auto-subs

GitHub
3k 175 非常简单 1 次阅读 昨天MIT开发框架图像音频Agent插件
AI 解读 由 AI 自动生成,仅供参考

AutoSubs 是一款能在本地设备上即时生成 AI 字幕的桌面工具,支持独立运行或与专业剪辑软件 DaVinci Resolve 无缝集成。它主要解决了视频创作者在制作字幕时面临的痛点:传统手动打字效率低下,而在线云服务往往涉及隐私泄露风险或高昂的订阅费用。

无论是需要快速为社交媒体视频添加字幕的内容创作者、追求高效工作流的视频编辑师,还是注重数据隐私的普通用户,都能通过 AutoSubs 实现“一键生成”高质量字幕。用户只需拖入音视频文件,即可自动获得包含精准时间戳和说话人区分(带颜色标记)的字幕文件,并支持导出为 SRT 格式或直接导入剪辑软件。

其独特的技术亮点在于完全本地化运行。基于 Tauri 架构,AutoSubs 结合了 React 前端与 Rust 后端的高性能优势,直接在用户电脑上调用 Whisper、Parakeet 等先进 AI 模型进行转录和说话人分离,无需上传任何数据到云端,既保证了处理速度,又确保了内容安全。此外,它还提供了丰富的自定义选项,如多语言支持和针对特定说话人的样式调整,让字幕制作变得简单而专业。

使用场景

一位独立视频创作者正在为长达 45 分钟的深度访谈视频制作多语言字幕,以便发布到 YouTube 和 Bilibili 平台。

没有 auto-subs 时

  • 耗时费力:必须手动听写每一句对话或依赖不准确的在线服务,处理长视频往往需要数小时甚至一整天。
  • 隐私风险:若使用云端转录工具,需将未发布的原始素材上传至第三方服务器,存在内容泄露隐患。
  • 角色混乱:访谈中多位嘉宾声音交织,手动区分说话人极其困难,导致字幕缺乏清晰的说话人标签。
  • 后期繁琐:生成的字幕格式往往不兼容剪辑软件,需在 DaVinci Resolve 中反复调整时间轴和样式,容易出错。

使用 auto-subs 后

  • 一键生成:只需拖入视频文件,auto-subs 利用本地 AI 模型在几分钟内即可完成高精度转录,效率提升数十倍。
  • 本地运行:所有计算均在设备本地完成,无需联网上传,彻底保障了独家访谈内容的隐私安全。
  • 自动分角:内置的说话人分离技术自动识别不同嘉宾,并为每位说话人分配专属颜色标签,字幕结构清晰直观。
  • 无缝协作:支持直接导出至 DaVinci Resolve,自动应用说话人样式和时间轴,创作者可立即进入精细调色与输出环节。

auto-subs 通过将复杂的 AI 转录流程简化为本地一键操作,让视频创作者从繁琐的字幕制作中解放出来,专注于内容本身。

运行环境要求

操作系统
  • Windows
  • macOS (Apple Silicon)
  • macOS (Intel)
  • Linux (.deb)
GPU

未说明(模型在本地运行,支持 Whisper/Parakeet/Moonshine,具体 GPU 加速需求取决于所选模型,README 未明确强制要求特定显卡或 CUDA 版本)

内存

未说明(提及 V3 版本空闲内存占用降低约 3 倍,但未给出具体数值)

依赖
notes该工具为基于 Tauri 开发的桌面应用,无需用户手动配置 Python 环境或安装依赖库。AI 转录模型(如 Whisper 等)在本地运行,首次使用需从 HuggingFace 下载模型文件。支持独立运行或与 DaVinci Resolve 集成(注意:不支持 Mac App Store 版本的 DaVinci Resolve,需从官网下载安装)。Linux 用户需提供 .deb 包安装环境。
python未说明(后端为 Rust,AI 引擎可能内部封装了 Python 环境或通过其他机制调用,用户无需手动安装 Python)
Tauri
React
TypeScript
Rust
FFmpeg (Sidecar)
Whisper
Parakeet
Moonshine
Pyannote
HuggingFace Hub
auto-subs hero image

快速开始

AutoSubs – 字幕制作,简单高效

只需一键即可创建高质量字幕。AutoSubs 在简洁直观的界面中提供快速、准确且完全可定制的字幕——既可以独立运行,也能与 DaVinci Resolve 集成。

下载量 每周活跃用户 Ask DeepWiki

📥 一键安装程序:WindowsmacOS (Apple Silicon)macOS (Intel)

🐧 Linux (.deb): 请参阅下方的安装命令

Buy Me A Coffee


AutoSubs 的功能

AutoSubs 在您的本地机器上运行AI 转录模型——无需云端,无需订阅。只需导入任何音频或视频文件,它就能生成带有时间戳和发言者标签的精准字幕。

核心功能:

  • 多种语言的快速、准确转录
  • 发言人分离,并自动添加标签和颜色
  • 支持翻译为英语(更多语言即将推出)
  • 可导出为 SRT 格式、纯文本,或直接导入 DaVinci Resolve
  • 使用 Resolve 时,支持按发言者自定义字幕样式(颜色、轮廓、边框)
生成字幕并标注发言者 高级设置
转录页面 高级设置

架构概览

AutoSubs 是一个基于 Tauri 的桌面应用——采用 React + TypeScript 前端,后端由 Rust 引擎驱动,打包成适用于 Windows、macOS 和 Linux 的原生应用。

graph TB
    subgraph Frontend ["前端 (React + TypeScript)"]
        UI[UI 组件]
        CTX[状态上下文\n转录内容 · 模型 · 进度 · 设置]
        UI <--> CTX
    end

    subgraph Tauri ["Tauri 桥接层"]
        IPC[IPC 命令与事件]
    end

    subgraph Backend ["Rust 后端"]
        API[命令处理器]
        AP[音频预处理模块]
        API --> AP
    end

    subgraph Engine ["转录引擎"]
        EM[引擎管理器]
        EM --> W[Whisper]
        EM --> P[Parakeet / Moonshine]
        EM --> D[Pyannote 发言人分离]
        EM --> FMT[格式化工具\n换行 · 时间对齐 · CPS]
        EM --> TR[翻译器]
    end

    subgraph External ["外部依赖"]
        FF[FFmpeg 辅助工具]
        HF[HuggingFace Hub\n模型下载]
    end

    subgraph Resolve ["DaVinci Resolve(可选)"]
        LUA[AutoSubs.lua 脚本]
    end

    Frontend <--> Tauri
    Tauri <--> Backend
    Backend --> Engine
    AP --> FF
    Engine --> HF
    LUA <-.->|IPC| Tauri

转录流程全链路:

  1. 用户选择文件并点击“转录”
  2. Rust 后端通过 FFmpeg 对音频进行预处理(归一化、格式转换)
  3. 转录引擎在本地运行所选的 AI 模型(Whisper / Parakeet / Moonshine)
  4. 可选地运行 Pyannote 进行发言人分离,以及 Google Translate 进行翻译
  5. 格式化工具会应用换行、时间约束及特定语言规则
  6. 结果实时回传至 UI,用户可编辑并导出

快速入门

1) 下载并安装

🪟 Windows + 🍎 macOS: 从上方链接下载适合您平台的安装程序,并按照提示完成安装。

🐧 Linux (.deb):

wget https://github.com/tmoroney/auto-subs/releases/latest/download/AutoSubs-linux-x86_64.deb
sudo apt install ./AutoSubs-linux-x86_64.deb
# 如果出现依赖错误,请执行:
sudo dpkg -i AutoSubs-linux-x86_64.deb && sudo apt -f install

2) 选择工作流程

独立模式

  1. 启动 AutoSubs,选择音频或视频文件。
  2. 选择模型及语言/翻译选项。
  3. 点击“转录”。根据需要编辑发言者和字幕。
  4. 导出为 SRT 或文本,或将内容复制到剪贴板。

DaVinci Resolve 模式

  1. 打开 DaVinci Resolve → 工作区 → 脚本 → AutoSubs
  2. 选择时间线/音频源及设置。
  3. 点击“转录”。根据需要编辑发言者和字幕。
  4. 将样式化的字幕发送回 Resolve。

[!WARNING] AutoSubs 不适用于 Mac App Store 版本的 DaVinci Resolve。如有需要,请从官方网站重新安装。


V3 新特性

  • 全新、更简洁的界面——使用更方便,风格更统一
  • 更快、更轻量——基于全新 Rust 后端,空闲内存占用降低约 3 倍
  • 更智能的模型——选项更多,删除更便捷,状态徽章清晰易懂
  • 更好的时间对齐——即使帧率不固定或存在丢帧情况,也能精准对齐
  • 独立模式——可转录任意文件,无需 Resolve
  • 强大的编辑工具——现代化的字幕编辑器及高级的按发言者样式定制功能

贡献代码

欢迎提交 PR!在深入参与之前,可先查看完整的代码库解析:AutoSubs DeepWiki

开发环境搭建

  1. 克隆仓库。

  2. 安装前置条件:Node.js 和 Rust 工具链——详情请参阅 tauri.app

  3. 在开发模式下启动应用:

    cd AutoSubs-App
    npm install
    npm run tauri dev
    
  4. 若需在开发过程中测试与 Resolve 的集成,可将 AutoSubs-App/src-tauri/resources/Testing-AutoSubs.lua 文件复制到 Resolve 的脚本目录中:

    • Windows: %appdata%/Blackmagic Design/DaVinci Resolve/Support/Fusion/Scripts/Utility
    • macOS: /Library/Application Support/Blackmagic Design/DaVinci Resolve/Fusion/Scripts/Utility

    然后修改 Testing-AutoSubs.lua 中的路径,指向您本地的 AutoSubs 安装位置,并通过 Resolve 的 工作区 → 脚本 → Testing-AutoSubs 来打开该脚本。

后端代码位于 AutoSubs-App/src-tauri/ 目录下。


深度解析

如需详细的架构文档、组件拆解以及关于代码库各部分的答疑交流,请访问 AutoSubs on DeepWiki

版本历史

v3.0.82025/08/17
v3.0.72025/08/16
v3.0.62025/08/13
v3.0.52025/08/13
v3.0.42025/08/12
v3.0.32025/08/12
v3.0.22025/08/12
v3.0.12025/08/12
v3.0.02025/08/11
V2.1.82025/01/25
V2.1.72025/01/24
V2.1.62024/12/29
V2.1.52024/12/26
V2.1.22024/12/13
V2.1.12024/12/12
V2.12024/12/07
V2.02024/11/18
v1.9.52024/03/23
v1.9.22024/03/22
v1.9.42024/03/18

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架