给视频配字幕，以前是个挺烦人的事。
不是难，是繁琐。
你录好一段视频，要加字幕。先要语音转文字，不管用什么工具，转完出来都是一大段连在一起的文字，没有标点，没有断句。
然后你手动去调整——哪里该分句，哪里该换行，哪里的人名识别错了要改。
如果还要翻译成其他语言，那更麻烦。一句一句对着翻，翻完还要对时间轴。
一个十分钟的视频，光配字幕就能花一两个小时。
后来我发现了一个开源工具，免费的那种。
它做的事很简单：把视频拖进去，选好语言，点开始。
然后它帮你把剩下的全做完。
语音识别、智能断句、纠正错别字、统一专业术语、翻译成其他语言、生成字幕文件。
全自动。
而且速度很快。一个十四分钟的视频，四分钟左右就处理完了。
成本也很低，官方说不到一分钱。
它的语音识别用的是 Whisper，准确度在百分之九十五以上。中文、英文、日文、韩文、法文、德文，九十九种语言都能识别。
断句用的是大语言模型，不是简单按停顿时间切分，而是真正理解语义之后断的。所以出来的字幕不是那种"我今天 去了 一个 很好 玩的地方"，而是"我今天去了一个很好玩的地方"。
它还会自动纠正常见的识别错误。比如有些专业术语或者生僻人名，直接语音识别可能会错，它会在断句的同时帮你纠正。
如果你需要多语言字幕，它支持翻译成三十七种语言。而且翻译也是用大语言模型做的，不是那种机器直译的生硬感，而是结合上下文做的翻译，读起来通顺很多。
输出格式支持 SRT、ASS、VTT。常见的字幕格式基本都覆盖了。
还有一个细节我觉得做得挺好。它内置了几种字幕样式模板——科普风、新闻风、番剧风。如果你做视频经常需要不同类型的外观，直接套模板就行，不用自己调样式。尤其番剧风的字幕，那种带描边和阴影的日系风格，做二次元内容的直接就能用。
而且它是完全本地运行的。你的视频不需要上传到任何服务器，所有处理都在自己电脑上完成。数据隐私这块不用担心——很多在线字幕工具要上传视频，有些人介意的就是你得把原片传到别人的服务器上。这个不需要，本地跑完本地出文件。
硬件要求也不高。不需要昂贵的显卡，有 CPU 就能跑。有独显会更快，但纯 CPU 也能正常处理。我自己用一台普通笔记本试过，一个十分钟的视频大概六七分钟出结果，完全可以接受。
它还有个批量处理模式。你一次性把多个视频拖进去，它会排队自动处理。处理完统一导出字幕文件。对于做系列内容的人来说，这个功能省了很多重复操作。
做短视频的、做网课的、做跨语言内容的，都适合。如果你也经常跟字幕打交道，可以搜一下。免费开源，不用花钱，第一是 GitHub，第二个就是官网。
开源地址：github.com/WEIFENG2333/VideoCaptioner