[Feature] 基于本地 和/或 云端 STT 模型的AI字幕识别 和 实时翻译

[HChaZZY]

问题描述

部分视频并未配备字幕，B站自带的智能字幕识别率低，且对长视频内容不友好（只识别前几分钟的字幕信息）。

建议引入基于本地 和/或 云端 STT 模型（例如本地或OpenAI的Whisper或讯飞STT模型）自动生成AI字幕。

为 自动生成的AI字幕 或 视频自带的字幕 提供基于大语言模型的翻译能力。

描述解决方案

为字幕板块提供一个选项，允许选择自行自动生成。 具体生成配置（本地或云端，使用何种模型）可在AI配置旁配置。 在设置中提供一个选项，当视频不存在可用字幕时，自动尝试生成字幕并使用。

为字幕板块提供一个选项，允许自动翻译外文字幕。 具体使用的翻译模型可在已配置好的AI模型中选择。

人人为我，我为人人

提出问题就是我对哔哩的期许