AI 字幕生成：视频自动加字幕
拖入视频或音频，AI 语音识别（OpenAI Whisper）自动写出带时间轴的字幕，支持约 99 种语言。可以逐句修改，下载 SRT/VTT，或直接压制进视频。AI 在你自己的设备上运行，视频绝不上传。
- ✓ 不上传
- ✓ 免注册
- ✓ 无水印
- ✓ 免费
把视频或音频文件拖到这里，或点击选择MP4、MOV、MKV、WebM、MP3、M4A、WAV… · 文件不会离开你的设备
字幕（点击时间可跳转，直接修改文字）
使用方法
- 拖入视频或音频文件（MP4、MOV、MKV、MP3、M4A、WAV 等）。
- 选择说话的语言（或自动识别）和模型：快速、均衡或精准。
- 点击「生成字幕」。首次使用会下载一次 AI 模型（40–250 MB），之后会被缓存。
- 在列表中修正错误，然后下载 SRT / VTT / TXT，或点击「压制进视频」得到带字幕的 MP4。
常见问题
真的免费、不上传吗？
是的。Whisper 模型通过 WebAssembly 或显卡（WebGPU）在你的浏览器里运行，音频不会发送到任何地方，只会从 Hugging Face 下载模型文件。
识别准确吗？
准确度取决于音质和模型。「均衡」适合清晰的讲话；「精准」对口音、噪音和中文效果更好，但更慢、下载更大。人名和数字建议人工校对。
需要多长时间？
有显卡时（Chrome/Edge 支持 WebGPU），10 分钟的视频通常 1–3 分钟完成。只用 CPU 时，「快速」模型大约与视频时长相当，更大的模型会更慢。处理期间请保持页面打开。
可以翻译成英文字幕吗？
可以。选择「翻译成英文」，Whisper 会把任何支持语言的讲话直接写成英文字幕。
什么是 SRT 文件？
SRT 是最通用的字幕格式，YouTube、B 站、剪映、Premiere、Final Cut、VLC 等几乎都支持。VTT 是网页上使用的同类格式。
中文字幕出现繁体字怎么办？
Whisper 有时会用繁体字写普通话。保持勾选「输出简体中文」，字幕会自动转换为简体。