在 Windows 上本地以 96 种语言生成 SRT 和 VTT 字幕。StarWhisper 在您的 PC 上转录音轨，并生成可以直接拖入 Premiere、DaVinci、CapCut 或任何编辑器的字幕文件。无需上传，没有按分钟计费。
纯本地工作流程，兼容任何编辑器。
使用 FFmpeg，它是免费的，也是 Windows 上事实上的音频提取标准工具。下面的一行命令可以从任何常见的视频格式中提取音频并将其保存为 MP3：
ffmpeg -i input.mp4 -vn -acodec libmp3lame audio.mp3
如果您不想使用 FFmpeg，也可以直接从您的视频编辑器（Premiere、DaVinci、CapCut 都支持此功能）中导出纯音频版本。
打开 StarWhisper 并将提取的音频文件拖放到应用窗口中。桌面应用会自动检测格式，选择适合您硬件的 Whisper 模型（NVIDIA 上的 CUDA，Vulkan 作为后备，CPU 基准），并开始转录。一段 10 分钟的音频在现代 GPU 上只需 1 到 2 分钟即可完成。
使用导出菜单将其保存为 .srt（SubRip，通用默认格式）或 .vtt（WebVTT，由浏览器和 YouTube 使用）。这两种格式都包含任何视频编辑器或视频播放器都可以读取的短语级时间戳。如果您不确定目标工具需要哪种格式，请将两者都保留。
将 .srt 拖到 Premiere Pro、DaVinci Resolve、Final Cut Pro、CapCut、Kdenlive、Shotcut 或任何支持字幕的编辑器中的时间轴上。编辑器会将这些行放置在与时间轴对齐的字幕轨道上。大多数编辑器允许您从那里调整时间、字体、大小、颜色和位置。
浏览时间轴，修复任何听错的专有名词（Whisper 擅长识别单词，但对于它没见过的品牌名称则稍逊一筹）。调整样式以匹配您视频的外观。导出视频时可以选择将字幕烧录进去（适合 TikTok、Reels、Shorts），或者将 SRT 作为外挂文件（适合 YouTube、Vimeo 和无障碍用途）。
与在线字幕生成器和付费编辑器功能相比，您实际能得到什么。
在线生成器会将您的视频上传到他们的服务器。对于受 NDA 约束的客户工作、未发布的内容、内部企业视频或任何敏感内容，这是不可接受的。StarWhisper 在本地运行，视频永远不会离开您的 PC。
支持两种主要的字幕格式。SRT 适用于地球上所有的编辑器和播放器。VTT 适用于 HTML5 视频和 YouTube 上传。选择适合的一种，或者两者都导出。
Whisper 支持的语言远多于 Premiere 的内置转录。如果您的内容是西班牙语、法语、德语、日语、韩语、印地语、阿拉伯语、土耳其语、波兰语、越南语或其他几十种语言中的任何一种，工作流程都是一样的。
在线字幕服务按分钟收费。一段 1 小时的视频每次可能需要花费 5 到 10 美元。StarWhisper 为短视频提供免费计划，并为无限使用提供每月 10 美元或每年 80 美元的 Pro 版本。
StarWhisper 生成标准的字幕文件。然后您可以使用 Premiere、DaVinci Resolve、Final Cut、CapCut、Kdenlive、Shotcut、OBS，甚至是像 Subtitle Edit 和 Aegisub 这样的免费字幕编辑器。
在安装了 CUDA 包的 NVIDIA 硬件上，StarWhisper 以数倍于实时的速度进行转录。一段 30 分钟的视频在 2 到 5 分钟内即可准备好进行编辑，而不是在免费的在线工具上苦等一夜。
在 Windows 上为视频添加字幕有三种真正的选择。第一种是在像 Adobe Premiere Pro、DaVinci Resolve Studio 或 Mac 上的 Final Cut Pro 这样的编辑器中使用付费字幕功能。质量很好，时间也很精确，但价格昂贵（Premiere 是 Creative Cloud 订阅，DaVinci Studio 一次性收费 295 美元，Final Cut 仅限 Mac，售价 300 美元）。第二种是使用会上传您视频的免费在线字幕生成器。质量参差不齐，语言覆盖不均，而且对于任何非公开内容来说，隐私状况都很糟糕。第三种是使用像 StarWhisper 这样的工具在本地运行转录，并将生成的 SRT 导入您已经在使用的任何编辑器中，无论是免费的还是付费的。
第三种途径在过去两年中变得明显更加可行，因为底层模型 OpenAI Whisper 确实非常出色。Whisper 的大型变体在准确度上匹配甚至超越了各种内容上的付费商业系统，并且它可以在普通的 PC 上运行。StarWhisper 将 Whisper 封装在一个 Windows 桌面应用程序中，具有文件拖放、语言检测、GPU 支持和字幕导出功能，因此您不需要调用 Python 或构建任何东西即可获得可用的 .srt。
客观对比实际选项。
| 工具 | 成本 | 语言 | 隐私 |
|---|---|---|---|
| Premiere Pro 自动字幕 | Creative Cloud 订阅 | 约 15 种强力支持 | Adobe 云端处理 |
| DaVinci Resolve Studio 字幕 | 一次性 295 美元 | 约 13 种 | Studio 版本地处理 |
| Rev AI 字幕 | 0.25 美元/分钟 | 约 36 种 | 上传至 Rev |
| 在线免费字幕生成器 | 免费（有额度限制） | 各异 | 需上传 |
| YouTube 自动字幕 | 免费 | 约 13 种强力支持 | 上传至 YouTube |
| StarWhisper SRT 导出 | 每天最多 500 字免费，Pro 版 10 美元/月 | 96 种 | 本地处理，无需上传 |
选择付费工具的客观理由：集成编辑、广播级的逐词对齐以及内置样式。选择 StarWhisper 的理由：隐私、语言覆盖范围和价格。对于大多数独立创作者、YouTuber、播客创作者和小型工作室来说，这种权衡都有利于本地处理方式。
FFmpeg 是从视频中提取音频的标准工具。它是免费的，从命令行运行，并处理您将遇到的每种容器格式。从 ffmpeg.org 安装它并将其添加到您的 PATH 中，以便您可以从任何文件夹调用 ffmpeg。常用命令：
// MP4 视频转 MP3 音频
ffmpeg -i input.mp4 -vn -acodec libmp3lame audio.mp3
// 任何视频转 WAV（最适合转录的音质）
ffmpeg -i input.mov -vn -acodec pcm_s16le -ar 16000 -ac 1 audio.wav
// 剪辑特定片段，用于测试
ffmpeg -ss 00:01:00 -to 00:02:00 -i input.mp4 -vn -acodec libmp3lame clip.mp3
// 批量处理文件夹中的每个 .mp4 (PowerShell)
Get-ChildItem *.mp4 | ForEach-Object { ffmpeg -i $_.Name -vn -acodec libmp3lame ($_.BaseName + ".mp3") }
对于转录，单声道 16 kHz WAV 是黄金标准输入。任何比特率的 MP3 都适合一般用途。Whisper 不需要高比特率的立体声音频。
窗口 > 字幕，然后将 .srt 拖到字幕面板中。Premiere 会在时间轴上创建一个字幕轨道，您可以对其进行样式设置和定位。使用“将字幕烧录到视频中”导出以进行嵌入。
在编辑页面中，右键单击媒体池并选择导入字幕。将生成的字幕轨道拖放到时间轴上。在检查器 > 字幕下自定义样式。
点击文本 > 字幕 > 导入。选择 .srt 文件。CapCut 会添加一个与您的时间轴匹配的字幕层。适用于垂直编辑和社交格式。
这两款免费编辑器都原生支持 SRT 导入。Kdenlive：项目 > 字幕 > 导入。Shotcut：像剪辑一样将 SRT 拖入时间轴。
如果您想在导入视频编辑器之前完善字幕，Subtitle Edit 是最好的免费工具。打开 .srt 和音频波形，通过同步回放直观地调整各行。
对于 YouTube 上传，在 Studio 中打开视频，选择字幕，然后添加语言，接着上传文件并选择 SRT。由 Whisper 生成的字幕在准确性和语言覆盖范围上通常胜过 YouTube 的自动字幕，尤其是对于非英语音频。有关相关的工作流程，请参阅 YouTube 转录指南。
发布带字幕视频的两种方式。各有其用武之地。
外挂文件：一个与视频一起传输的单独 .srt 文件。观看者的播放器（或 YouTube、Vimeo 等）在播放时将其加载到视频之上。优点：观看者可以打开和关闭字幕，多种语言可以作为单独的文件发布，并且视频本身未被修改。适用于 YouTube、Vimeo、网站无障碍功能，以及任何您希望观看者控制字幕的地方。
烧录（硬编码）：字幕作为视频帧的一部分渲染。它们无法被关闭。优点：适用于会剥离外挂文件的平台（TikTok、Instagram Reels、Twitter 视频、许多电子邮件客户端），并且样式完全是您设计的。适用于短视频社交、广告，以及任何观看者设置无法被信任以正确显示字幕的情况。
如果您的编辑器的导出功能对于此任务来说有些大材小用，您可以直接使用 FFmpeg 烧录字幕：
ffmpeg -i input.mp4 -vf subtitles=subs.srt output.mp4
对于带样式的字幕（字体、颜色、位置），大多数编辑器提供比 FFmpeg 一行命令更好的控制。
Whisper 支持 96 种语言，并且每种语言的导出工作流程都是相同的。如果您制作多种语言的内容，标准模式是：
video.en.srt（或任何语言代码）。video.es.srt、video.de.srt 等。相同的工作流程也适用于发布其节目视频版本的播客创作者、为国际受众制作内容的内容创作者，以及使讲座内容具备无障碍功能的教育工作者。
从您的媒体中提取文字的其他方法。