢、占用空间越多，转写也需要更多时间和内存或显存。
可选引擎
需要 Kimi-Audio 时再配置这一套
普通采访和对白转写使用上面的 Faster-Whisper 即可，不必同时安装 Kimi-Audio。Kimi-Audio 需要支持 BF16 的 NVIDIA CUDA 显卡，当前不能使用 CPU。
- 01准备独立环境
从上面的网盘目录下载并解压 PhotoFlow-Kimi-Audio-Runtime，在设置中把引擎切换为 Kimi-Audio，再选择它的解压根目录。不要复用 Whisper 环境。
- 02下载三组模型文件
下载完整的 Kimi 主模型、Whisper 音频编码器和 GLM 语音分词器，包括权重全部分片与配套文件。
- 03按指定结构放置
在模型根目录中建立 kimi-audio-7b-instruct，再在它里面建立 whisper-large-v3 和 glm-4-voice-tokenizer。三组文件按下方的目录结构放置。
- 04刷新并开始
点击“刷新模型列表”，选择 Kimi-Audio 7B Instruct。量化先保持“自动”，分段时长先保持默认，再用短素材测试。
模型根目录\
└─ kimi-audio-7b-instruct\
├─ Kimi 主模型的全部文件和权重分片
├─ whisper-large-v3\
│ └─ Whisper 音频编码器的全部文件
└─ glm-4-voice-tokenizer\
└─ GLM 语音分词器的全部文件云端识别
不想配置环境，可以直接用云端
关闭“启用本地转写”即使用云端。云端需要登录照片流账号，按实际处理的人声音频时长计费：每有效分钟 2 额度，按秒折算，不按整分钟向上取整。
照片流会先在电脑上提取音频、过滤没有人声的部分，再上传保留的音频片段，不上传原视频画面。本地转写失败不会自动改用云端，也不会自动产生云端费用。
转写完成后
搜字幕、跳到原片，顺手标记片段
打开音视频即可读取对应 SRT。点击“显示全部字幕”，可以汇总并搜索当前文件夹里的字幕。
开启“跟随播放”可高亮当前字幕；点击字幕整行或时间，可跳到原媒体的对应位置。
在播放器或“标记”页保存片段，拖动时间线端点调整范围，并给片段填写注释。没有字幕也能标记。
字幕保存为 SRT；片段标记和注释保存在工作区数据库，备份项目时别漏掉数据库。
仅浏览和搜索字幕不需要额外插件；要在视频画面上显示字幕，需要“高级视频解码”插件。
常见问题
本地转写配置检查
提示“缺少模型”或模型不能选择？
依次检查：模型根目录是否指向 model；所选模型的子文件夹名是否与下载表完全一致；模型文件是否直接放在该子文件夹中；是否从对应的 CTranslate2 模型页下载了全部文件。修改后点击“刷新模型列表”。
提示识别环境无效或文件不完整？
确认选择的是解压后的环境根目录，能直接看到 bundle.json 和 files.sha256.json。不要修改 runtime 里的文件；如果解压中断或文件被删，请重新解压原始环境包。
可以不用安装 Python 吗？可以把模型放在别的盘吗？
都可以。环境包已包含运行所需组件，无需另装 Python。模型根目录也可以选择其他磁盘上的文件夹，只要按模型 ID 建立子目录并放入完整模型。
没有 NVIDIA 显卡能用吗？
Faster-Whisper 可以使用 CPU，计算设备选 CPU、计算精度选 int8 即可，速度会慢一些。Kimi-Audio 当前需要支持 BF16 的 NVIDIA CUDA 显卡。
本地转写需要登录或消耗额度吗？
不需要登录，也不消耗云端额度，音视频在本机处理。云端识别才需要登录和额度。