CrossSubtitle-AI最新版

今天给大家分享一个可以离线给视频加字幕的开源工具——CrossSubtitle-AI。它是一个基于 Tauri 框架开发的桌面端音视频字幕处理工具，利用 Whisper 进行语音识别，结合 Silero VAD 进行语音活动检测，并支持接入 OpenAI 兼容接口进行智能翻译，帮助你将音视频文件快速转录并翻译为双语字幕。

其最大的亮点是“本地优先”，核心的语音识别能够完全在你自己的电脑上完成，无需把视频文件上传到任何第三方服务器，从根源上保护了数据隐私。

如果你经常需要给外语视频配字幕、做会议录音转文字，或者只是想给录制的教程加个双语字幕，CrossSubtitle-AI 是一个值得关注的本地化工具选择。

功能特性

语音识别 — 基于 Whisper 的高精度语音转文字，支持中文、英文、日文、韩文、法文等 17 种源语言
语音活动检测 — Silero VAD 精准切分语音片段，自动过滤静音区域
智能翻译 — 接入 OpenAI 兼容接口（如智谱 GLM、DeepSeek、ChatGPT 等），将原文翻译为目标语言
音频抽取 — 内置 FFmpeg 自动抽取音频并转换为 16kHz 单声道 WAV
多种导出格式 — 支持 SRT、VTT、ASS 三种字幕格式导出
双语导出 — 支持原文 + 译文并排显示的双语字幕导出
字幕编辑器 — 内置字幕编辑器，支持逐条修改原文和译文
拖拽导入 — 支持拖拽文件快速创建任务
任务队列 — 批量处理多个音视频文件，实时查看处理进度
双语界面 — 内置中文 / 英文界面切换
本地优先 — 语音识别完全在本地运行，无需上传数据

使用流程

选择模式 — 选择「原文」仅做语音识别，或「翻译」模式在识别后自动翻译
添加任务 — 点击「添加任务」按钮或直接拖拽音视频文件到窗口
等待处理 — 任务将依次经历：音频抽取 → VAD 切分 → 语音识别 →（可选）翻译
编辑校对 — 在字幕编辑器中逐条查看、修改识别结果和译文
导出字幕 — 导出为 SRT、VTT 或 ASS 格式

用AI做了一个给小电影加字幕的工具 by.AndySkaura

年纪越来越大，也越来越关注剧情了。

以前看看小日子的影片，可能更关注别的内容😀；现在反而经常会想：他们到底在聊什么？这什么逆天的人物关系？剧情推进到哪一步了？

听不清他们在说什么；翻遍互联网，也找不到现成字幕。

NAS里上百个小姐姐，字幕哪能配得齐全。

于是，趁着当下 vibe coding 火热，决定拿这个需求试试水，顺手做了个工具。

需求其实很简单

核心目标只有三个：

把视频里的日语、英语语音识别出来

翻译成中文字幕

自动生成字幕文件，并尽量做到开箱即用