大家好，我是波导终结者。

最近，我做带字幕的视频有点多，如何高效率地打时间轴就成了个问题。搁以前，剪映的语音识别和文稿匹配功能确实是实用的，但现在大家也都知道，功能全部要SSVIP才能用，会员也越来越贵。更关键的是很多核心功能仍然在向更高级的VIP迁移，说白了，你钱交了，事后跟你说这个不能用那个不能用，得交更多钱。所以最近我也是找了一圈最佳替代，最终敲定了卡卡字幕助手VideoCaptioner这款软件，跟大家分享。

这是一款免费开源的软件，在Github上可以找到源代码或者安装包，一键安装运行。此处我以Windows版本为例，它的核心功能分为三块，音视频方面的东西自带FFmpeg就略过了。第二块是语音转文字，提供了不少的提口供使用，这里推荐默认的FasterWhisper，本地几G的模型，在线下载即可，非常方便。蓝圈部分是LLM配置，用于语言大模型处理断句，字幕优化甚至是翻译等功能。

不过具体的设置和下载界面，并不在软件的设置页面，而在语音转录这个功能界面。目前FasterWhisper的程序和模型都能在界面里直接下载，免工具基本满速，后续如果有变动再另说。硬盘容量和配置够的话，large-v2或者v3的模型是强烈推荐的，支持显卡加速，效率挺不错的。

至于LLM语言大模型，之前跟大家分享过好几期了，这里感觉就略过吧，反正DeepSeek本地用一用就挺够的了。一般默认参数下，识别的字幕就还挺可以的，如果要求不是特别高，直接用都没问题。如果需要更深处的处理，可以选中“字幕校正”，并且把文稿贴到文稿提示的文本框里，再进行处理。

这里的字幕校正，以及字幕是否分割，分割按句子分段还是按语义分段，以及中文最大字数，文稿提示等，都会对字幕最终的效果产生影响。当前1.3.3版本，还没办法达到剪映文稿匹配的效果，也即文稿原文完全不修改，完全按照文稿进行时间轴和字幕对齐。如果开了字幕校正，虽然可以对齐，但是有时候一些字眼会被大模型替换，如果不开校正，断句有可能跟文稿出现部分错位。总之就是，差不多可以替代80-90%的功能，最后要求高的话，不管哪种方案都需要再检查一遍；要求不高的话直接识别完就用，也没有问题。

另外，刚才有提到过，这款软件也集成了FFmpeg，如果要打硬字幕的话，也可以直接一起生成。在字幕样式里，可以设置主副字幕的样子，不过目前的款式比剪映少一些，像整个字幕背景用矩形填充，以及透明度这些选项暂时还没有，但也够用了。

最后输出的效果还不错，截图如上。对于软件内打硬字幕，目前没有提供编码方式和质量选项，下一个Release应该会加上。Github上也有其他作者修改的分支，已经加上了这个功能，这就是开源软件的好处。或者导出字幕，自己用其他软件合成也没有问题，就看每个人的工作流和需求了。

今天的分享先到这里。文章仅为抛砖引玉，这个免费开源本地工作的方案是目前我发现的最好用的。如果小伙伴有发现更好的“文稿匹配”功能的替代方案，也欢迎一起分享。

感谢大家的观看，点赞和关注，我们下期再见。