AutoSubs，字幕生成神器？

现在短视频当道，仅 15 秒到 1 分钟的时长，表达的内容信息密度特别大，这时候视频字幕就很重要。尤其是当刷视频的场景在外面，比如地铁、公交上，很多人会选择静音模式，如果视频没有字幕，就直接划走了。所以现在认真在做视频的创作者，给视频加上字幕基本是标配。但问题是，用剪映识别还得付费，自己手动添加逐句打字不说，还要反复调整时间轴对齐，遇到多人对话更头疼。视频创作者们，你们是否也曾为制作字幕而“爆肝”？繁琐的听写、痛苦的打轴（对齐时间码）、还要区分不同的发言人... 这个过程足以耗尽所有创作热情。

今天跟大家分享一个叫 AutoSubs 的开源工具，可以一键生成高质量字幕，同时支持自动识别不同说话人，已经有 10 万多人使用过。

AutoSubs

https://github.com/tmoroney/auto-subs。

是一款开源的字幕生成工具，能一键为视频或音频添加高质量字幕，并自动识别说话人区分颜色。它基于OpenAI的Whisper模型实现多语言转录，支持中文、英文等主流语言，还能进行字幕翻译。用户只需拖拽文件选择语言即可快速生成带时间轴的字幕，无需上传云端数据，适合创作者高效制作静音场景适用的视频字幕。最新版本优化了界面和分类速度，兼容DaVinci Resolve等后期软件。平台支持（Win/macOS/Linux）。

AutoSubs不仅能自动生成字幕，还能识别出是谁在说话，直接给不同的人标上颜色。关键是完全免费，在本地跑，不用担心视频传到哪个服务器去。

AutoSubs 主要用的是 OpenAI 的 Whisper 模型做语音识别，该模型的准确度一直都非常高被广泛应用。我们只需要把视频或音频文件拖拽到工具，选择对应的语言，支持中文、英文、日语等等，接着点个按钮就开始转录了。

当工具转录完之后，字幕还会自动按时间轴切分好，每一句话对应的时间点都标得清清楚楚。如果音频质量不错，基本上不用怎么改就能直接用。另外，它还提供了字幕翻译功能，虽然目前只支持翻译成英文，但对于想做双语字幕的朋友来说够用了。

说话人识别，自动标颜色这个功能我觉得特别实用。AutoSubs 能自动识别出视频里有几个人在说话，然后给每个人的字幕标上不同的颜色。这样大家在看视频时能直观知道谁在讲话，不用再额外手动去标注 “主持人”、“嘉宾 A”、“嘉宾 B” 这些标签。

对于做访谈、播客或者多人对话视频的朋友来说，这个功能能省不少事。甚至，你还可以给每个说话人设置不同的字幕样式，比如填充色、描边、边框这些，让字幕看起来更有层次感。

字幕是内容的第二层“语言”，也是打开国内外双向流量的钥匙。在 2024 年漫剧市场的高速增长背景下，AutoSubs 用“一键+AI”彻底打通了从配音到国际化的最后一道瓶颈。只要你点开下载，马上就能体验“3 秒生成、即时编辑、跨平台导出”的极致流畅，让创作焦虑瞬间烟消云散。