生成字幕， 并在本地完成翻译。

一个免费的字幕工作室：用 Whisper 听懂你的音频和视频，写出带时间轴的字幕条目，为任意平台调整样式，把字幕烧录进新的视频文件，还可以选择将其翻译成第二种语言——全部在浏览器内完成。

它面向创作者、教师、记者，以及任何为访谈、讲座、屏幕录制或 Vlog 配字幕的人——既不必把原始素材交给云端服务，也不必接受水印或每月分钟上限。

工作原理

音轨通过 Web Audio API 解码并重采样为 16 kHz 单声道，随后由带时间戳的 Whisper 模型通过 Transformers.js 以 30 秒重叠窗口转写，因此长录音可以流式显示进度，每条字幕都带有逐词计时。你可以选择 tiny、base 或 small 档 Whisper，让工具自动检测语言，或固定指定约 99 种语言中的一种。若要制作第二语言音轨，紧凑的 Marian（OPUS-MT）模型会翻译这些字幕条目；当不存在直接模型时，则以英语为中轴转换。转写模型和翻译模型都只下载一次，随后缓存起来供离线复用。

视觉样式与逐词高亮模板

一个专门的样式面板控制全部视觉属性：字体、字号（按导出高度等比缩放）、粗体、斜体、大写、主色与描边色、描边宽度、阴影、可选的圆角背景框、字间距与行高，外加九宫格式的位置布局和垂直边距。五个精心调校的预设覆盖广播、社媒和电影风格；每一处改动都会在真实视频上实时预览，并记入撤销/重做历史。

针对社媒视频，三个逐词高亮模板——Minimal、Bold Pop 和 Karaoke——会随着词语被读出而改变其颜色，激活色与已读色均可调节。同一份计时数据可生成 VTT 字幕设置、完整的 ASS V4+ 样式，以及真正的 ASS 卡拉 OK 事件，因此你所预览的就是文件所编码的。

烧录式视频导出

如果你需要把字幕直接嵌进画面，烧录导出器会把每个解码后的视频帧连同带样式的字幕——包括逐词高亮和可选的说话人标签——绘制到 canvas 上，再用 MediaRecorder 将结果与原始音频一起捕获。浏览器支持时输出 H.264 编码的 MP4，否则输出 WebM（VP9/VP8）；全程不涉及 ffmpeg，也没有水印。720p 及以上的高度按目标选择并受档位限制，码率与分辨率匹配。由于捕获是实时进行的，两分钟的片段大约需要两分钟渲染，界面会如实说明这一点。

编辑、时间工具与质量检查

工作室把预览、可拖动的波形与字幕编辑器结合在一起，支持行内改字、在播放头处切分、合并、复制、跨双轨的查找替换、逐条目标签说话人、整体时间平移、按比例时间拉伸，以及完整的撤销/重做。质量面板会标记出时长、阅读速度、行长或重叠情况违反常规字幕规范的条目，一键即可重新规整整份文档。成品字幕可导出为 SRT、WebVTT、ASS、纯文本或结构化 JSON——可以是原语言、译文，或以任意阅读顺序将两者堆叠。

免费版与 Pro 限制

免费版可处理最长 30 分钟的媒体，烧录字幕最高支持 1080p；Pro 将媒体时长延长到 180 分钟，烧录最高支持 2160p。与本套件中的所有工具一样，两个档位都没有运行次数、每月配额或水印，并且包含商用授权。超长录音可能在低内存设备上耗尽内存——拆分文件是实用的变通办法。

常见问题

烧录导出的效果能媲美桌面编码器吗？渲染是无水印的实时浏览器捕获；MP4 支持取决于浏览器，WebM 是诚实的回退方案，而外挂的 SRT/ASS 始终可以完美质量获取。

逐词高亮模板在导出文件中有效吗？在 ASS 卡拉 OK 事件和烧录视频中有效；SRT 本身没有样式概念，因此带样式的外挂输出要走 VTT 或 ASS。

高风险措辞可以放心依赖翻译吗？OPUS-MT 处理一般对话和旁白很强，但法律或医疗文本应由人工审核。

有内容会被上传吗？没有——解码、转写、翻译和渲染全部在你的机器上发生；只有你选择下载的字幕或视频才会离开标签页。