AI 智能音视频转写字幕工作流
音视频转字幕
支持多语种自动识别与人声分离，内置智能语义断句与固定长度拆分算法。结合大语言模型深度文本矫正，实现高精度的音视频字幕快速生成。
Windows 8及以上
(64-bit)
支持 CUDA、CPU 加速
语种识别与声学降噪
语种自动识别，人声精准提取
无需手动指定语言，系统能够自动分析并精准判定中、英、日、韩等多语种音频。搭配一键“人声分离”与背景噪音抑制，大幅提高复杂环境音下的语音识别准确率。
- 支持多语种智能混合感知与自动对齐
- 内置人声提取算法，有效过滤背景音乐与噪音
音频输入与识别设置
语种检测:
自动识别 ▼
人声分离
音频声道分析就绪
开始匹配
大模型文本矫正对比
原始 ASR 识别结果
含口语顿挫与重复
Audio: 5-8 行语音内容
识别：他他他，激动吗？激动吗？他是没拿过大王的声音。
大模型字幕矫正
通顺干练
LLM Prompt: [字幕矫正 + 消除口吃]
矫正：激动吗？他此前确实从未获得过冠军。
大模型字幕矫正
消除口吃语气词，智能修正错别字
原生语音转文字常常夹杂“他他他”、“嗯、哎”等无意义口吃与重复词汇。一键开启“字幕矫正”，通过大语言模型上下文推断，精准替换同音错别字，顺畅抚平语病。
- 自动清理“嗯、哎、这个”等冗余语气词
- 结合上下文自动修正同音字与领域专有名词
灵活断句算法
智能语义断句，支持固定字数切分
内置“智能断句”与“固定长度断句”双重模式。既可按完整句意自动停顿，也能限制单行最大字数（如每行最多 15 字），完美适配短视频移动端屏幕排版需求。
- 智能语义断句：根据自然停顿与语法逻辑切分
- 固定长度断句：自定义最大字数，防止单行溢出
断句规则配置
智能断句模式
按停顿与语义语法自动拆分
固定长度断句
单行限制 12-20 字强行折行
断句预判预览：
我们先掌声有请我们今天的嘉宾小块儿。
字幕拆分与单句试听
试听列表
去除标点
清空列表
00:00:00,680 --> 00:00:01,000
好，那我们现在一个个请出来吧，
自由拆分与时间轴校对
自由拆分字幕，单句实时试听
提供极简的手动干预交互。遇到较长的单句字幕，点击“剪刀”图标即可在光标处一键自由拆分并重新计算时间轴。配合“单句试听”功能，实现高效且严丝合缝的精细校对。