剪映目前的最佳平替 - 卡卡字幕助手VideoCaptioner

大家好，我是波導(dǎo)終結(jié)者。

最近，我做帶字幕的視頻有點(diǎn)多，如何高效率地打時(shí)間軸就成了個(gè)問題。擱以前，剪映的語音識(shí)別和文稿匹配功能確實(shí)是實(shí)用的，但現(xiàn)在大家也都知道，功能全部要SSVIP才能用，會(huì)員也越來越貴。更關(guān)鍵的是很多核心功能仍然在向更高級(jí)的VIP遷移，說白了，你錢交了，事后跟你說這個(gè)不能用那個(gè)不能用，得交更多錢。所以最近我也是找了一圈最佳替代，最終敲定了卡卡字幕助手VideoCaptioner這款軟件，跟大家分享。

這是一款免費(fèi)開源的軟件，在Github上可以找到源代碼或者安裝包，一鍵安裝運(yùn)行。此處我以Windows版本為例，它的核心功能分為三塊，音視頻方面的東西自帶FFmpeg就略過了。第二塊是語音轉(zhuǎn)文字，提供了不少的提口供使用，這里推薦默認(rèn)的FasterWhisper，本地幾G的模型，在線下載即可，非常方便。藍(lán)圈部分是LLM配置，用于語言大模型處理斷句，字幕優(yōu)化甚至是翻譯等功能。

不過具體的設(shè)置和下載界面，并不在軟件的設(shè)置頁面，而在語音轉(zhuǎn)錄這個(gè)功能界面。目前FasterWhisper的程序和模型都能在界面里直接下載，免工具基本滿速，后續(xù)如果有變動(dòng)再另說。硬盤容量和配置夠的話，large-v2或者v3的模型是強(qiáng)烈推薦的，支持顯卡加速，效率挺不錯(cuò)的。

至于LLM語言大模型，之前跟大家分享過好幾期了，這里感覺就略過吧，反正DeepSeek本地用一用就挺夠的了。一般默認(rèn)參數(shù)下，識(shí)別的字幕就還挺可以的，如果要求不是特別高，直接用都沒問題。如果需要更深處的處理，可以選中“字幕校正”，并且把文稿貼到文稿提示的文本框里，再進(jìn)行處理。

這里的字幕校正，以及字幕是否分割，分割按句子分段還是按語義分段，以及中文最大字?jǐn)?shù)，文稿提示等，都會(huì)對(duì)字幕最終的效果產(chǎn)生影響。當(dāng)前1.3.3版本，還沒辦法達(dá)到剪映文稿匹配的效果，也即文稿原文完全不修改，完全按照文稿進(jìn)行時(shí)間軸和字幕對(duì)齊。如果開了字幕校正，雖然可以對(duì)齊，但是有時(shí)候一些字眼會(huì)被大模型替換，如果不開校正，斷句有可能跟文稿出現(xiàn)部分錯(cuò)位。總之就是，差不多可以替代80-90%的功能，最后要求高的話，不管哪種方案都需要再檢查一遍；要求不高的話直接識(shí)別完就用，也沒有問題。

另外，剛才有提到過，這款軟件也集成了FFmpeg，如果要打硬字幕的話，也可以直接一起生成。在字幕樣式里，可以設(shè)置主副字幕的樣子，不過目前的款式比剪映少一些，像整個(gè)字幕背景用矩形填充，以及透明度這些選項(xiàng)暫時(shí)還沒有，但也夠用了。

最后輸出的效果還不錯(cuò)，截圖如上。對(duì)于軟件內(nèi)打硬字幕，目前沒有提供編碼方式和質(zhì)量選項(xiàng)，下一個(gè)Release應(yīng)該會(huì)加上。Github上也有其他作者修改的分支，已經(jīng)加上了這個(gè)功能，這就是開源軟件的好處。或者導(dǎo)出字幕，自己用其他軟件合成也沒有問題，就看每個(gè)人的工作流和需求了。

今天的分享先到這里。文章僅為拋磚引玉，這個(gè)免費(fèi)開源本地工作的方案是目前我發(fā)現(xiàn)的最好用的。如果小伙伴有發(fā)現(xiàn)更好的“文稿匹配”功能的替代方案，也歡迎一起分享。

感謝大家的觀看，點(diǎn)贊和關(guān)注，我們下期再見。