【GitHUB优秀项目】妙幕（SmartSub）一款开源的字幕与配音工具
妙幕（SmartSub）是一款开源的字幕与配音工具，把「语音转文字 → 字幕翻译 → 校对润色 → TTS 配音 → 烧录合成」整条流水线装进
妙幕 / SmartSub
视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——一站式开源桌面工具
让每一帧画面都能美妙地表
妙幕是什么
妙幕（SmartSub）是一款开源的字幕与配音工具，把「语音转文字 → 字幕翻译 → 校对润色 → TTS 配音 → 烧录合成」整条流水线装进一个桌面应用，还内置在线视频下载，粘贴 B 站 / YouTube 等平台链接即可直接取材。转写基于 whisper.cpp、sherpa-onnx 等本地模型完成，文件不出本机；支持批量处理，支持 NVIDIA / AMD / Intel / Apple Silicon 硬件加速，可在 Windows、macOS、Linux 上运行。
整条流水线可以完全免费跑通：本地模型转写、内置免费翻译源、本地 TTS 配音（含声音克隆）、本地 ffmpeg 烧录——不需要 API Key，本地环节也没有用量限制。同时可按需接入 20 个翻译服务、8 家云端听写、5 类云端配音服务作为增强。
它能帮你做什么
功能特性
在线视频下载 / 本地音视频 → 转写 → 翻译 → 校对 → 配音 → 合成导出。每一步都可以独立使用，也可以串成流水线批量执行。
在线视频下载
粘贴链接即可下载 B 站、YouTube 等平台的在线视频，一行一条批量下载，可从混杂文本中自动识别链接
yt-dlp（YouTube 及 1800+ 站点）与 lux（B 站、抖音、小红书等国内平台）双引擎，按平台自动匹配，应用内一键安装 / 更新
可同时下载平台官方字幕（含自动生成字幕），任务向导中自动配对——有官方字幕就无需再转写
支持导入站点 Cookie（浏览器一键提取 / cookies.txt / 手动粘贴），解锁登录后可见的高清画质与会员内容，Cookie 仅保存在本地
保存目录、清晰度（最佳 / 指定档位）、并发数可调，下载完成一键衔接转写 / 翻译任务
字幕生成（转写）
多种视频 / 音频格式批量生成字幕，并发任务数可调
8 类转写引擎逐任务切换：内置
whisper.cpp、faster-whisper、FunASR、Qwen3-ASR、FireRedASR、NVIDIA Parakeet、本地Whisper CLI，以及免 GPU 的云端听写（8 家服务商）本地引擎完全离线，无需联网上传；中文场景可选 FunASR / FireRedASR，英文与欧洲语言可选 Parakeet
AI 字幕精修（可选）：大模型语义断句 + 批量校正——断句按语义重组且时间轴仍精确到词（连接词不吊行尾、数字不被停顿劈开），校正修同音字、去语气词、规范标点；服务商默认跟随 AI 翻译配置（本地 Ollama 零成本），失败自动回退规则断句
简繁转换、自定义字幕文件名（方便不同播放器挂载识别）、可选中文字幕去标点
字幕翻译
20 个翻译服务：内置免费翻译（必应 / 谷歌免费接口，自动回退与限速）、百度、阿里云、腾讯、讯飞、火山引擎、豆包、小牛、DeepLX、Azure、Google，以及 Ollama（本地模型）、DeepSeek、Gemini、通义千问、SiliconFlow、Azure OpenAI、DeerAPI 等大模型服务
兼容任意 OpenAI 风格 API，可接入自有服务
输出纯译文，或「原文 + 译文」双语字幕
每个 AI 服务可在界面直接配置自定义请求参数，支持导出导入，无需改代码
字幕校对
内置校对台，逐句对照视频检查修改，定位精准
撤销 / 重做，单条删除可恢复
AI 一键润色
TTS 配音与声音克隆
独立配音工作台：一份字幕 + 可选视频，逐条语音合成并自动对齐时间轴
本地引擎离线免费：Kokoro 多语 103 音色、VITS 中文 174 音色
声音克隆：本地 ZipVoice 零样本克隆（一段参考音频即建即用），也支持火山引擎声音复刻 2.0、ElevenLabs 即时克隆
云端服务：Edge TTS 免费档、OpenAI 兼容端点（OpenAI / 硅基流动等）、Azure Speech、火山引擎豆包、ElevenLabs
时间轴对齐：语速预控制、实测复核、静音间隙借用；超限行列入人工处理清单（改文案 / 单行重生成 / 接受变速）
逐行试听、换音色、重新合成；背景音可静音原轨或压低原轨（ducking）
输出纯音频（wav / mp3）、替换音轨、混音视频或 MKV 双音轨，可同时导出对齐后的字幕
视频合成（字幕烧录）
硬字幕：把字幕永久烧进画面，任何播放器都能显示
软字幕：以流复制方式无损封装可切换字幕轨
字体、字号、颜色、描边、阴影、九宫格位置与多种预设样式
所见即所得实时预览
隐私与硬件加速
本地处理，文件不出本机；云端服务均为可选，首次使用有隐私确认
GPU 加速：NVIDIA CUDA、AMD / Intel Vulkan、Apple Core ML / Metal
应用内下载加速包，无需手动安装 CUDA Toolkit；加载失败自动回退 CPU
界面一
全流程免费方案
对价格敏感的用户，下面这条路线不花一分钱，也不需要注册任何服务：
付费云服务（OpenAI、ElevenLabs、火山引擎、腾讯云等）全部是可选增强，按需选用。
下载安装
根据电脑系统和芯片选择安装包。GPU 加速包无须在下载时选择，安装后在应用内按需下载。
下载入口：GitHub Releases ｜ 夸克网盘
macOS 用户推荐使用 Homebrew 安装，会自动匹配芯片类型：
brew tap buxuku/tap # 只需执行一次
brew install --cask smartsub # 安装
brew upgrade --cask smartsub # 升级三步上手
安装后跟随新手引导下载一个语音模型（无 GPU 或不想下模型，也可配置云端听写）
在启动台选择任务，拖入音视频或字幕文件（或粘贴链接下载在线视频），设置源语言、目标语言等参数
开始处理；完成后可继续校对字幕、配音或烧录合成
进阶指南
转写引擎对比与选择
转写引擎可逐任务切换，运行时与模型在「引擎与模型」页面统一管理：
FunASR / Qwen3-ASR / FireRedASR / Parakeet 均通过内置的 sherpa-onnx 原生库运行，无需额外环境；faster-whisper 会在应用内下载一个自包含运行时。
云端听写：8 家服务商配置说明
云端听写在「引擎与模型」左栏的「云端听写」分组中配置。每个服务商是一个独立入口，选中即见配置表单，填入凭据即可（支持「测试连接」）。转写时音频会上传到你配置的端点，首次运行有隐私确认——请勿用于敏感内容，并留意服务商的用量费用。
OpenAI 兼容：
audio/transcriptions协议（whisper-1、gpt-4o-transcribe等）。OpenAI / Groq / 硅基流动预设直接列在侧栏，其它兼容端点（自建服务、中转站）经「添加自定义」接入，可添加多个ElevenLabs Scribe：
scribe_v1模型Deepgram：
nova-2/nova-3模型火山引擎豆包：录音文件识别·极速版（bigmodel）。使用新版「豆包语音」控制台「API Key 管理」签发的 API Key（需先开通对应模型；火山方舟的 API Key 不通用），按转写时长计费
腾讯云：录音文件识别极速版。使用「语音识别」控制台的 AppID / SecretId / SecretKey（需先开通，每月赠 5 小时免费额度）。识别语言自动跟随任务的「原语言」，模型只选档位——standard 普通版或 large 大模型版（识别更强、计费更高、免费并发仅 5）
阿里云：录音文件识别极速版。使用 RAM 访问控制的 AccessKey ID / Secret，外加智能语音交互控制台项目的 Appkey。识别语种在项目「功能配置」中设定（任务原语言对阿里云不生效），默认普通话模型可识别中英混合。注意该服务仅提供商用版（无免费试用），开通后按转写时长计费
讯飞：录音文件转写大模型。异步订单制，退出应用不丢任务
Gladia：solaria 模型，支持 100+ 语种，每月赠 10 小时免费额度
whisper 模型怎么选
whisper.cpp / faster-whisper 使用 whisper 系列模型，模型越大越准、越慢、越吃显存：
低端设备或核显：推荐
tiny/base，速度快、占用小普通电脑：从
small/base起步，平衡精度与资源高性能显卡 / 工作站：推荐
large系列，精度最高纯英文音视频：选带
en的模型，专为英语优化在意体积：可用
q5/q8量化版本，牺牲少量精度换取更小体积
GPU 加速
软件内置 GPU 加速包管理，无须手动安装 CUDA Toolkit。安装后在「引擎与模型」页面管理 GPU 加速，软件会自动检测显卡并推荐合适的加速方案。
加速模式支持「自动 / 仅 GPU / 仅 CPU」，加载失败会自动降级到 CPU，并在诊断面板给出原因
如启用加速后出现闪退，可切换为「仅 CPU」模式，或改用其它转写引擎
翻译服务与自定义参数
使用云端翻译服务需要相应的 API 密钥或配置。百度翻译、火山引擎等服务的 API 申请方法可参考 Bob 的服务申请文档，感谢 Bob 这款优秀的软件。
AI 翻译的结果受模型和提示词影响较大，可以尝试不同的模型和提示词组合，找到适合自己的搭配。
每个 AI 翻译服务都支持自定义参数配置，精确控制模型行为：
直接在界面添加和管理参数，无需修改代码
支持 String、Float、Boolean、Array、Object、Integer 类型
参数修改实时校验，防止无效配置
支持导出导入，方便共享和备份
配音引擎与输出模式
本地引擎基于 sherpa-onnx 运行，完全离线免费：
云端服务商按需接入：
时间轴对齐机制：合成前按目标时长预控语速，合成后实测时长复核（本地引擎免费重合成，云端用 atempo 变速），不足时向相邻静音间隙借用时间；仍超过 1.5 倍语速红线的行进入人工处理清单，可改文案、单行重生成或接受变速。
创建克隆音色时会自动质检参考音频（时长、信噪比、削波、音量等），给出问题定位与修复建议。
手动下载与导入模型
模型文件较大，如果应用内下载困难，可以手动下载后导入。whisper 模型下载源：
国内镜像（速度较快）：https://hf-mirror.com/ggerganov/whisper.cpp/tree/main
Hugging Face 官方：https://huggingface.co/ggerganov/whisper.cpp/tree/main
苹果芯片需同时下载模型对应的 encoder.mlmodelc 文件，解压后放在模型相同目录下（q5 / q8 系列模型无须此文件）。
导入步骤：在「引擎与模型」页面点击「导入模型」，选择下载好的模型文件确认导入；或直接复制到模型目录。
FunASR / Qwen3-ASR / FireRedASR / Parakeet 等引擎的模型可在「引擎与模型」页面内按需下载（支持 ModelScope / GitHub 等多源）。
常见问题
macOS 提示「应用程序已损坏，无法打开」
在终端中执行以下命令后重新运行应用：
sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app模型下载缓慢或失败
可以手动下载模型文件后导入应用，见 手动下载与导入模型。国内用户建议使用 hf-mirror 镜像源。
启用 GPU 加速后应用闪退
在「引擎与模型」页面把加速模式切换为「仅 CPU」，或改用其它转写引擎；诊断面板会给出失败原因。
参与开发
欢迎提交 Issue 和 Pull Request 改进这个项目。
本地构建
克隆项目并安装依赖（安装钩子会自动下载 whisper addon 与 sherpa-onnx 原生库）：
git clone https://github.com/buxuku/SmartSub.git
cd SmartSub
yarn install启动开发环境：
yarn dev如原生依赖自动下载失败（网络受限等），可手动执行 yarn native:fetch 重试。