功能详情

本地 AI 字幕、语音转文字和批量导出

了解 Voice2Sub 如何用桌面 AI 语音识别、批量流程、CUDA/Metal 支持和可选英文字幕输出，把本地视频和音频文件变成字幕、转写稿和可交付文本文件。

下载 Voice2Sub 阅读更新日志

桌面优先制作流程

文件留在本地，处理更灵活

Voice2Sub 面向真实工作中的源文件：手机视频、相机导出、录屏、播客、采访、会议和课程。处理在桌面应用中完成，而不是浏览器上传队列。

支持多种视频和音频格式

导入 MP4、MOV、MKV、AVI、WebM、MP3、WAV、M4A、AAC、FLAC、OGG 以及更多常见文件。实际兼容性仍可能受编码影响。

批量生成字幕

添加多个视频或音频文件，并在一次运行中生成字幕或转写输出，适合课程、播客、客户文件夹和发布队列。

处理视频中的音轨

可以直接从视频文件开始。Voice2Sub 使用视频里的音轨，因此通常不需要先手动提取音频。

语音转文字与 AI 转写

把本地视频、音频、会议、课程或录音转换成可审阅的转写文本和字幕输出。

最多 99 种识别语言

为多语言课程、采访、创作者短片和内部材料准备人工检查前的字幕或文字稿。

检查后导出

检查并修正结果，然后导出字幕、文字稿或普通文本，用于视频剪辑、字幕、笔记或文档。

可选英文字幕输出

生成仅英文字幕文件，或保留原始字幕输出并额外生成独立英文文件，便于审阅、发布或交付。

字幕编辑器和文件校对

校对已生成字幕，打开支持的字幕文件，借助音频预览微调时间，并将修订文件单独导出。

按硬件选择版本

使用 Windows x64、macOS Universal 和 Linux x64 版本；支持的 NVIDIA GPU 系统可用 CUDA，支持的 Apple Silicon Mac 可用 Metal。

Apple Silicon 的 Metal 加速

Voice2Sub 在 macOS 上使用 Metal 发挥 Apple Silicon 性能，为 Mac 用户提供快速、原生的本地 AI 字幕生成和转写流程。

媒体兼容性

先导入视频和音频，只有特殊文件才转换

Voice2Sub 面向创作者制作流程设计，源文件可能来自相机、手机、录屏、播客、会议和剪辑工具。广泛的格式支持减少了生成字幕或文字稿之前的转换需求。

视频导入

  • MP4、MOV、MKV、AVI、WebM 以及更多常见容器。
  • 来自日常工具的横屏、竖屏和录屏片段。
  • 应用可以使用视频文件中的音轨，因此通常不需要手动提取音频。

音频导入

  • MP3、WAV、M4A、AAC、FLAC、OGG 和其他常见音频文件。
  • 播客、采访、语音备忘、讲座和会议录音。
  • 录音较长、音量偏低或噪声较多时，可以按需先处理音频。

生成路径

  • Whisper AI 语音识别在你的电脑本地运行。
  • 支持最多 99 种识别语言，用于多语言字幕和文字稿。
  • 常规字幕或文字稿 创建不需要上传到网站。

检查和导出

  • 字幕编辑器和文件校对
  • 检查后导出字幕，用于剪辑和发布。
  • 导出 文字稿或文本，用于笔记、搜索、文档和总结。
  • 把结果作为可检查的起点；发布前请务必检查。

流程

制作流程内部

Voice2Sub 让非技术用户也能看懂流程，同时给剪辑师一个从源文件到输出的可预测顺序。

  1. 01

    导入视频或音频文件

    从电脑选择源文件。来自相机、手机、录屏、播客和会议的常见格式都属于预期制作流程。

  2. 02

    需要时准备音频

    清晰录音使用标准流程。音频较长、音量偏低、噪声较多或音量不均时，可以按需先处理音频。

  3. 03

    本地生成 AI 字幕或文字稿

    Voice2Sub 按需准备音频，并在电脑上运行语音识别，生成可检查的字幕或文字稿。

  4. 04

    校对、编辑并导出

    检查字幕文本，必要时调整时间，然后导出 SRT、VTT、TXT、LRC 或 CSV 文件。

使用场景

适合日常工作的哪些地方

当录制的人声需要变成可阅读、可搜索或便于交接的内容时，Voice2Sub 最有用。

  • 用于 YouTube、Shorts、Reels 和 TikTok 的 AI 字幕
  • 为视频或录音文件夹批量生成字幕
  • 课程、教程和讲座的 文字稿
  • 播客笔记和采访 文字稿
  • 会议笔记和内部 检查材料
  • 多语言字幕工作的前期准备
  • 私密录音的离线处理
  • 把录制内容变成文章或文档
  • 发布或交接前准备文字输出

桌面媒体工作流

一个应用完成字幕、转写和语音转文字

当你需要本地字幕生成、AI 转写、视频/音频转文字、批量处理、最多 99 种识别语言、字幕校对、可交付文件以及可选英文字幕输出时，可以使用 Voice2Sub。

  • 面向本地视频、音频和录音的语音转文字与 AI 转写。
  • 为多个视频或音频文件批量生成字幕。
  • 最多 99 种识别语言可供选择。
  • 需要时可输出仅英文字幕，或独立的 Original + English 字幕文件。
  • 导出 SRT、VTT、TXT、LRC 和 CSV，用于字幕、转写和审阅流程。
  • 在应用内校对已生成结果或受支持的字幕文件，调整时间并将编辑后的文件单独导出。
  • 支持的 Windows/Linux 系统可用 CUDA，支持的 Apple Silicon Mac 可用 Metal。