# 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。
4.  **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。
5.  **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。
6.  **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。
    4.  **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。
    5.  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。
2.  **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。
3.  **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`）。
4.  **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。
2.  **"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。
3.  **"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。
4.  **"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。
5.  **"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。
6.  **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？