灵录Capwise 是一款免费且开源的 macOS 录屏与视频剪辑工作台。针对产品演示、软件教程、课程录制和知识分享等场景,传统工作流通常需要在录屏、字幕生成、配音和封面设计等多个独立工具之间反复切换与素材搬运。Capwise 将这些环节整合至一个本地编辑器中,实现了从录制到成片的全链路闭环,旨在降低视频内容制作的工程摩擦。

核心功能矩阵
Capwise 将复杂的视频处理流程拆解为模块化的工作台,确保用户在单一窗口内即可完成所有操作:
- 多轨录制与时间线编辑:支持屏幕、摄像头与系统/麦克风声音的同步录制。时间线编辑器提供裁剪、缩放、转场以及文字与形状标注功能,并支持自动缩放与光标效果,以引导观众注意力。
- 结构化字幕工作台:将字幕处理拆分为「内容」、「翻译」与「样式」三个独立视图。支持双语字幕,原文与译文的字体、颜色、描边和阴影可独立设置。
- 操作边界说明:在普通模式下删除字幕仅修改文字显示;只有明确进入「按文字剪辑视频」模式,系统才会实际裁剪对应的音视频轨道。
- 音频与配音管理:内置音频面板,支持直接添加配乐或录制旁白,并提供音量调节与淡入淡出曲线控制。
- AI 剪辑助手与封面制作:支持通过自然语言指令(如“隐藏字幕中的口头禅”或“把第一条背景音乐调低 6 dB”)提出需求。助手会生成修改方案,用户审阅后可选择应用或撤销。封面制作同样集成在工作区内,支持从描述生成背景、设置标题与时长,并实时预览。
- 素材库与提词器:提供跨项目复用的共享素材库(图片、音乐、视频),支持缩略图管理与在线搜索。提词器功能实现写稿与读稿分离,支持滚动、调速、跳行,并与录制过程联动。

安装与快速开始
Capwise 当前仅提供经过 Developer ID 签名与 Apple 公证的 macOS 13.3+ (Apple Silicon) 安装包。Intel、Windows 和 Linux 平台暂未提供经过验证的发布包。
1. 系统环境准备
- 操作系统:macOS 13.3 (Ventura) 或更高版本。
- 硬件架构:Apple Silicon (M1/M2/M3/M4 系列芯片)。
2. 安装步骤
- 从官方渠道下载
Capwise.dmg安装包。 - 双击打开 DMG 文件,将
Capwise应用程序图标拖拽至Applications(应用程序)文件夹中。 - 在启动台或应用程序文件夹中双击启动「灵录」。
- 权限授予:首次运行时,macOS 会弹出系统提示。请根据引导,依次前往「系统设置」->「隐私与安全性」,授予 Capwise 屏幕录制权限。若需录制人声或摄像头,需同步授予麦克风与摄像头权限。授予权限后需重启应用使其生效。
3. 快速体验与示例工程
为帮助用户熟悉工作流,官方提供了预设的 .cap 工程文件。解压后在灵录中直接打开该文件,即可体验包含米白与墨绿配色、三个章节、8 个可编辑文字图层、6 条双语字幕、手动缩放操作以及带淡入淡出轻配乐的完整工程。用户无需配置 AI 或重新录制,即可直接尝试修改标题、调整翻译样式或操作时间线。
4. 导出流程
编辑完成后,点击右上角「导出」,选择所需的视频分辨率、帧率、编码格式及保存位置,即可渲染输出最终视频或独立的 SRT/VTT 字幕文件。
三、 AI 助手工作机制与模型配置
Capwise 的 AI 功能为可选模块,基础录制与编辑无需注册任何云服务账号。AI 助手遵循“描述目标 → 生成方案 → 查看修改前后 → 应用 → 继续调整/撤销”的严谨工作流,确保用户对最终结果拥有完全控制权。
1. 模型服务配置
用户需在「设置 → AI 模型」中自行配置服务提供商。支持以下两种路径:
- 云端 API 服务:需填写 API Key。支持配置字幕识别、内容生成(校对/翻译/编辑)和封面生成服务。若提供商未开放模型列表,支持手动填写模型 ID(如火山方舟的
ep-...推理接入点)。 - 本地 AI 助手 (ACP):系统会自动检测并连接本机已安装并登录的 ACP 助手,读取其可用模型。ACP 使用本机已有的登录状态,且 Capwise 中的 ACP 编辑助手仅提出可审阅的修改方案,不授予其终端执行或本地文件读写权限。
2. 技能 (SKILL.md) 扩展
输入框旁的「技能」按钮支持搜索本机常见技能目录中的 SKILL.md 文件或导入指定文件。系统仅将当前选中的技能正文发送给所选 API/ACP 模型,技能脚本和引用文件不会被自动执行或读取,确保了本地环境的安全性。
数据隐私、费用与当前技术边界
作为一款本地优先的工具,Capwise 在数据流转与功能边界上做出了明确界定:
- 数据本地化:所有项目文件与原始媒体均保存在本机,基础编辑完全不依赖 Cap 云服务。macOS 上的 API Key 均加密保存在系统登录钥匙串中,应用更新不会主动清空密钥。
- 云端交互边界:
- 使用云端字幕识别时,仅音频数据会发送给所选识别服务。
- 字幕校对、翻译和助手请求,仅发送相关的字幕文字与编辑上下文,不会将整个录屏视频上传给文本模型。
- 封面生图仅发送图片描述文本给图片服务商。
- 注:使用云端服务产生的 API 费用与额度消耗由用户所选的服务商决定。
- 当前技术边界与局限:
- 上下文限制:通用字幕改写单次最多处理 80 条字幕的上下文,长视频需分批处理。但明确的关键词查找替换会在本地搜索全部字幕。
- 媒体裁剪逻辑:“去口头禅”功能默认仅处理字幕的文本显示。只有当用户明确要求“剪掉对应语音/视频”并审阅方案后,系统才会执行实际的媒体裁剪操作。
- AI 幻觉风险:AI 可能会改错专有名词、语气或翻译结果,必须在应用修改和最终导出前进行人工审阅。
- 音频物理限制:配音质量受限于麦克风硬件、输入电平和环境噪音,软件层面的增益调整无法恢复原始录音中已丢失的物理细节。
底层架构说明
灵录 Capwise 基于开源项目 Cap 构建。其桌面用户界面采用 Rust 语言结合 GPUI 框架开发,以确保原生应用的高性能与低资源占用。媒体管线则复用了 Cap 项目中经过验证的录制、渲染和导出 crates(Rust 库),保障了音视频处理的稳定性。对于重要项目,官方仍建议用户保留原始媒体文件与工程备份,以应对软件持续迭代过程中可能出现的兼容性变化。















