卡卡字幕助手（VideoCaptioner）最新版

官方版无广告61

VideoCaptioner是一款功能强大且易于使用的视频字幕处理工具。它不仅支持语音识别、字幕优化和翻译全流程处理，还提供了丰富的配置选项，满足不同用户的需求。

更新日期：

2025年4月5日

分类标签：

语言：

中文

平台：

57MB7 人已下载手机查看

如果你还在为视频字幕的生成、优化和翻译烦恼，那么VideoCaptioner（卡卡字幕助手）绝对值得一试！这是一款基于大语言模型（LLM）的视频字幕处理工具，支持语音识别、字幕断句、优化、翻译全流程处理，操作简单，无需高配置，无论是小白用户还是专业人士都能轻松上手。

支持国内外主流视频平台（B站、Youtube、小红书、TikTok、X、西瓜视频、抖音等），自动提取视频原有字幕处理。如果需要下载受限制的视频，可以通过配置Cookie来获取登录信息，确保下载高质量视频。

VideoCaptioner支持多种语音识别方式，包括在线接口和本地离线模型，用户可以根据需求灵活选择。

在线接口：
- B接口：支持中英文，免费且速度快。
- J接口：同样支持中英文，免费且速度快。
本地离线模型：
- WhisperCpp：支持多种语言，但实际使用不稳定。
- fasterWhisper：极力推荐！支持多种语言，时间轴更准确，支持CUDA加速，转录效果出色。

Whisper 版本有 WhisperCpp 和 fasterWhisper（推荐）两种，后者效果更好，都需要自行在软件内下载模型。注：以上模型国内网络可直接在软件内下载，本人测试确定是从魔塔社区下载，速度很快。

推荐模型: Large-v2 和Large-v3-turbo稳定且质量较好。

VAD过滤：开启后，VAD（语音活动检测）将过滤无人声的语音片段，从而减少幻觉现象。建议保持默认开启状态。如果不懂，其他VAD选项建议直接保持默认即可。
音频分离：开启后，使用MDX-Net进行降噪处理，能够有效分离人声和背景音乐，从而提升音频质量。建议只在嘈杂的视频中开启。

VideoCaptioner利用LLM的强大能力，对生成的字幕进行智能优化和翻译。

配置项	说明
LLM 大模型翻译	🌟 翻译质量最好的选择。使用 AI 大模型进行翻译,能更好理解上下文,翻译更自然。需要在设置中配置 LLM API(比如 OpenAI、DeepSeek 等)
DeepLx 翻译	翻译较可靠。基于 DeepL 翻译, 需要要配置自己的后端接口。
微软翻译	使用微软的翻译服务, 速度非常快
谷歌翻译	谷歌的翻译服务,速度快,但需要能访问谷歌的网络环境

推荐使用 LLM 大模型翻译 ，翻译质量最好。

智能断句：开启后，全流程处理时生成字级时间戳，然后通过LLM大模型进行断句，从而在视频有更完美的观看体验。有按照句子断句和按照语义断句两种模式。可根据自己的需求配置。
字幕校正：开启后，会通过LLM大模型对字幕内容进行校正(如：英文单词大小写、标点符号、错别字、数学公式和代码的格式等)，提升字幕的质量。
反思翻译：开启后，会通过LLM大模型进行反思翻译，提升翻译的质量。相应的会增加请求的时间和消耗的Token。(选项在设置页-LLM大模型翻译-反思翻译中开启。)
文稿提示：填写后，这部分也将作为提示词发送给大模型，辅助字幕优化和翻译。

LLM 大模型是用来字幕段句、字幕优化、以及字幕翻译（如果选择了LLM 大模型翻译），建议使用DeepSeek进行翻译，准确率较高，价格低，性价比十足。

配置项	说明
硅基流动	SiliconCloud 官网配置方法请参考配置文档该并发较低，建议把线程设置为5以下。
DeepSeek	DeepSeek 官网，建议使用 `deepseek-v3` 模型。
Ollama本地	Ollama 官网
内置公益模型	内置基础大语言模型（`gpt-4o-mini`）(公益服务不稳定，强烈建议请使用自己的模型API)
OpenAI兼容接口	如果有其他服务商的API，可直接在软件中填写。base_url 和api_key

注：如果用的 API 服务商不支持高并发，请在软件设置中将“线程数”调低，避免请求错误。

提供丰富的字幕样式模板，如科普风、新闻风、番剧风等，支持多种字幕格式（SRT、ASS、VTT、TXT），满足不同用户的需求。

支持将字幕烧录到视频中，也支持生成软字幕，方便用户根据需求选择。注：最后一步合成视频，建议取消，将字幕导入到剪映这类剪辑软件进行合成，灵活性更高。

视频合成：开启后，会根据合成字幕视频；关闭将跳过视频合成的流程。
软字幕：开启后，字幕不会烧录到视频中，处理速度极快。但是软字幕需要一些播放器（如PotPlayer）支持才可以进行显示播放。而且软字幕的样式不是软件内调整的字幕样式，而是播放器默认的白色样式。

下载与安装
- 从Release页面下载最新版本的可执行程序。
- 打开安装包进行安装。
配置
- 配置LLM API（用于字幕断句和优化）。
- 配置翻译服务（推荐使用LLM大模型翻译）。
- 配置语音识别接口（推荐使用fasterWhisper）。
处理视频
- 拖拽视频文件到软件窗口，即可全自动处理。
- 支持单独处理每个步骤，如语音识别、字幕优化、翻译和视频合成。