生成字幕 — 从视频或音频自动生成

SubtitleKit 是一个免费的 AI 字幕生成器，完全在你的浏览器中运行。拖入视频或音频文件（最大 2 GB），Whisper AI 在你的设备上生成精确时间码的字幕，支持 22 种语言，自动检测语言。无需注册，无水印。字幕在生成时实时显示，可以编辑并导出为 SRT、VTT 或其他 8 种字幕格式。

自动字幕生成的工作原理

Whisper AI 语音识别模型加载到你的浏览器中，监听媒体文件的音频轨道，并在你的设备上生成定时字幕。语音活动检测器标记语音的开始和结束位置，使字幕在自然停顿处分割，而不是在句子中间。你的数据不会离开设备——模型准备好后，字幕生成完全离线工作。

如何使用此工具

• 拖入你的文件：将视频或音频文件拖入工具，或点击浏览。
• 选择语言 — 选择所说的语言，或让自动检测为你识别。
• 转录，你的浏览器使用 Whisper AI 在设备上完全离线转录文件。首次运行会下载一个一次性的 AI 模型，从手机上的约 24 MB 到最高精度级别的约 291 MB，根据你的设备自动选择。然后文本会实时出现。
• 下载——审查并编辑字幕，然后将其下载为 SRT、VTT 或任何 10 种字幕格式，包括 ASS、LRC 歌词和 TTML。

什么是 AI 字幕生成器？

AI 字幕生成器是一种工具，它监听视频或音频文件中的语音，并自动为其编写带时间码的字幕，无需手动输入，无需手动同步。它为每一行生成带开始和结束时间的自动字幕，你可以微调并导出为 SRT 或 VTT 等字幕文件。SubtitleKit 直接在你的浏览器中运行 AI。

从一次转录生成每种字幕格式

一次转录，十种导出格式。从 MP3 录音生成 SRT 文件，直接从视频为 HTML5 播放器创建 VTT 文件，或从音频导出 LRC 歌词供音乐应用使用——相同的生成字幕可以即时本地转换为你的工作流所需的任何格式。

支持的输入文件

• 视频：MP4、MOV、MKV、WebM 和 M4V——音频轨道自动提取。
• 音频：MP3、WAV、M4A、AAC、OGG、Opus 和 FLAC 录音。
• 文件最大 2 GB——包括完整电影、讲座和播客剧集。

导出格式

• SRT——通用字幕标准，被每个视频编辑器和播放器接受。
• VTT (WebVTT)——网络视频和 HTML5 播放器的原生字幕格式。
• 另外还有 ASS/SSA 用于样式化字幕、SUB、SMI、SBV 用于 YouTube、LRC 用于同步歌词、TTML 用于广播，以及纯文本 TXT 转录。

为什么这个字幕生成器与众不同

大多数免费字幕生成器是云服务，有上传限制、队列和水印。SubtitleKit 在你自己的设备上完成繁重工作——并关注使字幕真正可用的细节。

• 自然的字幕边界——语音活动检测器将每个字幕锚定到真实的语音停顿，使行在人类会停顿的地方分割，而不是在词中间。
• 幻觉过滤——语音 AI 有时在静音或音乐上产生的重复或虚构的行会被自动检测和清理。
• 离线工作——在一次性模型下载后，你可以在完全没有互联网连接的情况下生成字幕。
• WebGPU 加速——在支持的台式机上，模型在你的显卡上运行，以显著加快转录速度。
• 内置编辑器和音频播放——点击任何字幕可以听到你的录音的该段落，同时你可以修改文本和时间。