VideoCaptioner

一款开源的轻量级视频字幕生成工具，一款基于大语言模型(LLM)的视频字幕处理助手，支持语音识别、字幕断句、优化、翻译全流程处理；操作简单且无需高配置，支持网络调用和本地离线（支持调用GPU）两种方式进行语音识别，利用可用通过大语言模型进行字幕智能断句、校正、翻译，字幕视频全流程一键处理！为视频配上效果惊艳的字幕。

🎯 无需GPU即可使用强大的语音识别引擎，生成精准字幕

✂️ 基于

LLM 的智能分割与断句，字幕阅读更自然流畅

🔄 AI字幕多线程优化与翻译，调整字幕格式、表达更地道专业

🎬 支持批量视频字幕合成，提升处理效率

📝 直观的字幕编辑查看界面，支持实时预览和快捷编辑

🤖 消耗模型

Token 少，且内置基础 LLM 模型，保证开箱即用

🌟 多平台视频下载与处理

支持国内外主流视频平台，如B站、Youtube等。 自动提取视频原有字幕进行处理。

🎙️ 专业的语音识别引擎

提供多种接口在线识别，效果媲美剪映，免费且高速。 支持本地Whisper模型，保护隐私，可离线使用。

✒️ 字幕智能纠错

自动优化专业术语、代码片段和数学公式格式。 上下文断句优化，提升阅读体验。 支持文稿提示，使用原有文稿或相关提示优化字幕断句。

🌍 高质量字幕翻译

结合上下文的智能翻译，确保译文兼顾全文。 通过Prompt指导大模型反思翻译，提升翻译质量。 使用序列模糊匹配算法，保证时间轴完全一致。

🎨 字幕样式调整

提供丰富的字幕样式模板，如科普风、新闻风、番剧风等。 支持多种格式字幕视频，包括SRT、ASS、VTT、TXT。