哈喽，黑域小伙伴，现在很多人和 UP 主都会拍一些 Vlog 或转载各种各样的视频传到网上分享。然而工作量比较大且较为枯燥的就是给视频加字幕了，若依靠人工去听写制作字幕效率真的很慢...

剪映中最具特色的功能就是其免费的字幕识别，但去年起也变成收费功能了。不过现在已有不少AI自动化的视频加字幕工具可帮助创作者们快速生成字幕了，比如今天这款由吾爱大佬的制作字幕利器：卡卡字幕 LLM 智能视频字幕助手，支持生成、断句、优化、翻译、视频合成全流程。 

具体我们来安装体验下：

卡卡字幕助手是一款基于AI大模型开发的字幕识别工具，只要接入对应的大模型接口，或者下载本地模型，即可对视频或者音频中的字幕进行提取，并生成Srt等格式的字幕文件。

软件安装流程比较常规，这里就不过多赘述了。

1、语言模型

支持本地模型 Whisper 和LLM（大语言模型）API接入识别两种方式，大家可以按需选择。

2、本地Whisper模型

先来看看本地的Whisper模型，使用前需要先根据配置安装GPU+CPU使用或者CPU使用的模型底包，然后下载用于识别的模型。模型体积越大，识别效果也就越好，但对设备性能的要求也在提高。

3、选择所需模型

我的为核显，这里就下载CPU版版本的Faster Whisper，然后下载Medium模型。

下载完成后，打开Faster Whisper设置，选择之前下载的模型、运行设备、音频的语言即可。

4、开始使用

软件使用就比较简单了，把需要识别的视频或者音频文件拖进来，点击开始，就会对其进行自动处理，使用本地模型的情况下，速度快慢就看设备性能了。

5、导出字幕文件

Faster Whisper模型转录完成后，会利用AI，对识别结果进行优化，确认字幕呜呜后，点击左上角的保存，即可导出srt、ass、vtt等格式的字幕文件。

6、后期字幕修改

如果优化后仍旧存在错别字，可以手动点击，进行修改。

在线大语言模型识别：

刚刚上面所述是本地模型的大概，咱们再看在线大语言模型识别。可以填入OPENAI官方的API接口或者使用第三方提供的接口，接入各种开放API接口的大语言模型。

填入API Key、Base URL后，点击检查连接，当弹出模型获取成功、LLM连接成功的提示时，就说明大模型接入成功！

• 需注意的地方：

使用 LLM 模型时，需要在首页将转录模型设置为B接口。

至于后面的操作，就和使用Faster Whisper模型一模一样，直接抄前面的作业即可。

LLM API的优势：

值得一提的是，得益于云端强大的计算能力，通过LLM API所进行的字幕识别，速度要远远高于本地识别（如果本地GPU算力比较强大，影响则可pass）。

• 得益于大模型

大模型加持之下字幕翻译也变得轻松，简单几步，就能制作外文视频的中文版，拿来啃某些生肉，简直不要太爽！

软件的字幕识别功能不局限于视频创作，如果你是一位影视爱好者的老司机，它亦能帮你解决不少观影中存在的语言障碍。

VideoCaptioner 功能特点：

1. 可使用强大的语音识别引擎，核显也可以使用，自动生成精准字幕
2. 基于 LLM 的智能分割与断句，字幕阅读更自然流畅
3. AI字幕多线程优化调整字幕格式；吴恩达三步反思法翻译，表达更地道专业
4. 支持批量视频字幕合成，提升处理效率
5. 直观的字幕编辑查看界面，支持实时预览和快捷编辑
6. 消耗模型 Token 少，且内置基础 LLM 模型，保证开箱即用

提取码：HyHy