FlyCut Caption

你是否曾为一段冗长的视频手动删减无效片段、逐条调整字幕而耗费数小时？ FlyCut Caption 是一个专注于智能字幕生成、可视化编辑与视频裁剪一体化的开源工具。

它不仅能自动识别语音并生成时间轴准确的字幕，还允许你通过删除字幕片段直接裁剪视频内容，最终导出精炼版视频与配套字幕文件。整个过程无需离开浏览器，AI 处理甚至在本地完成。

不只是字幕工具，更是视频内容重构助手

FlyCut Caption 的设计目标很明确：
让视频编辑不再依赖复杂软件，而是从“语义层面”入手——以字幕为操作单元，实现对视频内容的精准控制。

无论是播客剪辑、课程整理、访谈摘要，还是短视频二次创作，它都能显著降低处理门槛。

核心功能一览

高精度语音识别（ASR）

基于 OpenAI Whisper 模型的 Web 实现（通过 Hugging Face Transformers.js），支持多语言语音转文字：

• 中文、英文为主，扩展支持日语、法语、西班牙语等
• 自动生成带精确时间戳的字幕序列
• 所有识别任务在浏览器中运行，无需上传音频

✅ 安全隐私：你的视频和音频始终保留在本地设备。

可视化字幕编辑

将字幕作为可操作的时间片段进行管理：

• 点击选择单个或多个字幕块
• 批量删除无效内容（如停顿、重复、广告）
• 支持撤销/重做（Ctrl+Z / Ctrl+Y）
• 删除的片段将在最终视频中被自动跳过

编辑即裁剪——删字幕，等于删画面。

实时同步预览

内置轻量级视频播放器，与字幕完全同步：

• 点击字幕跳转到对应时间点
• 支持区间播放（按住 Shift 拖动时间轴）
• 快捷键支持：
  • 空格：播放/暂停
  • ← / →：前后 5 秒
  • Shift + ← / →：10 秒快进
  • ↑ / ↓：音量调节
  • M：静音切换
  • F：全屏

字幕样式自定义

所见即所得的样式配置系统：

• 字体：大小、粗细、字体族
• 颜色：前景色、背景色、透明度
• 位置：顶部、居中、底部，支持自定义偏移
• 边框与阴影：增强可读性

可保存配置，适用于统一品牌风格输出。

多格式导出能力

完成编辑后，一键导出所需成果：

• 字幕文件：
  • .srt：通用字幕格式，兼容主流平台
  • .json：结构化数据，便于后续程序处理
• 视频文件：
  • 仅保留未删除的片段，无缝拼接
  • 可选“烧录字幕”模式，将样式嵌入视频画面
  • 支持多种编码质量与输出格式（MP4/WebM）

🌐 国际化友好

内置中英文界面，默认根据浏览器语言自动切换。
支持自定义语言包扩展（项目提供日语示例），方便全球化团队使用。

技术架构亮点

FlyCut Caption 不只是一个前端应用，它的底层设计兼顾性能、安全与可维护性：

开发者友好：项目已开源，欢迎贡献与定制。

使用流程简明指南

• 上传视频或音频
  支持格式：MP4、WebM、AVI、MOV、MP3、WAV、OGG
  拖拽文件至上传区即可开始。

• 生成字幕
  选择语言 → 点击“开始识别” → 后台自动处理（进度可见）

• 编辑字幕
  删除不需要的段落，系统自动标记对应视频区间

• 预览效果
  进入预览模式，观看裁剪后的真实播放效果
• 调整样式（可选）
  自定义字幕外观，实时查看变化

• 导出成果
  下载 SRT/JSON 字幕，或导出剪辑后的视频文件

隐私与安全承诺

开发者表示坚持“数据不出设备”原则：

• 所有语音识别在本地浏览器完成
• 视频文件不会上传至任何服务器
• 不收集用户行为数据
• AI 模型由 Hugging Face 提供，开源可审计