影片筆記：SubFlow 语幕｜跨越语种，链接世界

<!-- 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：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=1 已先套用暫定修正：然後進行AI的配音,以及視頻字幕的一個翻譯和視頻字幕的自動生成與騷錄的一款工具。 → 然後進行AI的配音,以及視頻字幕的一個翻譯和視頻字幕的自動生成與燒錄的一款工具。；segment=3 已先套用暫定修正：我們把整個項目已經開圓了。那我們看一下這個項目。進到這個項目裡面來是這個樣式。 → 我們把整個項目已經開源了。那我們看一下這個項目。進到這個項目裡面來是這個樣式。）
• 待修正：逐字稿可先使用，但有待校正清單（segment=26 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=35 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

⚠️ 警告：逐字稿辨識疑點與校正待辦

根據可讀性檢核結果，以下片段存在高風險的辨識錯誤，不得視為確定事實。請在後續操作中特別留意，並參考「逐字稿辨識疑點」章節進行確認：

1. Segment 26 & 35: rapid_semantic_review — 全文速讀上下文判斷；尚未回聽或交叉比對。

2. Segment 42: Whisper 模型參數通常為 tiny/base/small/medium/large 等，筆記中出現的 「median」 非標準參數，極大概率为 「medium」 的口誤。

請使用者務必回聽相關段落以確認具體內容，切勿直接依賴筆記中的「median」或未經核對的術語。

一句話總結

SubFlow 是一款開源的 AI 語幕工具，支援 Windows 與 macOS，提供從視頻下載、語音識別（Whisper）、字幕翻譯、AI 配音（支援千問 QN3TTS 及聲音克隆）到字幕燒錄的全流程自動化處理，需配置本地環境與 API Token 以完成多語言視頻的本地化製作。

核心重點

1. 功能定位：SubFlow 是一個開源的 AI 工具，專注於語音自動識別、AI 配音、視頻字幕翻譯與自動生成燒錄。
2. 平台支援：提供 Windows 和 macOS 客戶端，項目已開源。
3. 核心技術鏈：

• 語音識別：使用 Whisper 模型（支援本地顯卡加速或 CPU 運行）。
• AI 配音：調用千問（Qwen）的 TTS 開源模型（QN3TTS），支援本地算力運行，免費且支援聲音克隆。
• 字幕翻譯：需依賴雲端 API（需申請 Token），支援多語言互譯。

1. 硬體與環境：

• 客戶端約 10GB，預裝 Python 環境及相關模型。
• 記憶體建議至少 16GB 或 24GB（macOS 8GB 可能無法流暢運行）。
• 語音識別與配音依賴本地算力，僅翻譯依賴雲端 API。

1. 操作流程：上傳/下載視頻 -> 音頻抽取 -> 語音識別生成字幕 -> 字幕翻譯 -> TTS 配音 -> 合成音軌 -> 燒錄字幕輸出視頻。
2. Cookie 管理：下載 YouTube 或 Bilibili 視頻時，若 Cookie 過期需手動更新，可透過瀏覽器插件獲取並替換。

詳細大綱

一、 SubFlow 工具簡介與功能

• 定義：由公司開發的 AI 自動識別語音、AI 配音、視頻字幕翻譯與自動生成燒錄工具。
• 支援平台：Windows 版本、MacOS 版本。
• 開源狀態：項目已開源，使用者可下載完整版本。
• 主要操作介面：
• 上傳本地視頻文件。
• 透過連結下載 YouTube 或 Bilibili 視頻。
• 處理視頻字幕：無字幕可生成，有音頻可進行翻譯與配音。

二、 配音與音色選擇

• 核心模型：調用 千問 (Qwen) 的 TTS 開源模型（QN3TTS）。
• 可在本地算力運行，無需額外付費。
• 音色版本選項：

1. 標準音色：預設的標準聲音（影片提及中文人說英文可能不夠流暢）。
2. 克隆原聲：支援使用使用者自己的聲音進行克隆，發出相關聲音（推薦此方式）。
3. 其他選項：提及「GPT 的 Soviet」（疑點：名稱不確定，可能指特定模型或服務），但語音與音色選擇較少，不推薦。

• 推薦建議：使用 QN3TTS 進行原聲克隆以獲得最佳效果。

三、 字幕設定與處理

• 字幕排版格式：
• 中音字幕：中文在上，英文在下。
• 音中字幕：英文在上，中文在下。
• 支援語種：德語、法語、日語、繁體中文等。
• 視覺設定：可分別設定中文與英文字幕的顏色。
• 電影級潤色：
• 功能：深度 AI 校對與潤色處理。
• 要求：需勾選該選項，調用 API 站內的大語言模型。
• 建議：推薦勾選以提升字幕表現品質。

四、 API 設定與翻譯模型

• 翻譯需求：翻譯功能需使用 API，使用者需申請 API Token。
• 設定步驟：

1. 進入 API 分發站。
2. 選擇令牌，點擊控制台。
3. 複製 API 密鑰（Token）。
4. 填入 Subflow 介面框框並點擊「保存令牌」。

• 模型選擇：
• 可選模型包括「5.6 的 terra」或「luna」（疑點：版本號與模型名稱需確認）。
• 範例選擇：terra 用於翻譯任務。

五、 本地環境與硬體需求

• 自動化安裝：點擊「開始處理」後，若缺少環境會自動安裝依賴。
• 預裝內容：客戶端已預裝配音環境、千問 3 模型、語音識別 Whisper 模型。
• 硬體建議：
• 語音識別：
• 有顯卡：選 median（疑點：極可能為 medium 的口誤，請參照警告章節）。
• 無顯卡：選 small 或 tiny（需依賴本地算力，速度較慢）。
• TTS 配音：本質依賴本地算力。
• 記憶體需求：
• macOS 8GB 記憶體基本跑不了。
• 建議至少 16GB 或 24GB 記憶體以確保流暢。
• 軟體體積：客戶端約 10GB 左右，包含模型與 Python 依賴環境。
• 資源分配原則：配音與語音識別模型在本地跑；雲端 API 僅用於翻譯。

六、 工作流程與輸出

• 處理流程：

1. 音頻抽取。
2. 語音識別（生成字幕）。
3. 字幕翻譯（目標語言，如英文）。
4. TTS 配音。
5. 合成音頻。
6. 混合音軌並封裝至視頻（燒錄字幕）。

• 輸出結果：
• 在 Subflow 項目文件夾內生成新視頻。
• 生成 SRT 字幕文件。
• 視頻已燒錄雙語字幕（如中文字幕與英文配音）。
• 使用場景差異：
• 若目標語種為中文（國內小夥伴常用），通常不需要配音與選音色，直接使用原聲。
• 僅當選擇非原聲的目標語種時，才會觸發配音流程。

七、 Cookie 更換指南（針對視頻下載）

• 問題背景：下載視頻時，YouTube 或 Bilibili 的 Cookie 可能過期導致下載失敗。
• 解決方法：

1. 找到 Subflow 項目文件夾內的 cookies 文件夾。
2. 該文件夾內包含 youtube 和 bilibili 的 cookie 文件。
3. 獲取 Cookie 工具：

• 在瀏覽器（Chrome/Edge）插件商店搜索 getcookies。
• 安裝 getcookies.textclean 插件。

1. 操作步驟：

• 打開 YouTube 或 Bilibili 網頁。
• 點擊插件按鈕複製 Cookie。
• 雙擊打開對應的 cookie 文件，刪除舊內容，貼上新複製的 Cookie。
• 保存文件。

1. 此方法適用於線上視頻下載；本地視頻則直接上傳。

八、 結語

• Subflow 提供 Windows 和 MacOS 客戶端，建議下載使用。
• 邀請觀眾點讚（影片口語為「點一點小信心」，疑點：可能為「小心心」的聽寫錯誤）與 Fork 項目。

工具 / 模型 / 名詞整理

• Subflow：影片介紹的 AI 語幕工具，支援多語言視頻處理。
• 千問 (Qwen)：AI 模型系列，由阿里巴巴開發。
• QN3TTS：千問的 TTS 開源模型，用於語音合成。
• Whisper：語音識別模型，用於將語音轉為文字。
• YouTube：支援下載的視頻平台。
• Bilibili：支援下載的視頻平台。
• Windows：支援的操作系統。
• MacOS：支援的操作系統。
• GPT 的 Soviet：逐字稿提及的語音相關詞彙（疑點：名稱不確定，可能為聽寫錯誤或特定內部名稱）。
• terra：翻譯模型選項之一（如 5.6 的 terra，疑點：版本號與名稱需確認）。
• luna：翻譯模型選項之一。
• getcookies.textclean：瀏覽器插件名稱，用於獲取 Cookie。
• Chrome 插件商店：獲取插件的渠道。
• Edge (edg)：提及的瀏覽器。
• Python：依賴環境語言。
• API Token：用於調用翻譯服務的密鑰。

操作流程整理

1. 環境準備：

• 下載並安裝 Subflow 客戶端（約 10GB）。
• 確保硬體滿足要求（記憶體建議 16GB+，有顯卡可加速 Whisper）。
• 申請並配置翻譯 API Token。

1. 視頻獲取：

• 本地視頻：直接上傳。
• 線上視頻：
• 檢查 cookies 文件夾內的 youtube 和 bilibili 文件。
• 若過期，使用 getcookies.textclean 插件從瀏覽器獲取新 Cookie 並替換。
• 輸入視頻連結進行下載。

1. 處理設定：

• 選擇目標語言與字幕排版格式（中音/音中）。
• 選擇配音模型（推薦 QN3TTS 原聲克隆）。
• 勾選「電影級潤色」以進行 AI 校對。
• 選擇 Whisper 模型尺寸（有顯卡選 median/medium，無顯卡選 small/tiny）。

1. 執行與輸出：

• 點擊「開始處理」。
• 系統自動執行：音頻抽取 -> 語音識別 -> 翻譯 -> TTS 配音 -> 合成 -> 燒錄。
• 在項目文件夾中獲取最終視頻與 SRT 字幕文件。

值得注意的限制或風險

1. 硬體門檻：macOS 8GB 記憶體可能無法運行，建議 16GB 或 24GB。本地處理依賴算力，無顯卡時速度較慢。
2. API 依賴：翻譯功能需外部 API Token，涉及額外成本或配額限制。
3. Cookie 維護：線上視頻下載依賴 Cookie，需手動定期更新，否則可能失效。
4. 模型辨識風險：筆記中提到的 median 模型尺寸及 5.6 的 terra 模型版本存在高辨識錯誤風險，實際操作前務必確認正確參數。
5. 語音質量：標準音色在跨語言（如中文說英文）時可能不夠流暢，建議使用聲音克隆功能。

逐字稿辨識疑點

1. Whisper 模型參數 "median"：

• 疑點描述：筆記中提及「有顯卡選 median」。
• 分析：Whisper 模型的標準尺寸參數通常為 tiny, base, small, medium, large。median 並非標準參數。
• 推測：極大概率为 「medium」 的口誤或聽寫錯誤。請使用者回聽 Segment 42 確認。

1. "GPT 的 Soviet"：

• 疑點描述：逐字稿提及「還有一個 GPT 的 Soviet」，用於語音，但語音與音色較少。
• 分析：常見 AI 語音模型中無此名稱。
• 推測：可能為特定內部名稱、聽寫錯誤（如 "Soviet" 聽錯），或指代不明確的服務。需查證。

1. "5.6 的 terra"：

• 疑點描述：提及翻譯模型版本為「5.6 的 terra」。
• 分析：需確認 terra 模型是否有此特定版本號，或為口誤。
• 推測：可能為模型名稱或版本號的辨識錯誤。

1. "小信心"：

• 疑點描述：結尾提到「點一點小信心」。
• 分析：常見於影片結尾的互動用語。
• 推測：可能為 「小心心」（點讚）的聽寫錯誤，但依規則僅記錄原詞。

1. "Subflow 語幕"：

• 疑點描述：影片標題或口語中將 Subflow 稱為「語幕」。
• 分析：可能為品牌別稱、口誤，或指代其「語音+字幕」的核心功能。
• 推測：需確認是否為官方別稱。

1. Segment 26 & 35 快速檢核未確認：

• 疑點描述：rapid_semantic_review 標記為全文速讀上下文判斷，尚未回聽或交叉比對。
• 行動：建議使用者回聽這些片段以確保內容準確性。

可延伸追問

1. SubFlow 的開源項目地址為何？如何獲取最新版本？
2. 翻譯 API 的具體費用結構與配額限制為何？
3. QN3TTS 模型在本地運行時，對顯存（VRAM）的具體要求是多少？
4. 若使用 small 或 tiny 模型，處理長視頻的時間成本大約是多少？
5. 聲音克隆功能需要多長的源音頻才能達到最佳效果？