subtitle?edit是一款github上的開源字幕編輯軟件，最新版中集成了vosk和whisper兩種語音識別引擎，使用者可以利用其中任意一種在本地為視頻自動生成字幕。
1.下載軟件
https://github.com/SubtitleEdit/subtitleedit/releases/tag/3.6.11
2.設(shè)置語言

3.語音識別

有兩種方式可供使用，vosk速度較快，一個(gè)多小時(shí)的視頻，本人的rtx2060顯卡只用十幾分鐘就跑完了，whisper則比較慢，一個(gè)多小時(shí)的視頻，medium跑兩個(gè)多小時(shí)，large則要跑九個(gè)小時(shí)，但相對而言也更精準(zhǔn)些。
4.模型下載

vosk的配置需求較小，模型無腦選大的就行了。whisper的配置需求就比較高了，本人用rtx2060跑medium，用了0.8g顯存，跑large占用顯存則飆升到了3g，但效果反而不如medium，會翻譯出許多莫名其妙的東西。因而如果是平民玩家，想要速度就選vosk，想要準(zhǔn)確就選medium，如果是土豪請隨意。

5.字幕翻譯

此軟件自動翻譯調(diào)用的是谷歌的免費(fèi)api，如果是出錯(cuò)請用魔法，如果不會可以把字幕文件先保存，之后用文本文檔打開，用網(wǎng)頁翻譯后再粘回去。

6.字幕保存

至于翻譯效果，依然是ai的一貫?zāi)蛐?，好的地方特別好，差的地方特別差。因?yàn)檫@幾個(gè)模型都是外國人開發(fā)的，翻譯外語的時(shí)候魯棒性特別強(qiáng)，比如說melody那幾部片子，用medium跑一下，基本上就和真人翻譯的差不多了。而日語片就不太行了，有的地方whisper翻譯的比較好，有的地方反而不如vosk，往往要把兩種翻譯結(jié)合起來才能看懂是什么意思，一般而言前半段男女主正常交流的時(shí)候大致能翻譯明白，但是等后半段深入交流的時(shí)候，特別是一變音，翻譯的就比較一塌糊涂了，可能是ai還不太能明白人類這是在從事什么行為。