影片筆記：2026年最轻松的字幕制作工作流/编辑器分享 | 语音识别 | 多行波形 | 打轴 | 分词 | 移除空隙【B站AI创造公开赛】

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿來源選擇未完全通過，仍先生成筆記（no_trustworthy_transcript_source；原始逐字稿保留；請進入精進模式確認來源。）
• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=2 已先套用暫定修正：你只需要打開這個看起來很驕傲的圖標,負入你的視頻或者音頻,填寫一個千問的API Key,然後點擊轉寫。 → 你只需要打開這個看起來很驕傲的圖標，導入你的視頻或者音頻，填寫一個千問的API Key，然後點擊轉寫。；segment=3 已先套用暫定修正：OK,剩下的全都交給他。10分鐘的視頻只需要25秒就能轉彎,相當於是24倍的速度。 → OK,剩下的全都交給他。10分鐘的視頻只需要25秒就能轉寫，相當於是24倍的速度。）
• 待修正：逐字稿可先使用，但有待校正清單（segment=4 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=5 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）
• 待修正：逐字稿品質檢核未完全通過（{'stage': 'canonical_transcript_quality', 'action': 'published_with_warning', 'signals': ['transcript_selection_not_resolved']}）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

本影片介紹了一款由開發者 Moy 開發的字幕編輯軟體，該軟體結合「千問 API Key」進行高速 AI 轉寫，並提供包含多行波形編輯、精確拆分/合併、移除靜音空隙及達芬奇 OTIO 導出等功能，旨在解決 AI 字幕品質差、會員費用高及製作耗時的痛點，支援 Windows 與 Mac 雙平台。

核心重點

1. 痛點與解決方案：針對現行 AI 字幕工具品質不佳、會員費用高昂及製作耗時的問題，提供一款能「三分鐘解決字幕難題」的軟體，強調省錢省力。
2. 高速轉寫核心：利用「千問 API Key」進行轉寫，宣稱效能極高（10 分鐘視頻僅需 25 秒，約 24 倍速度），並由千問 ASR 提供高品質字幕基礎。
3. 三大核心編輯區塊：

• 波形區：支援多行波形顯示、按 B 鍵依音頻斷點拆分、使用「剃刀工具」精確拆分、按 C 鍵合併、一鍵移除靜音空隙，以及導出 OTIO 至達芬奇。
• 字幕列表：支援篩選過長字幕、依文字位置拆分（右鍵）、雙擊編輯及批量替換。
• 視頻預覽區：支援實時預覽、格式自動轉換（如 FLV 轉 MP4）、16 倍速播放、自定義工作區、按說話人分配顏色與表情符號，以及導出 OTIO 至達芬奇軌道。

1. 軟體規格與背景：開發者 Moy 為簡化遊戲實況字幕工作流而開發此工具，軟體支援 Windows 和 Mac，具備明暗主題及中英文介面。

詳細大綱

1. 痛點與解決方案

• 現狀問題：
• AI 識別字幕品質差。
• 會員費用高。
• 製作耗時。
• 軟體承諾：
• 三分鐘解決字幕難題。
• 省錢、省力。

2. 核心轉寫功能

• 操作流程：

1. 打開軟體圖標。
2. 導入視頻或音頻檔案。
3. 填寫「千問 API Key」。
4. 點擊轉寫。

• 效能表現：
• 宣稱 10 分鐘視頻轉寫僅需 25 秒。
• 速度為一般情況的 24 倍。
• 輸出品質：
• 由千問 ASR 提供高品質字幕。

3. 字幕編輯器功能（精修）

A. 波形區操作

• 介面特色：
• 擁有「金光閃閃的按鈕」。
• 支援多行波形顯示，可一目十行瀏覽。
• 拆分與合併：
• 按 B 鍵：依音頻斷點拆分（宣稱精準斷開，無需手動調整文字）。
• 剃刀工具：切換至該工具進行精確拆分。
• 按 C 鍵：多選字幕後一鍵合併。
• 空隙處理：
• 一鍵移除空隙。
• 機制：檢測靜音片段、自動標記、播放時跳過。
• 導出功能：
• 導出 OTIO 工程檔案。
• 導入達芬奇作為時間線，支援二次編輯。

B. 字幕列表操作

• 篩選：一鍵篩選過長字幕。
• 拆分：依文字位置拆分（右鍵點擊文字中間進行拆分，斷點依文字位置而定）。
• 編輯：左鍵雙擊編輯文本。
• 批量處理：頂部具備批量替換功能。

C. 視頻預覽區操作

• 預覽與格式：
• 支援實時預覽字幕。
• 支援主流格式；若不支持特定格式（如 FLV），會自動轉為 MP4。
• 播放控制：
• 支援慢放、快放（最高 16 倍速）。
• 自定義與視覺化：
• 提供 4 套預設工作區，支援自定義。
• 角色與表情：按「說畫人」（疑為說話人）分配字幕顏色；分配表情符號（播放時可預覽）。
• 導出功能：
• 導出 OTIO 工程。
• 一鍵插入達芬奇軌道。

4. 軟體規格與開發背景

• 平台支援：Windows 和 Mac 雙平台。
• 介面設定：支援明暗主題、中英文介面。
• 開發歷程：
• 開發者打磨近兩個月。
• 初衷：簡化遊戲實況字幕工作流。
• 結果：意外開發出完整工具，導致實況更新延遲（開發者自嘲「咕咕好久」）。
• 分享目的：幫助 UP 主或自媒體小夥伴省心省力。

5. 開發者介紹

• 身份：Moy，自稱「Moyup 主」（疑為 Moy UP 主）。
• 後續計畫：將繼續發布關於 Moy 及 ASR 工作流的教程或分享。

工具 / 模型 / 名詞整理

• AI 模型/技術：
• 千問 API Key
• 千問 ASR
• 軟體/平台：
• 達芬奇 (DaVinci Resolve)
• Windows
• Mac
• 格式/檔案類型：
• OTIO 工程
• FLV
• MP4
• 其他專有名詞：
• 剃刀工具
• 波形區
• 字幕列表
• 視頻預覽區
• 工作區

操作流程整理

1. 準備與轉寫：

• 啟動軟體，導入視頻/音頻。
• 輸入千問 API Key。
• 執行轉寫（利用千問 ASR 高速生成字幕）。

1. 波形區編輯：

• 瀏覽多行波形。
• 使用「按 B 鍵」或「剃刀工具」進行音頻斷點拆分。
• 使用「按 C 鍵」合併多選字幕。
• 執行「一鍵移除空隙」處理靜音片段。

1. 字幕列表精修：

• 篩選過長字幕。
• 右鍵依文字位置拆分或左鍵雙擊編輯文本。
• 使用頂部功能進行批量替換。

1. 預覽與設定：

• 在視頻預覽區實時查看效果。
• 調整播放速度（最高 16 倍速）。
• 自定義工作區，按說話人分配顏色與表情符號。

1. 導出：

• 導出 OTIO 工程檔案。
• 將 OTIO 導入達芬奇軌道進行後續剪輯。

值得注意的限制或風險

• API Key 依賴：轉寫功能高度依賴「千問 API Key」，使用者需自行準備或申請相關 API 金鑰。
• 格式支援限制：軟體對部分格式（如 FLV）支援不佳，會自動轉換為 MP4，可能影響原始檔案屬性或流程。
• 開發者狀態：開發者 Moy 表示因開發此工具導致實況更新延遲，暗示該軟體可能仍在開發或維護階段，穩定性需觀察。
• 效能宣稱：「10 分鐘視頻僅需 25 秒」為開發者宣稱之速度，實際效能可能受網路環境、API 限流或硬體影響。

逐字稿辨識疑點

根據可讀性檢核與分段筆記中的疑點，以下片段可能存在辨識錯誤或語意不明，建議對照原始逐字稿確認：

1. 斷句問題：Segment 4, 5, 6, 9, 25, 26, 28, 30, 40, 41, 43, 44 出現 unnatural_sentence_boundary，標點出現在句首或停在逗號位置，斷句可能不符合文法或口語習慣。
2. 功能描述疑點：

• 「自私級別的時間嘛」：語意不明，疑為聽寫錯誤或口誤，具體指涉何種時間級別或功能尚不清楚。
• 「按說畫人分配字幕顏色」：「說畫人」語意不明，極大機率為「說話人」或特定術語的誤植。
• 「分配表情報」：疑為「表情符號」或「表情符號」之誤。

1. 開發者稱謂：

• 「Moyup 主」：疑為「Moy 主」或「Moy UP 主」的連讀或誤植。

1. 重複與邏輯問題：

• 逐字稿末尾出現大量重複的「我們支持」。
• 逐字稿中多次重複「此外，軟件支持Windows，此外，Windows支持Mac...」，疑為剪輯或轉錄時的重複片段。

1. 介面描述：

• 「看起來很驕傲的圖標」、「金光閃閃的」：對圖標的描述較為主觀或模糊，需確認是否為特定 UI 設計特徵。

可延伸追問

1. 該軟體的「千問 API Key」是使用者自行申請，還是軟體內建？費用由誰承擔？
2. 「按 B 鍵依音頻斷點拆分」與「剃刀工具」在操作邏輯上有何具體區別？
3. 導出的 OTIO 工程在達芬奇中的具體軌道對應關係為何？是否支援多軌字幕？
4. 開發者 Moy 提到的「咕咕好久」是否意味著該軟體目前處於 Beta 測試階段？穩定性如何？
5. 針對「說畫人」分配顏色功能，是否支援自動偵測說話人聲音特徵？