語音轉文字與字幕
錄音能不能離開電腦,是選擇工具的第一個分岔。其次再比較辨識、講者、時間戳與校稿成本。字幕最終要放進影片,因此從轉錄到修正完成的總時間,比單次辨識速度更有參考價值。 FFmpeg Skill 可接在轉錄後處理字幕封裝與影片輸出;這不代表它本身就是新的語音辨識模型。軟字幕還應在目標播放器實際切換檢查。
最後整理 2026.09.14 · 比較依引用資料,未經本站操作實測從需求開始
放在一起看
| 筆記 | 處理方式 | 可確認功能 | 成本與限制 |
|---|---|---|---|
| Vibe 可在電腦離線把錄音與影片轉成逐字稿和字幕查閱依據 | 本機轉錄 | 官方列出批次、說話者分離、SRT 等輸出 | 核心軟體免費;模型需先下載,可選雲端摘要另計 |
| MAI-Transcribe-2 提供講者與時間戳,官方限時每小時 0.1 美元查閱依據 | 官方雲端服務 | 逐字時間戳、講者分離、術語偏置 | 模型頁限時每小時音訊 0.10 美元;以使用時定價為準 |
| 字幕產品價值與 AI 可替代性的兩種觀點查閱依據 | 產品價值與可替代性討論 | 已重讀轉貼者及原作者不同觀點 | 原文談自製工具難題,不是壹加壹已具備所有功能;未實測 |
| FFmpeg Skill:把本機剪輯變成有檢查與回報的結構化工具查閱依據 | 轉錄後的字幕與媒體處理 | 作者列軟字幕、多音軌及輸出檢查 | 獨立工具可離線;播放器相容與中文字幕效果未實測 |