安装后需先下载语音模型才能本地转写，否则只能配置云端听写；GPU 加速包不在安装包内，需在应用内按需下载；faster-whisper 引擎需应用内单独下载自包含 Python 运行时。
SmartSub
buxukuMIT活跃维护一站式桌面工具，用本地 Whisper、FunASR 等模型离线把视频转成字幕，还能翻译、AI 配音、声音克隆和烧录字幕，支持批量处理与全平台 GPU 加速。
视频转字幕、字幕翻译、AI 配音与声音克隆、字幕烧录——免费开源的一站式桌面工具。基于 Whisper / FunASR 等本地模型离线语音转文字，批量处理 + 全平台 GPU 加速，跨 Windows / macOS / Linux。Free, open-source desktop app to generate, translate, dub & burn video subtitles — local Whisper speech-to-text, AI dubbing & voice cloning, offline, GPU-accelerated.
v3.12.2发布于 2026-11-05 08:09 UTC5,997star +30 / 7 天485fork同步于 2026-11-10 11:35 UTC
brew tap buxuku/tap
brew install --cask smartsub 硬件要求按 README 说明
Windows x64 与 Linux x64 可用 NVIDIA CUDA 或 AMD/Intel Vulkan 加速；macOS Apple 芯片自动启用 Core ML/Metal，Intel Mac 仅 CPU 不支持 GPU 加速；无 GPU 时可回退 CPU 运行。
支持 Apple Silicon需要 CUDA
开源桌面工具，把视频转字幕、翻译、配音、烧录串成一条本地流水线
一站式桌面工具，用本地 Whisper、FunASR 等模型离线把视频转成字幕，还能翻译、AI 配音、声音克隆和烧录字幕，支持批量处理与全平台 GPU 加速。
核心能力
- 内置 whisper.cpp、FunASR 等 8 类转写引擎，可逐任务切换
- 支持 20 个翻译服务，可输出纯译文或双语字幕
- 本地 Kokoro、VITS、ZipVoice 零样本声音克隆配音
- 硬字幕烧录与软字幕无损封装，所见即所得预览
- 提供 111 个 MCP 工具与 smartsub CLI，可脚本化批量处理
容易踩的坑
内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README
- v3.12.2v3.12.2 任务数据更可控，大批次更流畅，转写诊断更完善最新正式版2026-11-05 · 2026-11-05 08:09 UTC
v3.12.2 任务数据更可控，大批次更流畅，转写诊断更完善
feat
- 诊断包导出窗口新增「Whisper 转写诊断」（Windows / Linux）：用内置短音频在独立进程中单独测试 Vulkan / CPU 后端与 VAD 开关，原生库崩溃也不影响应用；结果和 Windows 显卡驱动版本随诊断包导出，便于定位 GPU 加速闪退 Add "Whisper transcription diagnostics" to the diagnostics export dialog (Windows / Linux): test the Vulkan / CPU backend and the VAD switch on a short built-in clip in an isolated process, so a native crash cannot take the app down. Results and the Windows GPU driver version are exported with the diagnostics package to help pin down GPU acceleration crashes
perf
- 大批次任务更流畅：进度更新合并发布，文件很多时列表只渲染可见部分，日志面板只保留最近 200 条，缓解批量处理上百个文件时的界面卡顿 (#574) Smoother large batches: progress updates are coalesced, long file lists render only the visible rows, and the log panel keeps the latest 200 entries, easing UI lag when processing a hundred or more files (#574)
fix
- 修复 3.12 起任务工作文件被写入应用数据目录（如 C 盘）、忽略存储目录设置且从不清理的问题：新任务结果跟随「统一存储目录」，临时文件改用临时目录下的短路径，并在阶段结束或删除任务后自动回收 (#579) Fix task working files being written to the app data directory (e.g. the C drive) since 3.12, ignoring the storage directory settings and never being cleaned up: new task results now follow the unified storage directory, temporary files use short paths under the temporary directory, and unneeded files are reclaimed automatically when a stage finishes or a task is deleted (#579)
- 「设置 → 存储位置」新增「任务数据」：查看占用空间、清理无用任务文件，并把旧任务数据迁移到新位置（下次启动时执行，校验无误后才删除旧副本） (#579) Add "Task data" under Settings → Storage location: view disk usage, clean up unused task files, and migrate existing task data to the new location, which runs on the next launch and deletes old copies only after verifying the new ones (#579)
- 修复 faster-whisper 模型缺少词表文件时仍被视为已安装、转录报「Cannot load the vocabulary」错误的问题：现在会提示模型不完整，重新下载即可补全，导入不完整的模型文件夹也会被拒绝并指明缺失文件 Fix faster-whisper models missing a vocabulary file being treated as installed and failing with "Cannot load the vocabulary": they are now reported as incomplete so downloading again repairs them, and importing an incomplete model folder is rejected with the missing file named
- GPU 加速包（CUDA / Vulkan）下载后先校验 SHA-256 再安装：校验失败自动换下载源；新包校验并解压成功后才替换旧版本，失败时保留原有安装；诊断包会记录加速包的来源与版本 GPU acceleration packages (CUDA / Vulkan) are now verified by SHA-256 before installing, and other download sources are tried if verification fails; a new package replaces the old one only after it is verified and extracted, otherwise the existing install is kept; the diagnostics package also records each package's source and version
- 修复通过桌面启动器打开应用时，因日志管道被关闭而在转录中弹出「write EPIPE」报错的问题 (#572) Fix the "write EPIPE" error popping up during transcription when the app is opened from a desktop launcher that closes its log pipe (#572)
- 主界面意外退出（白屏）后弹出恢复提示，可一键重新加载界面，后台任务不受影响；白屏的根本原因仍在排查 (#574) When the main window exits unexpectedly (white screen), a recovery prompt now offers a one-click reload without affecting background tasks; the root cause of the white screen is still under investigation (#574)
下载 / Download
homebrew (推荐)
安装
brew tap buxuku/tap && brew install --cask smartsub更新
brew update && brew upgrade --cask smartsub手动安装
Mac 提示应用已损坏，在终端执行
sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app夸克网盘 https://pan.quark.cn/s/0b16479b40ca
系统 System 芯片 Chip 格式 Format 下载链接 Download link - v3.12.1v3.12.1 Windows 长路径转录紧急修复2026-10-30 · 2026-10-30 07:10 UTC
查看更新说明
v3.12.1 Windows 长路径转录紧急修复
fix
- 修复 3.12.0 在 Windows 上因任务音频路径过长而转录失败的问题，影响 FunASR、Qwen3-ASR、FireRedASR 和 NVIDIA Parakeet 等本地引擎；普通英文用户名也可能触发，升级后可重试失败任务（感谢 @PaytonX 定位与验证，#573） Fix transcription failures in 3.12.0 when task audio paths exceed the Windows native path limit, affecting local engines including FunASR, Qwen3-ASR, FireRedASR and NVIDIA Parakeet. Ordinary ASCII user names can trigger this issue; retry failed tasks after upgrading. Thanks to @PaytonX for the investigation and verification (#573).
- 为内置 Whisper 补充长音频路径的兼容处理，并统一覆盖 sherpa 音频读取和写入 Add long audio path handling to built-in Whisper and cover both sherpa audio reads and writes.
说明 / Note
本次为长路径兼容性修复。新任务运行器的工作文件仍保存在应用数据目录；自定义临时目录未覆盖这些文件的问题将另行修复。 This patch fixes long-path compatibility. The new task runner still stores its working files in the application data directory; applying the custom temporary directory to these files will be addressed separately.
下载 / Download
homebrew (推荐)
安装
brew tap buxuku/tap && brew install --cask smartsub更新
brew update && brew upgrade --cask smartsub手动安装
Mac 提示应用已损坏，在终端执行
sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app夸克网盘 https://pan.quark.cn/s/0b16479b40ca
系统 System 芯片 Chip 格式 Format 下载链接 Download link Windows x64 exe windows-x64 Mac Apple dmg mac-arm64 Mac Intel dmg mac-x64 Linux x64 deb linux-x64-deb Linux x64 AppImage linux-x64-appimage - v3.12.0v3.12.0 任务更可靠，在线下载支持导入浏览器 Cookie2026-10-29 · 2026-10-29 05:17 UTC
查看更新说明
v3.12.0 任务更可靠，在线下载支持导入浏览器 Cookie
feat
- 在线下载支持按网站导入浏览器 Cookie：可从本机浏览器或文件批量导入，自动按链接匹配对应网站，轻松下载需要登录的视频 Online download can import browser cookies per site: bulk import from a local browser or a file, and cookies are matched to the video URL automatically, making login-only videos easy to download
- 任务可从中断处继续：已完成的阶段结果会被保存并复用，修改设置后只重跑受影响的阶段 Tasks can resume where they left off: finished stages are saved and reused, and after changing settings only the affected stages are re-run
- 向导与任务页共用同一套流程设置，两处看到的、修改的是同一份配置，工具栏布局也更紧凑 The wizard and the task page now share the same pipeline settings, so both show and edit the same configuration, with a more compact toolbar
fix
- 修复重启后打开自定义参数配置报错、无法加载的问题（3.9.0 起出现） Fix the custom parameter configuration failing to load with an error after a restart (since 3.9.0)
- 修复 CUDA 版本与已安装 Toolkit 运行时不匹配，以及加速后端状态显示过期的问题 Fix CUDA builds not matching the installed Toolkit runtime and stale acceleration backend status
- 修复批量任务进行中，审阅字幕时会串到其他文件的问题，现在每个文件单独审阅 Fix subtitle review reaching into other files during a running batch; each file is now reviewed on its own
- 修复 Windows 上任务产物可能未及时写入、待导出结果丢失，以及已编辑的字幕交付物和已确认的任务信息被覆盖的问题 Fix task outputs not being fully written on Windows, pending exports getting lost, and edited deliverables or accepted task info being overwritten
- 修复视频合成时在线流媒体输入丢失，以及 MKV 内嵌字体附件未保留的问题，并提升不同视频流与编码格式的兼容性 Fix streaming inputs being dropped and embedded font attachments in MKV not being kept when composing video, and improve compatibility with more stream and encoding formats
- 修复任务设置面板内容被裁切的问题，已取消的任务不再显示多余的阶段 Fix the task settings panel getting clipped, and cancelled tasks no longer show phantom stages
下载 / Download
homebrew (推荐)
安装
brew tap buxuku/tap && brew install --cask smartsub更新
brew update && brew upgrade --cask smartsub手动安装
Mac 提示应用已损坏，在终端执行
sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app夸克网盘 https://pan.quark.cn/s/0b16479b40ca
系统 System 芯片 Chip 格式 Format 下载链接 Download link Windows x64 exe windows-x64 Mac Apple dmg mac-arm64 Mac Intel dmg mac-x64 Linux x64 deb linux-x64-deb Linux x64 AppImage linux-x64-appimage - v3.11.0v3.11.0 「更多设置」全新分层，字体选择更省心，翻译输出更可靠2026-10-22 · 2026-10-22 05:41 UTC
查看更新说明
v3.11.0 「更多设置」全新分层，字体选择更省心，翻译输出更可靠
feat
- 「高级选项」升级为「更多设置」，分「常用」「专家」两页：常用项集中在前，解码、断句精调等专家项收进「专家」页；新建任务向导也新增了入口 Turn "Advanced options" into "More settings" with Common and Expert pages: everyday options come first and decoder-level knobs move to Expert; the new-task wizard gets an entry too
- 场景按钮在改过细项后仍显示场景名，并以「已调整」小圆点提示，弹层中可查看调整了哪些项并一键恢复；每个场景新增「适合什么视频」的说明 The scenario button keeps its name and shows an "Adjusted" dot after tweaks; the popover lists what changed with a one-click restore, and each scenario now says what kind of video it suits
- 任务工具栏按「听 → 译 → 出」重新排序，「字幕格式」改称「输出」；「字幕效果」更名为「识别策略」，其中的「自定义」档改称「手动调节」 Reorder the task toolbar as listen → translate → output and rename "Subtitle format" to "Output"; "Subtitle effect" is now "Recognition strategy", and its "Custom" tier is now "Manual tuning"
- 开始任务时，若视频自带文本字幕轨，会先询问一次：使用内封字幕，还是改用语音识别；可勾选记住选择、不再提示，之后在「更多设置 › 常用」中调整 When you start a task and a video carries a text subtitle track, SmartSub now asks once whether to use it or run speech recognition instead; tick the box to remember your choice and change it later in More settings › Common
- 字体选择器按「最近使用 / 常用字体 / 全部字体」分组，并支持用中文名和拼音（全拼或首字母）搜索字体 The font picker groups fonts into Recent / Common / All fonts and supports searching by Chinese name and pinyin (full or initials)
- 合成预览会提示哪些字体缺字、已临时改用了哪款字体，并推荐已安装的、能完整显示整段字幕的字体，点击即可切换 Compose preview now tells you when a font lacks glyphs and which font is used instead, and recommends installed fonts that can show the whole subtitle, switchable with one click
fix
- 修复 3.9.0 起选了「仅译文」字幕里仍带原文的问题：出厂默认恢复为仅译文，新建任务不再覆盖已保存的选择（此前已保存为双语的用户需自行改一次）；向导的合成面板也会说明成片字幕内容跟随该设置 Fix subtitles still carrying the source text after choosing translation only since 3.9.0: the factory default is translation only again and new tasks no longer override your saved choice (users who already saved bilingual need to switch once); the wizard's compose panel also says the final video follows this setting
- 修复个别情况下翻译任务显示成功却只得到空字幕文件，以及译文文件名与源字幕相同时会清空源字幕的问题，现在会明确报错并保留源字幕 Fix translation tasks occasionally reporting success while producing an empty subtitle file, and a translated file with the same name as the source subtitle wiping the source; these now fail with a clear error and the source is kept
- 修复在任务页调整的参数（含「更多设置」里的项）不运行任务就不会成为下一个新任务默认值的问题，现在改完即记住 Fix settings changed on the task page (including More settings) not becoming the defaults of the next new task unless the task was run; they are now remembered as you change them
- 修复字幕含韩文等所选字体不支持的字符时，合成预览和导出直接失败的问题：现在会自动改用可用字体继续，实在没有字体的字符显示为方块并给出提示 Fix compose preview and export failing outright when subtitles contain characters the selected font lacks (such as Korean): a fallback font is now used automatically, and characters no installed font covers show as boxes with a warning
- 降低 Qwen3-ASR 对长连续语音静默失败（输出空文本或「language」）的概率：默认将单段语音限制在约 15 秒内（最多 20 秒），仍超出解码预算时会在日志中给出警告 (#549) Reduce the chance of Qwen3-ASR silently failing on long continuous speech (empty text or "language"): speech segments are capped at about 15 s by default (20 s at most), and a log warning is written when a segment still exceeds the decoding budget (#549)
- 修复向导和「在线下载后自动转写」的仅生成字幕任务，把字幕保存成
视频名_temp.srt的问题，现在与任务页一致，保存为视频名.srtFix subtitle-only tasks from the wizard and from download-then-transcribe saving subtitles as<video>_temp.srt; they now match the task page and save<video>.srt - 修复在「手动调节」里改过的 VAD 等参数，改选内置识别策略后仍然生效、与所选档位不一致的问题 Fix parameters tuned under Manual tuning (such as VAD) still applying after switching back to a built-in recognition strategy
- 修复全新安装后场景按钮一开始就显示「专家自定义」的问题，现在默认显示「通用均衡」 Fix the scenario button showing "Expert Custom" on a fresh install; it now starts at "Balanced"
下载 / Download
homebrew (推荐)
安装
brew tap buxuku/tap && brew install --cask smartsub更新
brew update && brew upgrade --cask smartsub手动安装
Mac 提示应用已损坏，在终端执行
sudo xattr -dr com.apple.quarantine /Applicat - v3.10.1v3.10.1 崩溃诊断与稳定性加固，免费翻译更快更稳2026-10-16 · 2026-10-16 04:55 UTC
查看更新说明
v3.10.1 崩溃诊断与稳定性加固，免费翻译更快更稳
feat
- 免费翻译提速：新增有道免费翻译源，并作为「自动免费翻译」的默认首选；谷歌免费翻译新增整批通道，被限流时自动退回逐条翻译（均为非官方接口，不保证长期可用） Faster free translation: add Youdao as a free source and the default first choice of Auto Free; Google gains a batch lane that falls back to line-by-line when rate limited (both are unofficial endpoints with no availability guarantee)
- 翻译任务支持按任务选择术语表，并可选「生成摘要」：翻译前先通读全文生成摘要并注入 AI 翻译，提升人名与上下文的一致性 (感谢 @MaurUppi #436) Choose glossaries per task, and optionally generate a summary before translating to keep names and context consistent in AI translation (thanks @MaurUppi #436)
- 新增崩溃诊断：「关于」页可导出诊断包，异常退出后也会主动提示（仅本地生成，不会自动上传）；导致闪退的加速后端会被自动停用，可在「GPU 加速」设置中查看并重试 Add crash diagnostics: export a diagnostics bundle from About, also offered after an abnormal exit (created locally, never uploaded automatically); backends that cause crashes are disabled automatically and can be retried in GPU acceleration settings
- 新增 CPU / 显卡兼容检测：CPU 不支持内置引擎（如缺少 AVX2）时给出提示并指引下载「旧 CPU 兼容包」；算力不足的 CUDA 加速包自动跳过，避免闪退 Add CPU / GPU compatibility checks: warn when the CPU can't run the built-in engine (e.g. no AVX2) with a link to the legacy CPU pack, and skip CUDA packs the GPU is too old for to avoid crashes
- 校对数据改存到应用数据目录，不再在视频旁生成 .smartsub-proofread 文件夹，并随任务一起清理（已有数据照常可用） Proofread data now lives in the app data folder instead of a .smartsub-proofread folder beside the video, and is cleaned up with its task (existing data keeps working)
perf
- 内置引擎在 Metal / CoreML / CUDA 上启用 Flash Attention，转录更快 Enable Flash Attention for the built-in engine on Metal, CoreML and CUDA for faster transcription
- faster-whisper 语音复核在超长录音上明显提速，进度不再长时间停滞 Speed up faster-whisper speech review on very long recordings, with progress no longer stalling
- 任务列表界面优化：按状态着色描边，运行中各列保持对齐，拖入文件不再抖动，移除单个文件可撤销 Refine the task list: state-tinted outlines, stable alignment while running, no jitter when dragging files in, and undo when removing a single file
- 安装包体积缩小约 14%–18%：移除未被使用的依赖、重复拷贝与调试用的 source map，功能不受影响 Smaller installers (about 14–18% smaller): drop unused dependencies, duplicated copies and debug source maps, with no change in functionality
fix
- 修复 Windows 用户名或路径含中文等非 ASCII 字符时，内置引擎转录得到空字幕、语音检测/降噪/声音克隆失败的问题 Fix empty transcripts and failing voice detection, denoising and voice cloning on Windows when the user name or path contains non-ASCII characters
- 修复偶发的「write EPIPE」报错弹窗，以及 Windows 合成预览中鼠标移出后视频区域变黑的问题 Fix the occasional "write EPIPE" error dialog, and the video area turning black in the Windows compose preview after the pointer leaves it
- 修复烧录硬字幕时 ffmpeg 报「Conversion failed」：WebM 来源默认输出 MP4，兼容内嵌封面与奇数分辨率视频，失败时显示真实原因 (#521) Fix "Conversion failed" when burning hard subtitles: WebM sources default to MP4, embedded cover art and odd-sized videos are handled, and the real failure reason is shown (#521)
- 提升 AI 断句通过率：容忍复述时的细微偏差、保留最佳结果、请求不再长时间卡住，失败时给出准确原因 (#507) Improve AI segmentation success: tolerate small copy drift, keep the best answer, no more long-stalled requests, and report accurate failure reasons (#507)
- 修复校对台两个问题：含零时长字幕的校对数据无法打开（已有数据自动修复）；播放器字幕预览缺失或编辑后不更新 (#511 #505 #520) Fix two proofread issues: data with zero-length cues failed to open (existing data is repaired automatically), and the player subtitle preview was missing or not following edits (#511 #505 #520)
- 修复替换同路径视频后仍沿用旧音频转录的问题 (#510) Fix a replaced video at the same path being transcribed from stale cached audio (#510)
- 修复双语字幕配音时两种语言都被朗读的问题，现只朗读译文，导出字幕仍保留双语 (#537) Fix dubbing reading both languages of a bilingual subtitle: only the translation is spoken now, and the exported subtitle stays bilingual (#537)
- 修复 faster-whisper 模型路径指向共享的 HuggingFace 缓存时，目录被擅自移动导致其他软件无法加载的问题；删除模型时会列出将删除的目录 (#519) Fix faster-whisper moving folders in a shared HuggingFace cache (breaking other tools); deleting a model now lists the folders to be removed (#519)
- 修复新建任务不再沿用上次所用配置的问题 Fix new tasks no longer starting from the last used settings
下载 / Download
homebr
用户点评
登录用户的真实使用记录，可按版本和硬件筛选共 0 条
还没有人点评。第一个说出真实体验的人最有价值。
妙幕 / SmartSub
视频转字幕、字幕翻译、AI 创作助手、AI 配音与声音克隆、字幕烧录、MCP/CLI 自动化——一站式开源桌面工具
让每一帧画面都能美妙地表达
下载安装 · 功能特性 · AI 助手与自动化 · 免费方案 · 常见问题 · 更新日志
特别赞助
🤝 想成为赞助商或洽谈合作？请查看 赞助合作说明。
❤️ 感谢 CrazyToken 对 SmartSub 的赞助支持！
CrazyToken | 多模型助力字幕翻译，让跨语言表达更自然，倍率低至0.05x，最高省99%
CrazyToken 提供 Claude、GPT、Gemini、Kimi、GLM、DeepSeek、Qwen、Grok 等主流模型 API，为字幕翻译、语境理解、术语统一与校对润色提供模型支持。无论是课程视频、访谈播客，还是多语言内容制作，都能按语言和任务需求选择合适的模型。
- 💰 最低 0.05×，字幕翻译更省成本：模型价格低至官方价格的 5%，Token 级账单透明可查，降低长视频字幕翻译与批量处理的模型调用成本。
- ✨ 官方原生通道：不掺水、不混模、不压缩长上下文，为理解前后文、统一术语和打磨译文提供模型支持。
- ⚡ 稳定高速，高并发不限流：为批量字幕翻译与多任务处理提供稳定的 API 服务，减少调用等待。
- 🎁 新用户注册赠送 $20：通过专属链接注册即送 $20 体验额度，充值额外加赠；提供 1 对 1 远程配置服务，真人协助完成模型 API 配置。
妙幕是什么
妙幕（SmartSub）是一款开源的音视频字幕与配音工具，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。
妙幕深度融合了现代 AI 协同与 Agentic 自动化能力：
- 内置 AI 创作助手（智能副驾）：随时按快捷键呼出，具备全工作台上下文感知、多模态视觉截图诊断、实时字幕润色与自主工具调用（Agentic Tool-Calling）能力，用自然语言即可驱动复杂操作；
- MCP 与 CLI 命令行自动化：深度支持 Model Context Protocol（提供 111 个标准工具与对应 CLI 命令），内置 Electron/Node 运行时免配环境，不仅可让 Cursor、Claude Code、Codex 等外部 AI 智能体直接调度，还能在终端脚本与 CI 中全自动化执行流水线。
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、9 家云端听写、6 类云端配音服务作为增强。
它能帮你做什么
| 你想做的事 | 妙幕的做法 |
|---|---|
| 用自然语言搞定字幕编辑与排障 | 随时呼出内置 AI 助手，上下文感知与多模态截图诊断，一句话润色、改口语化或自动下发任务 |
| 让 Cursor / Claude / 脚本接管音视频流水线 | 借助 111 个 MCP 工具与 CLI 命令，外部 AI Agent 或终端脚本直接全自动批量转写、翻译、配音与合成 |
| 看无字幕的外语视频、公开课 | 拖入视频，本地转写并翻译，得到双语字幕，播放器直接挂载 |
| 给 B 站 / YouTube 在线视频配字幕 | 粘贴链接应用内直接下载，官方字幕自动配对，无需第三方下载工具 |
| 做视频出海 / 多语言内容 | 字幕翻译成目标语言，再用 TTS 配成外语音轨，导出成品视频 |
| 用自己的声音给视频配音 | 录一段参考音频，零样本克隆音色，整条视频用你的声音朗读 |
| 整理播客、网课、会议录音 | 批量转写成 SRT 字幕文件，供剪辑、检索或存档 |
| 给成片压制字幕 | 校对台逐句核对后硬烧或软封装，样式所见即所得 |
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；更能通过内置 AI 创作助手实时对话协作，或通过 MCP / CLI 交由外部 AI 智能体全自动化调度。
🌟 AI 创作助手（智能副驾）
- 随时唤起与多轮交互：顶部工具栏一键开启或按快捷键
⌘J（macOS）/Ctrl+J（Windows、Linux）随时呼出右侧抽屉面板，支持调整宽度，会话记录自动持久化保存在本地 - 工作台深度上下文感知：智能感知当前界面状态，自动关联当前视频播放进度、选中的字幕单行、邻近上下文、任务列表运行状态与近期报错日志，无需反复手动交代背景
- Agentic 自主工具调用：全面打通底层 111 个自动化工具！不仅能答疑解惑，更可根据自然语言指令直接代劳——如「把当前视频转成中英双语字幕并合成」、「查看我安装了哪些模型」、「排查刚才任务失败的原因」
- 字幕精修与安全编辑：校对时直接说「把当前这句改得更口语化」、「解释这一段的专业术语」、「修正同音错字」，修改实时渲染在编辑器中并自动进入撤销/重做栈（支持快捷键随时撤回）；严格版本保护，说「保存」才写入物理文件
- 多模态视觉截图诊断：任务失败或参数不知如何配置？助手内置截屏工具，点击相机图标即可一键捕获当前工作区，结合视觉多模态大模型分析报错弹窗、Toast 提示与控件状态，秒级给出排查与修复方案
- 多类型文件与媒体对话（File Chat）：支持将音视频（MP4、MKV、MOV、MP3、WAV、FLAC 等）、字幕（SRT、VTT、ASS、LRC）、参考文稿（TXT、MD）及图片直接拖入对话框。音视频文件不上传云端，仅传递本地绝对路径给底层工具处理，兼具大模型智能与隐私安全
- 主流大模型自由接入：支持 DeepSeek、通义千问 (Qwen)、Gemini、SiliconFlow、DeerAPI 及任意 OpenAI 兼容端点，支持流式回复与独立系统提示词。详见 AI 助手使用文档
⚡ MCP 协议与 CLI 命令行自动化（Agentic Automation）
- 111 个标准 MCP 工具与对应 CLI 命令：无死角覆盖音视频下载、转写、翻译、校对、配音、音视频封装、格式转换、音频抽取以及模型与服务商配置等全链路能力，详见 操作参考文档
- 免配置 Node.js 运行时（Zero-Config）：直接复用应用自带的 Electron/Node 运行时，客户端用户和外部 AI 完全不需要额外安装 Node.js，开箱即用
- 主流 AI 客户端一键打通：应用内「设置 → 连接 AI 工具（MCP）」提供一键导入 Cursor（支持官方 MCP 协议一键拉起）、一键复制 Codex 配置（TOML 格式）、Claude Code（一键注册）及通用客户端 JSON 配置，让各种 AI Agent 秒变音视频流水线总指挥
- 无窗口后台守护（Headless Daemon）：AI 工具或 CLI 首次调用时自动启动无界面后台常驻守护，与桌面客户端无缝共享任务状态、配置和模型资源，闲置自动回收，桌面打开无缝接入
- 强大的 CLI 命令行与脚本批处理：提供
smartsub统一命令行入口，支持复杂任务流水线一键编排（pipeline.run）、JSON / stdin 管道传参、任务状态轮询与去重机制，让音视频生产轻松融入 Shell 脚本与 CI/CD 自动化。详见 MCP 与 CLI 接入指南
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（9 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，英语、欧洲语言与日语可选对应 Parakeet 模型
- 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（有道 / 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，并可随时呼出右侧 AI 助手进行对话式修改与答疑
🎙️ AI 助手与自动化协同
除了常规界面操作外，妙幕提供了强大的智能化副驾体验与开发者级自动化支持：
- 实时协作（智能副驾）：在校对、配音或任务页面遇到问题，随时呼出 AI 助手，自然语言对话即可直接修改当前字幕内容、排查任务失败原因或解答音视频术语。
- 视觉排障（截屏多模态）：遇到不会设置的参数或复杂的报错界面，点击相机图标截取工作台发送给模型，AI 即可看图定位问题并指导操作。
- 外部 AI 与脚本调度（MCP & CLI）：无需打开前端 UI，支持 Cursor、Claude Code、终端脚本通过标准 MCP 协议或
smartsubCLI 批量处理大规模音视频流水线。
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、Xiaomi MiMo
- 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
界面一览
| 视频合成（字幕烧录） | 字幕校对 |
|---|---|
 |  |
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：
| 环节 | 免费方案 | 说明 |
|---|---|---|
| 视频下载 | yt-dlp / lux 开源引擎 | 应用内一键安装，免费使用 |
| 语音转写 | whisper.cpp / faster-whisper / FunASR / Qwen3-ASR / FireRedASR / Parakeet 本地模型 | 模型下载一次，离线可用 |
| 字幕翻译 | 内置免费翻译（有道 / 必应 / 谷歌接口，自动回退）、Ollama 本地大模型、DeepLX | 免费翻译开箱即用，零配置 |
| TTS 配音 | 本地 Kokoro / VITS / ZipVoice 声音克隆；Edge TTS 免费档 | 本地模型离线合成，无用量限制 |
| 字幕烧录 | 内置 ffmpeg | 本地合成 |
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。
| 系统 | 芯片 | 安装包 | 说明 |
|---|---|---|---|
| Windows | x64 | windows-x64 | NVIDIA 用 CUDA，AMD / Intel 用 Vulkan，应用内下载 |
| macOS | Apple | mac-arm64 | 自动启用 Core ML / Metal 加速 |
| macOS | Intel | mac-x64 | 仅 CPU，不支持 GPU 加速 |
| Linux | x64 | linux-x64 | NVIDIA 用 CUDA，AMD / Intel 用 Vulkan，应用内下载 |
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
代码签名策略（Code signing policy）
Free code signing provided by SignPath.io, certificate by SignPath Foundation
- 签名范围：Windows 安装包（
SmartSub_Windows_<版本>_x64.exe）。签名在 GitHub Actions 中自动完成，每个正式版本发布前都要经过人工批准。签名从证书签发后的首个版本开始生效，此前发布的版本未签名。 - 团队角色：
- 隐私政策：SmartSub 不收集、不上传任何使用数据，也不含统计 SDK。启动时自动联网只用于检查更新，共两项：应用更新（请求 GitHub Releases，可在设置中关闭「启动时检查更新」），以及已安装 faster-whisper 运行时才会进行的每日运行时更新检查（请求 GitHub，只提示、不自动下载，不受该开关控制）。下载模型、加速包与视频下载引擎、下载在线视频，以及云端翻译、云端听写、云端配音，都只在你使用对应功能时才联网，内容只发往你自己选择或配置的服务，这些服务适用它们各自的隐私政策。崩溃诊断与日志只保存在本机，不会自动上传。详见隐私政策。
进阶指南
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：
| 引擎 | 说明 | 运行方式 |
|---|---|---|
| whisper.cpp（内置） | 默认引擎，支持 ggml 量化模型与 GPU 加速 | 随应用内置，开箱即用 |
| faster-whisper | 基于 CTranslate2，速度更快，模型按需从 HuggingFace 下载 | 自包含 Python 运行时（应用内下载） |
| FunASR | SenseVoice（中 / 英 / 日 / 韩 / 粤）与 Paraformer-zh，中文表现优秀 | 内置 sherpa-onnx 原生库 |
| Qwen3-ASR | 通义千问语音识别（qwen3-asr-0.6b / 1.7b） | 内置 sherpa-onnx 原生库 |
| FireRedASR | FireRedASR-AED large（中英），中文表现优秀 | 内置 sherpa-onnx 原生库 |
| NVIDIA Parakeet | 英语 TDT v2、多语种 TDT v3（25 种欧洲语言）、日语 0.6B CTC，支持标点 | 内置 sherpa-onnx 原生库 |
| 本地 Whisper CLI | 调用你自行安装的 whisper 兼容命令 | 使用系统已装命令 |
| 云端听写（在线 ASR） | 9 家在线服务商，免 GPU、支持多服务商多实例 | 在线服务（音频上传到你配置的端点） |
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
- Xiaomi MiMo：
mimo-v2.5-asr，中英文与中文方言；按时长计费，使用 20 秒静音分片生成粗粒度时间轴
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
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。
| 平台 | 加速后端 | 说明 |
|---|---|---|
| Windows / Linux + NVIDIA | CUDA | 支持 CUDA 11.8.0 / 12.2.0 / 12.4.0 / 13.0.2，应用内下载对应加速包 |
| Windows / Linux + AMD / Intel | Vulkan | 应用已内置 Vulkan 加速包 |
| macOS（Apple 芯片） | Core ML / Metal | 下载 mac arm64 版本后自动启用 |
| 任意平台 | CPU | 无可用 GPU 时自动回退 |
- 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
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
本地引擎基于 sherpa-onnx 运行，完全离线免费：
| 模型 | 语言 | 音色 | 说明 |
|---|---|---|---|
| Kokoro 多语 v1.1 | 中 / 英 | 103 | 多语模型，英文与中文音色均衡 |
| VITS 中文 AIShell3 | 中 | 174 | 中文说话人库 |
| ZipVoice 声音克隆 | 中 / 英 | 用户自建 | 零样本克隆：一段参考音频 + 对应文本即建即用 |
云端服务商按需接入：
| 服务 | 说明 |
|---|---|
| Edge TTS | 免费、无需 Key；属逆向接口试用档，不承诺可用性，断供时建议切换其它引擎 |
| OpenAI 兼容 | audio/speech 协议，内置 OpenAI / 硅基流动预设，可添加多个自定义端点 |
| Azure Speech | 微软 Neural 音色体系（700+ 音色），SSML 语速控制 |
| 火山引擎豆包 | 豆包语音合成大模型音色，支持声音复刻 2.0 克隆音色 |
| ElevenLabs | 多语模型，支持即时声音克隆（IVC） |
| Xiaomi MiMo | mimo-v2.5-tts，8 个中英文预置音色，当前限时免费 |
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。
1. AI 创作助手（智能副驾）
- 快捷键：
⌘J（macOS）或Ctrl+J（Windows / Linux）可随时呼出或收起右侧 AI 助手面板，展开后自动聚焦输入框。 - 配置服务：在应用「翻译」设置页中配置的大模型（OpenAI 兼容、DeepSeek、通义千问、Gemini、SiliconFlow、DeerAPI 等）可直接用于助手对话。在聊天面板底部可随时切换当前对话的模型。
- 上下文引用：默认勾选「引用当前上下文」，助手能自动读取当前播放进度、选中的字幕行、错误日志和工作区状态。取消勾选即可开启纯独立会话。
- 视觉截图排障：点击输入框的相机图标，助手自动捕获当前工作区画面，并结合多模态模型视觉能力定位报错弹窗与配置问题。
- 文件与媒体对话：直接拖拽音视频（MP4/MKV/MP3/WAV 等）、字幕或参考文稿到对话框，由助手调用底层 MCP 工具直接在本地提取音频、生成或润色字幕。
2. 连接外部 AI 工具（Cursor / Codex / Claude Code）
在软件中打开 设置 → 连接 AI 工具（MCP）：
- Cursor：点击「一键导入 Cursor」，在 Cursor 打开的页面中点击确认即可自动注册。
- OpenAI Codex：点击「复制配置」，将生成的 TOML 块粘贴到
~/.codex/config.toml中。 - Claude Code：在终端运行随包自带命令安装：
# macOS "/Applications/SmartSub.app/Contents/Resources/automation/smartsub" setup cli --install "$HOME/.local/bin/smartsub" setup mcp --client claude --install - 其他 MCP 客户端：复制通用 JSON 配置，将
smartsub条目合并到客户端的mcpServers字段中即可。无需额外安装 Node.js！
详细使用指引请参阅 AI 助手使用文档 与 MCP 与 CLI 接入指南。
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
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
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。
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。
- 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。
赞助商
本项目由以下赞助商支持：
社区与支持
如果这个项目对你有帮助，欢迎点一个 star，或者请作者喝一杯咖啡（请备注你的 GitHub 账号）。使用中有任何问题，欢迎加入 QQ 交流群（群号：655348339）。
| 支付宝收款码 | 微信赞赏码 | QQ 交流群 |
|---|---|---|
 |  |  |
致谢
- whisper.cpp — 本地转写引擎基础
- sherpa-onnx — FunASR / Qwen3-ASR / FireRedASR / Parakeet 与本地 TTS 的运行时
- FFmpeg — 音视频处理与字幕烧录
- Bob — 翻译服务申请文档
- LINUX DO — 新的理想型社区，感谢社区的交流与反馈
许可证
本项目采用 MIT 许可证，详情见 LICENSE 文件。
Star History
VoiceStudio
debpalash·Python
本地运行的 ElevenLabs 开源替代品，支持声音克隆、语音设计、视频配音、听写、转写和有声书制作，覆盖 646 种语言。
语音克隆+4语音推理
106722+359812kv0.5.72026-11-10 10:53 UTC
voicebox
jamiepine·Python
开源 AI 语音工作室，支持声音克隆、语音听写和语音生成，基于 Qwen3-TTS 与 Whisper，可在 CUDA 或 MLX 上本地运行。
语音克隆+4语音推理
60349+5967.6kv0.5.02026-10-07 01:17 UTC
whisper.cpp
ggml-org·C++
OpenAI Whisper 语音识别模型的 C/C++ 移植版，无需 Python 和 GPU 依赖，在普通 CPU 上就能跑语音转文字。
语音识别+4语音推理
55060+736.3kv1.9.52026-11-10 08:39 UTC
faster-whisper
SYSTRAN·Python
基于 CTranslate2 重实现的 Whisper 语音转文字推理引擎，通过量化与高效推理大幅提速并降低显存占用，适合本地部署转录。
语音识别+4语音推理
26639+672.2kv1.2.12026-11-10 10:13 UTC