SmartSub（妙幕）开源：字幕生成翻译配音一条龙，6 大转写引擎 100% 本地处理
今天介绍一个开源工具：SmartSub，中文名"妙幕"，是由开发者buxuku创建的开源 AI 字幕生成与多语言翻译桌面应用。
它的定位非常清晰：一站式解决音视频字幕从生成到翻译到合成的全流程。
项目的起源可以追溯到作者之前开发的命令行工具 VideoSubtitleGenerator。这个工具虽然功能扎实，但每次使用都得敲命令、调参数，流程割裂。随着 Whisper 模型的火爆和 AI 翻译能力的成熟，作者决定将这些能力整合进一个"傻瓜式"的桌面应用里，让字幕生成和翻译变得像拖拽文件一样简单。
目前，SmartSub 已在 GitHub 上收获了超过4.5k Star，版本迭代非常活跃——从最初的 v1.x 到现在的 v3.7.0，几乎每月都有更新。
最新版本不仅在字幕生成精度上持续优化，还扩展了配音、说话人识别、在线视频下载等功能，正在从一个"字幕工具"进化为"音视频本地化处理平台"。
核心亮点
🔥 亮点一：6 大转写引擎
SmartSub 内置了 6 种语音转写引擎：
•whisper.cpp：C++ 重写版 Whisper，纯本地、高性能
•faster-whisper：基于 CTranslate2 优化，速度更快
•FunASR：阿里达摩院开源，中文识别精度出色
•Qwen3-ASR：通义万相系列，v3.7.0 刚加入的新引擎
•FireRedASR：轻量级选项
•本地 Whisper CLI：如果你已经安装了 Whisper，可以直接调用
不同引擎各有所长：whisper.cpp 兼容性好，FunASR 对中文支持更优，Qwen3-ASR 在长语音识别中表现稳定。
用户可以根据自己的需求和硬件条件自由选择，也可以全部下载后逐一测试。
🌍 亮点二：多种翻译引擎接入
它几乎接入了市面上所有主流翻译服务：
传统翻译 API：百度翻译、火山引擎翻译、微软翻译器、DeepLX
AI 翻译引擎：Ollama（本地模型）、Deepseek、Azure OpenAI、DeerAPI、Gemini、SiliconFlow、通义千问、豆包、小牛、腾讯、讯飞……
更贴心的是，它支持自定义参数配置：不用改代码，直接在界面上就能调整模型参数、自定义 HTTP 头和请求体、实时验证配置，还能导出导入配置方便团队共享。
双语字幕也是它的一大杀招。勾选"双语字幕"选项，就能导出原文+译文对照的字幕文件，看外语片时体验直接拉满。
🔒 亮点三：100% 本地化处理
很多在线字幕工具要求你把视频上传到云端，不仅有隐私泄露的风险，对于动辄几个 G 的原始视频，上传本身就很耗时。
SmartSub 的所有计算都在你本地电脑上完成——语音识别在本地跑模型，翻译要么调本地的 Ollama，要么调 API，但视频文件本身绝不会离开你的硬盘。
⚡ 亮点四：硬件加速
SmartSub 支持两大硬件加速方案：
NVIDIA CUDA（Windows/Linux）：应用内置了 GPU 加速包管理器，会自动检测你的显卡型号，推荐合适的 CUDA 版本（11.8.0 / 12.2.0 / 12.4.0 / 13.0.2），一键下载即可启用，不需要手动安装 CUDA Toolkit。
Apple Core ML（macOS M 系列芯片）：从 v1.20.0 开始支持，M 系列芯片用户下载 arm64 版本即可自动启用 Core ML 加速，识别速度显著提升。
✏️ 亮点五：可视化校对
语音识别再准，也难免出现专有名词错误。SmartSub 内置了可视化校对面板：
• 播放视频的同时，字幕行自动同步定位
• 逐行修改文字、调整时间轴
• 支持 AI 自动优化，一键批量修正
• 新增 AI 字幕精修功能，语言转写更可控
• 支持参考文稿导入，高置信度匹配原稿对齐修正
这比用文本编辑器改字幕体验好太多了——相当于给你一个迷你版的 PR 界面，改完一处立即看到效果。
🎬 亮点六：字幕合成与配音一条龙
支持AI 配音与声音克隆，v3.7.0 进一步支持多角色配音和说话人识别：
• 支持为字幕生成配音音轨
• 声音克隆：上传一小段参考音频即可克隆音色
• 说话人识别：自动区分不同发言者并标注角色
• 按角色批量分配音色，单句也可单独覆盖
加上字幕烧录功能——支持硬字幕（直接烧录进画面）和软字幕（封装在容器内）两种方式，可以调整字体、字号、颜色，所见即所得。
还有隐藏彩蛋：内置在线视频下载器，粘贴 YTb 或 B站 链接，就能自动拉取源视频，不用再单独找下载工具了。
快速上手指南
第一步：下载安装
SmartSub 提供了多种安装方式：
方式一：Homebrew（macOS 推荐）
brew tap buxuku/smartsub
brew install --cask smartsub
方式二：直接下载安装包
前往 GitHub Releases[1]页面，根据你的系统选择对应版本：
| 系统 | 芯片 | 显卡 | 推荐版本 |
|---|---|---|---|
| Windows | x64 | CUDA >= 11.8 | windows-x64-cuda通用版 |
| Windows | x64 | 无 N 卡 | windows-x64-generic |
| macOS | Apple Silicon (M1/M2/M3) | - | mac-arm64 (自动启用 Core ML) |
| macOS | Intel | - | mac-x64 |
| Linux | x64 | CUDA | linux-x64-cuda版本 |
| 关于 macOS "应用已损坏"提示：如果首次打开时出现警告，在终端执行以下命令即可： |
sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app
第二步：下载模型
首次启动后，应用会引导你下载语音识别模型。建议选择：
•M 系列芯片 + 64GB 内存：large-v3-turbo 或 large 模型
•M 系列芯片 + 32GB 内存：medium 或 small 模型
•Windows 无 N 卡：small 或 base 模型
•Windows 有 N 卡：large-v3-turbo 模型
如果模型下载失败，可以：
- 切换到"引擎与模型"页面
- 选择国内镜像源下载
- 或者手动下载模型文件，在"导入模型"处导入
第三步：配置翻译服务
打开"设置 → 翻译服务"，选择你喜欢的翻译引擎：
推荐配置方案：
1.追求免费+本地：选择 Ollama，本地跑一个 LLM 模型即可，完全免费且隐私安全
2.追求质量+速度：选择 Deepseek 或 DeerAPI，注册获取 API Key，翻译质量高
3.追求稳定+低成本：选择百度翻译或火山引擎翻译，按调用量计费，稳定可靠
API Key 获取：
• 百度翻译：访问 https://fanyi-api.baidu.com/ 注册
• 火山引擎：访问 https://console.volcengine.com/ 注册
• Deepseek：访问 https://platform.deepseek.com/ 注册
第四步：开始使用
选择任务类型，拖入文件，设置参数，点击"开始任务"——就是这么简单。
写在最后
SmartSub 的价值在于，它把原本分散在多个工具、多个平台、甚至需要付费才能完成的字幕工作流——音视频转字幕 → 翻译 → 校对 → 合成 → 导出——全部整合到了一个本地运行的开源桌面应用中。
SmartSub（妙幕），让每一帧画面都能美妙地表达。
项目地址：https://github.com/buxuku/SmartSub
引用链接
[1]GitHub Releases:https://github.com/buxuku/SmartSub/releases