视频字幕翻译算子，支持从视频中提取字幕并进行多语言翻译。用户可以选择通过 OCR 识别画面内嵌字幕，或通过 ASR 提取音频字幕，再对识别出的字幕进行精修和翻译，输出多种格式的字幕文件。

算子介绍

适用场景

视频出海：跨越不同国界的视频交流，涵盖短剧、动画、电影、电商视频等多个领域。

教育行业：对专业视频进行翻译，可适配具有不同口音、不同表达习惯以及包含繁杂专业名词的视频。

核心能力

双字幕来源：支持 OCR 识别画面内嵌字幕和 ASR 提取音频字幕两种方式。

多种精度级别：每种字幕来源均支持低精度和高精度两档配置，满足不同场景需求。

多语言翻译：支持 25 种语言的字幕翻译，包括中文、英文、日文、韩文、法文、德文、西班牙文等。

多格式输出：支持同时输出多种格式的字幕文件。

双语字幕识别：OCR 模式支持识别翻译型双语字幕和对话型双语字幕。

效果展示

输入视频

Replay

Play
00:00 / 02:20 Live

00:00

Fullscreen

Cssfullscreen

1x

2x
1.5x
1x
0.75x
0.5x

Click and hold to drag

结果示例1：

关键参数：ASR 高精度识别字幕、翻译成日韩英三语

"caption_source": "asr_high_precision",
"audio_language": "zh-CN",
"output_language": ["ko-KR","ja-JP","en-US"],
"caption_format": [".srt"],

输出结果示例

asr-high.zip

结果示例2：

关键参数：OCR 高精度识别字幕、翻译成日韩英三语

"caption_source": "ocr_high_precision",
"audio_language": "zh-CN",
"output_language": ["ko-KR","ja-JP","en-US"],
"caption_format": [".srt"],

输出结果示例

ocr-high.zip

优势

全面性：提供多元化的字幕生成方式，针对视频画面中无字幕的场景，也可根据音频生成对应的字幕。

准确性：具备更高的字幕提取准确性，在专业名称繁杂且重音现象严重的教育场景中表现尤为突出；具备更高的翻译准确性，为带有口音的视频提供更精准的翻译。

高性价比：拥有多种模式可供选择，能够针对不同场景提供最具性价比的方案。

字幕来源说明

字幕来源	说明	适用场景
ocr_low_precision	OCR 低精度，从画面提取内嵌字幕	视频分辨率至少为360p，字幕文字占画面比例大于5%，适合快速处理
ocr_high_precision	OCR 高精度，从画面提取内嵌字幕	视频内非字幕文字内容较多，且字幕占画面比例小于5%，对字幕精度有较高要求
asr_low_precision	ASR 低精度，从音频提取字幕	无内嵌字幕或字幕不清晰、咬字清晰、说话标准的视频
asr_high_precision	ASR 高精度，音频提取+视频理解精修字幕	专业名称繁杂且重音现象严重的教育场景

支持的语言

音频识别和字幕翻译支持的语言如下：

语言代码	语言名称
zh-CN	中文（简体）
en-US	英语（美国）
ja-JP	日语
id-ID	印尼语
es-MX	西班牙语（墨西哥）
pt-BR	葡萄牙语（巴西）
de-DE	德语
fr-FR	法语
ko-KR	韩语
fil-PH	菲律宾语
ms-MY	马来语
th-TH	泰语
ar-SA	阿拉伯语
it-IT	意大利语
bn-BD	孟加拉语
el-GR	希腊语
nl-NL	荷兰语
ru-RU	俄语
tr-TR	土耳其语
vi-VN	越南语
pl-PL	波兰语
ro-RO	罗马尼亚语
ne-NP	尼泊尔语
uk-UA	乌克兰语
yue-CN	粤语

算子性能

细分项	性能影响说明
最大 RPM	600
最大并发数	10
耗时	总耗时主要受视频时长、字幕来源类型、输出语言数量、字幕格式数量影响。 OCR 模式耗时与视频时长和模式精度成正比。 ASR 高精度模式耗时较长，因涉及视频理解精修字幕。翻译耗时与字幕条数和输出语言数量成正比。

输入与输出要求

输入要求

细分	详细要求
支持的输入数据模态	视频
输入格式：视频	格式：mp4、mov、avi、mkv、flv、webm。大小：最短 10 秒，最长 4 小时。
输入路径要求	通过请求参数 video_url 提供给算子输入数据，当前支持公网 URL、TOS 路径这两种方式。公网 URL：公网可访问的视频 URL，格式为 http/https。公网 URL 不支持需要登录态或额外 Header 鉴权的地址；临时 URL 需在任务执行期间有效。 TOS 路径：将待处理数据上传至与当前 LAS 服务同主账号、同地域的 TOS Bucket后，可提供 TOS 路径，格式为tos://bucket_name/demo/。 TOS 对象需存在且具备读取权限。

输出要求

细分	详细要求
输出数据模态	文本（字幕文件）
输出格式：字幕文件	格式：.txt、.srt、.xml、.vtt。
输出路径：TOS	通过请求参数caption_output_path 指定算子输出结果的存储路径，当前支持设置为 TOS 路径。 TOS 路径：与LAS服务同主账号、同地域下，有可写权限的 TOS Bucket 目录，格式：tos://bucket/output/。

计费说明

计费标准

细分项	计费标准说明
计费项	基于输入视频时长统计用量进行计费，包括2个计费项：字幕识别费用、字幕翻译费用。需支付的费用为所有计费项的计费之和。
计费类型	按量计费，单位：元/分钟，按实际的计费用量每小时出账。计费精度：四舍五入
单价	视频字幕识别：从输入视频中智能识别字幕的费用，费用单价与使用的字幕来源方式有关。视频字幕翻译：费用单价为固定单价，但此部分总费用还与需要翻译的语言的数量有关，使用算子进行字幕翻译时，如果需要翻译为多个语种，每个语种都会产生字幕翻译费用。

计费详情

计费公式：

总费用 = 视频字幕识别费用 + 视频字幕翻译费用
= (字幕识别单价 * 输入视频时长)+（字幕翻译单价 * 输入视频时长 * 需要翻译的语言的数量）

计费项	单价
字幕识别	视频字幕来源方式-OCR低精度：0.15 元/分钟
		视频字幕来源方式-OCR高精度：0.25 元/分钟
		视频字幕来源方式-ASR低精度：0.015 元/分钟
		视频字幕来源方式-ASR高精度：1.5 元/分钟
字幕翻译	固定单价：0.1 元/分钟/个

计费示例

示例场景：输入一个 5 分钟的中文视频，字幕来源方式选择 OCR 高精度，需要将视频字幕翻译为英文、日文。

费用详情：

总费用 = 0.25 元/分钟 * 5分钟 + 0.1 元/分钟/个 * 5分钟 * 2个 = 2.25 元

注意与前提

细分项	注意与前提
开通 LAS	如果您是一个全新的火山引擎用户，此前未开通过 LAS 产品，您可先开通 LAS，不使用 LAS 的计费功能仅开通 LAS 产品不会产生费用。开通操作请参见准备工作。开通完成后可查看算子介绍文档，了解算子能力、上手引导等，详情可参见：LAS 智能数据处理算子。
费用	调用算子前，您需先了解使用算子时的模型调用费用，详情请参见大模型调用计费。
鉴权（API Key）	调用算子前，您需要先生成算子调用的API Key，并建议将API Key配置为环境变量，便于更安全地调用算子，详情请参见获取 API Key 并配置。
BaseURL	调用算子前，您需要先根据您当前使用的LAS服务所在地域，了解算子调用的BaseURL，用于配置算子调用路径参数取值。详情请参见获取 Base URL，下文中的调用示例仅作为参考，实际调用时需替换为您对应地域的路径取值。

Rest API 调用

API 调用说明

本算子的 API 为异步任务接口，您需要通过 Submit 接口提交任务获得任务的 task_id，再通过 Poll 接口获取对应任务（task_id）运行状态，并获取算子处理结果。

注意，任务提交后，任务的 task_id 有效期为 3 天，超过 3 天后即无法通过此 task_id 来获取算子处理结果。

Submit

接口说明

调用视频字幕翻译算子提交异步任务，支持字幕提取、翻译和多格式输出。

请求参数

operator_id string 必选示例值: las_video_subtitle_translate

算子 ID

operator_version string 必选示例值: v1

算子版本

data VideoCaptioningInfo 必选

视频字幕翻译请求参数

video_url string 必选示例值: tos://example.com/video.mp4

输入视频地址，必须可被服务访问。支持 http/https、tos://bucket/key。支持格式：mp4、mov、avi、mkv、flv、webm，时长限制：10秒至4小时。不符合要求将在 Poll 阶段返回错误码。

caption_source string 必选示例值: ocr_high_precision

字幕来源类型。

ocr_low_precision：OCR 低精度，从画面提取内嵌字幕，适合分辨率≥360p且字幕占画面>5%的场景，耗时较短。

ocr_high_precision：OCR 高精度，从画面提取内嵌字幕，适合字幕占比<5%且对精度要求高的场景。

asr_low_precision：ASR 低精度，从音频提取字幕，适合咬字清晰的标准视频。

asr_high_precision：ASR 高精度，音频提取+视频理解精修，适合专业名词多、重音严重的场景，耗时较长。

output_language list of string 必选示例值: [en-US]

输出语言列表，至少提供 1 个。语言越多耗时及成本越高。支持的语言代码请参考上方支持的语言章节。

audio_language string Optional 示例值: zh-CN

输入视频的音频语言，当 caption_source 为 asr_low_precision 或 asr_high_precision 时必填。OCR 模式传入会被忽略。支持的语言代码请参考上方支持的语言章节。

caption_output_path string 必选示例值: tos://bucket/output/

字幕输出目录。当前支持同主账号、同地域下，有可写权限的 TOS Bucket 目录。

caption_format list of string Optional 示例值: [.srt]

字幕格式，可选 .txt、.srt、.xml、.vtt。不支持空数组，重复格式会自动去重。默认为 .srt。返回结果中格式包含前导点（如 .srt）。

返回参数

metadata metadata

请求元信息。

task_id string 示例值: task-xxx

异步模式下的任务 ID，用于作业状态查询。

task_status string 示例值: PENDING

异步模式下的任务状态。

PENDING, 接收请求

RUNNING, 正在运行

COMPLETED, 已完成

FAILED, 失败

TIMEOUT, 超时

business_code string 示例值: 0

业务码。

error_msg string

如有异常，会返回详细错误信息。

示例

请求示例

返回示例

错误码

HttpCode	错误码	错误信息	说明
400	Parameter.Invalid	The parameter is invalid..	参数不合法
401	Authorization.Missing	Missing Authorization	缺少鉴权信息时返回。
401	ApiKey.InValid	The api key is invalid	API Key 不合法时返回。

Poll

接口说明

查询视频字幕翻译任务的执行状态和结果。

请求参数

参数	类型	必填	示例值	说明
operator_id	string	是	las_video_subtitle_translate	算子 ID
operator_version	string	是	v1	算子版本
task_id	string	是	task-xxx	任务 ID

返回参数

metadata metadata

请求元信息

task_id string 示例值: task-xxx

异步模式下的任务 ID。

task_status string 示例值: COMPLETED

异步模式下的任务状态。

PENDING, 提交任务排队

RUNNING, 正在运行

COMPLETED, 已完成

FAILED, 失败

TIMEOUT, 超时

submit_time string 示例值: 2026-07-21T16:04:06+08:00

任务提交时间，格式为 ISO 8601 时间戳。

end_time string 示例值: 2026-07-21T16:04:06+08:00

任务结束时间，格式为 ISO 8601 时间戳。

business_code string 示例值: 0

业务码。

error_msg string

如有异常，会返回详细错误信息。

data VideoCaptioningResponse

返回的数据

video_url string 示例值: tos://example.com/video.mp4

输入视频地址。

video_duration float 示例值: 98.4

输入视频总时长（秒）。

final_captions list of FinalCaption

最终字幕结果列表。正常情况下会为每个输出语言及字幕格式生成一个对应的文件。如果部分失败，列表中将不包含该项。

tos_path string 示例值: tos://bucket/path/en-US_caption.srt

字幕文件 TOS 路径。

presigned_url string 示例值: https://...

预签名访问 URL，有效期为3天。过期后使用 tos_path 结合自身的凭证下载。

language string 示例值: en-US

字幕语言。

format string 示例值: .srt

字幕格式。包含前导点（如 .srt）。

示例

请求示例

返回示例

错误码

HttpCode	错误码	错误信息	说明
400	Video.Invalid	视频文件无效或格式不支持	视频文件无法被解析或格式不支持时返回。
400	Video.DownloadFailed	视频下载失败	视频下载失败时返回。
400	Video.DurationTooShort	视频时长不足10秒	视频时长小于10秒时返回。
400	Video.DurationTooLong	视频时长超过4小时限制	视频时长超过4小时时返回。
400	Video.FrameExtractionFailed	抽帧失败	使用 ASR 高精度模式时抽帧失败返回。
400	Video.OcrFailed	OCR处理失败	OCR 识别处理失败时返回。
400	Video.AsrFailed	ASR处理失败	ASR 语音识别处理失败时返回。
400	Video.RefineFailed	字幕精修失败	ASR 高精度模式字幕精修失败时返回。
400	Video.TranslateFailed	字幕翻译失败	字幕翻译失败时返回。
400	Video.CaptionUploadFailed	字幕文件上传失败	字幕文件上传失败时返回。
400	Parameter.Invalid	不支持的视频格式/无效的语言代码等	参数值不合法时返回，如视频格式不支持、语言代码无效等。
400	Parameter.Missing	缺少必需参数	缺少必需参数时返回，如使用 ASR 模式时未提供 audio_language。
401	Authorization.Missing	Missing Authorization	缺少鉴权信息时返回。
401	ApiKey.InValid	The api key is invalid	API Key 不合法时返回。
500	Internal.ServerError	Internal server error	服务内部错误时返回。

AI 数据湖服务