看任何片，不論是歐美大片，還是國語經典，甚至是語言不可描述的影片，字幕都是不可缺少的一環。
過去看粵語片，其他地區聽不懂覺得要個字幕很正常，但普通話爲啥還要字幕呢？過去就很納悶。但接觸到的人越來越多，發現地域差異與方言影響，以及大家聽覺感知的個體差異後，也能夠慢慢理解了。
再有就是，部分朋友可能還會做做自媒體。字幕在自媒體時代的作用已經遠不止“輔助聽力”那麼簡單，它已經成爲增強觀衆粘性、提升觀看體驗、甚至塑造內容風格的重要工具。如果你打算認真做自媒體視頻，字幕一定要系統性規劃，並且可以考慮早早引入一些自動化工具。
那咱們本期就來介紹這麼一款🐮🍺的開源自動字幕生成工具，卡卡字幕助手（VideoCaptioner）。
這個項目其實去年年底就有羣友發現並推薦，但當時測試體驗感覺就是準確率高一些外也沒啥別的特色。最近恰巧有位羣友問，有沒有那種影片的字幕生成工具。。。我一下子就給想起來了~時隔四個月的更新現在已經非常贊，因此來介紹給大家。
目前卡卡字幕有Windows客戶端（完整強大免費），也支持Docker一鍵部署超級輕量版（網頁版限制視頻大小200MB，語種有限）。
項目介紹
卡卡字幕助手（VideoCaptioner）操作簡單且無需高配置，支持網絡調用和本地離線（支持調用GPU）兩種方式進行語音識別，利用可用通過大語言模型（open Ollama DeepSeek等 ）進行字幕智能斷句、校正、翻譯，字幕視頻全流程一鍵處理！爲視頻配上效果驚豔的字幕。
最新版本已經支持 VAD 、 人聲分離、 字級時間戳 批量字幕等實用功能
🎯 無需GPU即可使用強大的語音識別引擎，生成精準字幕
✂️ 基於 LLM 的智能分割與斷句，字幕閱讀更自然流暢
🔄 AI字幕多線程優化與翻譯，調整字幕格式、表達更地道專業
🎬 支持批量視頻字幕合成，提升處理效率
📝 直觀的字幕編輯查看界面，支持實時預覽和快捷編輯
🤖 消耗模型 Token 少，且內置基礎 LLM 模型，保證開箱即用
Windows端
打開GHUB，搜索VideoCaptioner。
項目主頁，點擊下圖箭頭所示。
作者提拱了藍奏雲和直接下載，根據自己的情況哪個快用哪個。
下載完畢後安裝即可。
功能眼花繚亂，使用前可以先配置大模型，主流的Ai都已經支持，包括DeepSeek。
支持全自動一條龍：視頻語音識別-生成字幕-字幕翻譯-自動合成視頻。我們也可以不選一條龍，手動對字幕先行校對以獲得更好的最終效果。
第二個文件是語音識別提取的字幕文件，第三個文件是翻譯後的字幕文件，第四個是自動合成字幕的成品視頻。完全OK。
如果想要調整字幕的格式，樣式，可以到字幕樣式排布部分進行單獨設計。
Docker部署和使用
Docker版本輕量，可以應急用用來提取中英文字幕以及進行多語言字幕翻譯，完整體驗建議還是下載Windows客戶端。
以威聯通NAS爲例，通過Docker Compose一鍵部署。黑盒這邊不支持插入代碼，大家參考一下圖片注意格式對齊。
services:
video-captioner:
image: ywsj/video-captioner
container_name: video-captioner
ports:
- "8501:8501"
volumes:
- /share/Container/video-captioner/temp:/app/temp
environment:
restart: always
環境變量這倆可以自行補上。
如上文，web輸入NAS_IP:8501即可訪問服務。
支持大部分的視頻格式。
找了一個著名人士演講系列視頻，上傳上去，等待提示上傳成功。點擊開始識別。
能夠自動分段，支持字數統計，可根據單詞定位進度條。
上面導出字幕後，可以直接用第二個功能進行字幕翻譯成我們的母語。
目前翻譯支持英語、簡體中文、繁體中文、日本語、韓語、粵語、法語、德語、西班牙語、俄語、土耳其語、葡萄牙語。注意，是字幕翻譯，字幕識別就中英文好用。
又測試了一段黴黴採訪。
中文普通話測試也沒問題，帶點地方口音也都能準確識別，但是像那種鬼畜魔音就不行啦。
總體的準確率還可以，爲了提升準確率，有條件的可以補充上那兩個環境變量。
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
