工作清單｜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

逐字稿文字預覽

受夠了AI識別的劣質字幕,又不想花那麼多錢開會員,想給自己的字幕製作省點力氣。
給我三分鐘,解決你的字幕難題。
來,我給你演示一遍。
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。
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。
然後你就能獲得由千問ASR提供的高品質的字幕。
拿走,直接用吧。
如果你還有更高的要求,想要又快又輕鬆的精修字幕。
嘿嘿,做穩了,大的要來咯。
我們點擊這個金光閃閃的,打開字幕編輯器按鈕,然後就可以打開這個字幕對應的工程。
波形區,多行波形,一目十行,快速瀏覽。
以前要滾動五六下才能找到的下一條字幕,現在就可以直接找到。
點擊音頻波形，按B，直接拆分。
音頻斷在哪裡，字幕也拆在哪裡。
是的，我們有自私級別的時間嘛。
所以,可以精準的斷開,不需要像以前那樣切開之後再自己手工調整文字。
還想更快的話,切換成剃刀工具,哪裡想拆點哪裡。
So easy,我們不光能拆,還能拼。
多選字幕之後,按C,一鍵合併。
除此之外,我們還有一個重磅功能。
一鍵移除空隙。
檢測你音頻中的靜音片段，然後自動標記，播放的時候可以自動跳過。
你還可以將去除空隙的版本，導出OTIO工程，然後導入達芬奇作為時間線。
這樣還支持二次編輯。
OK,波形區先講到這裡。
接下來是字幕列表。
在這裡你可以一鍵篩選過長的字幕。
然後,同樣可以在這邊進行拆分。
但是,在字幕列表,它是按照文字位置來拆的。
鼠標在哪,字幕就拆在哪。
比如我在這兩個字中間,右鍵拆分。
可以看到,它斷的位置完全是根據這個文字來的。
這麼貼心的設計,只有自己做字幕的人才懂。
左鍵可以雙擊編輯,快速修改文本。
頂上還有批量替換功能。
好啦,字幕列表也先介紹這麼多。
接下來是最常用的視頻預覽區。
在預覽區你可以實時預覽字幕。
大小和位置都可以調節。
主流的視頻格式都支持。
不支持的像FLV也會幫你轉成MP4。
支持慢放和快放。
最高16倍速,根本停不下來。
能不能再給力一點啊，老師。
好說好說，四套預設的工作區也支持自定義補救。
按說畫人分配字幕顏色，然後分別導出成字幕文件。
你甚至可以給字幕分配表情報。
播放的時候也能預覽。
同樣可以導出OTIO工程，然後一鍵插入達芬奇的軌道。
嗯,這下配表情報可方便多了。
此外,我們支持Windows和Mac雙平台。
有明暗主題,也有中英文介面。
這個工具本身我已經打磨了將近兩個月。
本來是做遊戲實況的字幕覺得麻煩想要簡化一下工作流。
沒想到一不小心搓了個大的出來,反而把自己的實況給咕咕了好久。
不過既然做都做了,還是想要分享出來。
給更多的UP主或者做自媒體的小夥伴,提供一些幫助。
畢竟做字幕這麼麻煩的事情,我是希望大家都可以省心省力的。
啊，對了，既然都說到這裡了，自我介紹一下。
我是Moy，一個混跡於眾多領域的Moyup主。
歡迎關注。
啊，對，之後我也會繼續發一些關於Moy，也就是Moy的ASR工作流的教程或者分享。
咳咳,關注我,帶給你更多,精彩後續。
哈哈哈哈,OK,下次見,掰掰。
此外，軟件支持Windows，此外，Windows支持Mac，此外，我們支持，此外，我們支持Windows和Mac雙平台。
我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持,我們支持

來源：transcript.txt

本次執行流程與問題處理

下達指令
指令：videonote https://b23.tv/TLkDF1X --language zh --auto-source-subtitles

來源：https://b23.tv/TLkDF1X

辨識語言：zh ｜參數：--language zh --auto-source-subtitles
預期流程
依指令產生的處理順序：
1. 自動字幕優先，Whisper 作為備援
2. 來源選擇與品質檢查
3. 文字校正與句子單元
4. 筆記與發布
5. 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：15.5 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：30.7 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.8 秒
關係：依序執行
結果：完成
4. 句子密度平衡
工具：videonote_balance_sentence_units.py
處理：平衡句子長度與密度
產出：sentence_units.json（句子單元）
耗時：0.8 秒
關係：依序執行
結果：完成
5. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.9 秒
關係：依序執行
結果：完成
6. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.9 秒
關係：依序執行
結果：完成
7. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.9 秒
關係：依序執行
結果：完成
8. 逐字稿交叉檢查
工具：videonote_cross_check_transcript.py
處理：交叉檢查逐字稿與來源字幕
產出：transcript_crosscheck_report.json（交叉檢查）
耗時：0.9 秒
關係：依序執行
結果：完成
9. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：1.0 秒
關係：依序執行
結果：完成
10. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：82.1 秒
關係：依序執行
結果：完成
11. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.2 秒
關係：依序執行
結果：完成
12. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.2 秒
關係：依序執行
結果：完成

手動來源字幕

尚未產生

自動來源字幕

subtitle_acquisition.json 下載140 bytes

Whisper 字幕

transcript.whisper.json 純文字 JSON4,554 / 26,253 bytes
transcript.whisper.srt 下載5,803 bytes
transcript.whisper.tsv 下載5,042 bytes
transcript.whisper.txt 下載4,554 bytes
transcript.whisper.vtt 下載5,487 bytes

Qwen 字幕

尚未產生

Parakeet 字幕

尚未產生

MOSS 字幕

尚未產生

聲學時間證據（PyAnnote / WhisperX）

尚未產生

校正前後逐字稿

校正前 transcript.whisper.json 純文字 JSON 4,554 / 26,253 bytes
校正後 transcript.presegmentation_corrected.json 純文字 JSON 4,640 / 43,991 bytes

目前待解決問題與初步改善方向

逐字稿來源選擇未完全通過，仍先生成筆記待修正
no_trustworthy_transcript_source；原始逐字稿保留；請進入精進模式確認來源。
⚠️ 全文快速校讀：已套用暫定修正，請確認待修正
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。；segment=8 已先套用暫定修正：點擊音頻波形,按B,直接拆分。音頻斷在哪裡,字幕卻拆在哪裡。是的,我們有自私級別的時間嘛。 → 點擊音頻波形，按B，直接拆分。音頻斷在哪裡，字幕也拆在哪裡。是的，我們有自私級別的時間嘛。；segment=12 已先套用暫定修正：一鍵移除空隙。檢測你音頻中的靜音片段,然後自動標記,播放的時候可以自動跳過。 → 一鍵移除空隙。檢測你音頻中的靜音片段，然後自動標記，播放的時候可以自動跳過。；segment=8 待確認：「卻拆」語意不通，結合後文「精準的斷開」，應為「也拆」或「就拆」。另外「自私級別」語意不明，可能是「自適應級別」或「自由級別」的誤聽，但「自私」與「自由/自適應」發音差異較大，暫保留原詞並標記待確認，或考慮是否為「自由級別」的嚴重誤識。考慮到後文「精準」，「自由」可能性較高，但「自私」與「自由」發音差距大，故confidence設為medium，建議確認是否為「自由」或「自適應」。；暫定：點擊音頻波形，按B，直接拆分。音頻斷在哪裡，字幕也拆在哪裡。是的，我們有自私級別的時間嘛。；segment=22 待確認：「補決」語意不明，結合「工作區」和「自定義」，極大可能是「補救」或「補全」，或者是「布局」的誤識？考慮到「工作區」通常涉及佈局，「補決」可能是「補救」錯誤的聽寫，或者「補全」。但更可能是「補救」或「補全」。另一種可能是「補決」是「補救」的誤聽。暫標記為待確認。；暫定：能不能再給力一點啊，老師。好說好說，四套預設的工作區也支持自定義補救。；segment=23 待確認：「說畫人」語意不通，結合上下文「分配字幕顏色」，應為「說話人」或「說話者」。；暫定：按說畫人分配字幕顏色，然後分別導出成字幕文件。；segment=24 待確認：「表情報」語意不明，可能是「表情符號」或「表情標記」的誤識。考慮到字幕功能，「表情符號」可能性較大。；暫定：你甚至可以給字幕分配表情報。播放的時候也能預覽。同樣可以導出OTIO工程，然後一鍵插入達芬奇的軌道。
逐字稿可先使用，但有待校正清單待修正
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；segment=6 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=9 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=25 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=26 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=28 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=30 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=40 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=41 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=43 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=44 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
逐字稿品質檢核未完全通過待修正
{'stage': 'canonical_transcript_quality', 'action': 'published_with_warning', 'signals': ['transcript_selection_not_resolved']}
Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench

逐字稿文字預覽

本次執行流程與問題處理

下達指令

預期流程

1. 下載與語音辨識

2. 全文快速校讀

3. 建立句子單元

4. 句子密度平衡

5. 時間軸稽核

6. 品質檢查

7. 播放時間軸回填

8. 逐字稿交叉檢查

9. 來源句整理

10. 生成筆記摘要

11. 建立筆記頁面

12. 發布公開頁面

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向