妙幕 / SmartSub

视频转字幕、字幕翻译、AI 创作助手、AI 配音与声音克隆、字幕烧录、MCP/CLI 自动化——一站式开源桌面工具

让每一帧画面都能美妙地表达

中文 | English | 日本語

下载安装 · 功能特性 · AI 助手与自动化 · 免费方案 · 常见问题 · 更新日志

特别赞助

🤝 想成为赞助商或洽谈合作？请查看 赞助合作说明。

❤️ 感谢 CrazyToken 对 SmartSub 的赞助支持！

CrazyToken | 多模型助力字幕翻译，让跨语言表达更自然，倍率低至0.05x，最高省99%

CrazyToken 提供 Claude、GPT、Gemini、Kimi、GLM、DeepSeek、Qwen、Grok 等主流模型 API，为字幕翻译、语境理解、术语统一与校对润色提供模型支持。无论是课程视频、访谈播客，还是多语言内容制作，都能按语言和任务需求选择合适的模型。

• 💰 最低 0.05×，字幕翻译更省成本：模型价格低至官方价格的 5%，Token 级账单透明可查，降低长视频字幕翻译与批量处理的模型调用成本。
• ✨ 官方原生通道：不掺水、不混模、不压缩长上下文，为理解前后文、统一术语和打磨译文提供模型支持。
• ⚡ 稳定高速，高并发不限流：为批量字幕翻译与多任务处理提供稳定的 API 服务，减少调用等待。
• 🎁 新用户注册赠送 $20：通过专属链接注册即送 $20 体验额度，充值额外加赠；提供 1 对 1 远程配置服务，真人协助完成模型 API 配置。

妙幕是什么

妙幕（SmartSub）是一款开源的音视频字幕与配音工具，把「语音转文字 → 字幕翻译 → 校对润色 → TTS 配音 → 烧录合成」整条流水线装进一个桌面应用，还内置在线视频下载，粘贴 B 站 / YouTube 等平台链接即可直接取材。转写基于 whisper.cpp、sherpa-onnx 等本地模型完成，文件不出本机；支持批量处理，支持 NVIDIA / AMD / Intel / Apple Silicon 硬件加速，可在 Windows、macOS、Linux 上运行。

妙幕深度融合了现代 AI 协同与 Agentic 自动化能力：

• 内置 AI 创作助手（智能副驾）：随时按快捷键呼出，具备全工作台上下文感知、多模态视觉截图诊断、实时字幕润色与自主工具调用（Agentic Tool-Calling）能力，用自然语言即可驱动复杂操作；
• MCP 与 CLI 命令行自动化：深度支持 Model Context Protocol（提供 111 个标准工具与对应 CLI 命令），内置 Electron/Node 运行时免配环境，不仅可让 Cursor、Claude Code、Codex 等外部 AI 智能体直接调度，还能在终端脚本与 CI 中全自动化执行流水线。

整条流水线可以完全免费跑通：本地模型转写、内置免费翻译源、本地 TTS 配音（含声音克隆）、本地 ffmpeg 烧录——不需要 API Key，本地环节也没有用量限制。同时可按需接入 20 个翻译服务、9 家云端听写、6 类云端配音服务作为增强。

它能帮你做什么

你想做的事	妙幕的做法
用自然语言搞定字幕编辑与排障	随时呼出内置 AI 助手，上下文感知与多模态截图诊断，一句话润色、改口语化或自动下发任务
让 Cursor / Claude / 脚本接管音视频流水线	借助 111 个 MCP 工具与 CLI 命令，外部 AI Agent 或终端脚本直接全自动批量转写、翻译、配音与合成
看无字幕的外语视频、公开课	拖入视频，本地转写并翻译，得到双语字幕，播放器直接挂载
给 B 站 / YouTube 在线视频配字幕	粘贴链接应用内直接下载，官方字幕自动配对，无需第三方下载工具
做视频出海 / 多语言内容	字幕翻译成目标语言，再用 TTS 配成外语音轨，导出成品视频
用自己的声音给视频配音	录一段参考音频，零样本克隆音色，整条视频用你的声音朗读
整理播客、网课、会议录音	批量转写成 SRT 字幕文件，供剪辑、检索或存档
给成片压制字幕	校对台逐句核对后硬烧或软封装，样式所见即所得

功能特性

在线视频下载 / 本地音视频 → 转写 → 翻译 → 校对 → 配音 → 合成导出。每一步都可以独立使用，也可以串成流水线批量执行；更能通过内置 AI 创作助手实时对话协作，或通过 MCP / CLI 交由外部 AI 智能体全自动化调度。

🌟 AI 创作助手（智能副驾）

• 随时唤起与多轮交互：顶部工具栏一键开启或按快捷键 ⌘J（macOS）/ Ctrl+J（Windows、Linux）随时呼出右侧抽屉面板，支持调整宽度，会话记录自动持久化保存在本地
• 工作台深度上下文感知：智能感知当前界面状态，自动关联当前视频播放进度、选中的字幕单行、邻近上下文、任务列表运行状态与近期报错日志，无需反复手动交代背景
• Agentic 自主工具调用：全面打通底层 111 个自动化工具！不仅能答疑解惑，更可根据自然语言指令直接代劳——如「把当前视频转成中英双语字幕并合成」、「查看我安装了哪些模型」、「排查刚才任务失败的原因」
• 字幕精修与安全编辑：校对时直接说「把当前这句改得更口语化」、「解释这一段的专业术语」、「修正同音错字」，修改实时渲染在编辑器中并自动进入撤销/重做栈（支持快捷键随时撤回）；严格版本保护，说「保存」才写入物理文件
• 多模态视觉截图诊断：任务失败或参数不知如何配置？助手内置截屏工具，点击相机图标即可一键捕获当前工作区，结合视觉多模态大模型分析报错弹窗、Toast 提示与控件状态，秒级给出排查与修复方案
• 多类型文件与媒体对话（File Chat）：支持将音视频（MP4、MKV、MOV、MP3、WAV、FLAC 等）、字幕（SRT、VTT、ASS、LRC）、参考文稿（TXT、MD）及图片直接拖入对话框。音视频文件不上传云端，仅传递本地绝对路径给底层工具处理，兼具大模型智能与隐私安全
• 主流大模型自由接入：支持 DeepSeek、通义千问 (Qwen)、Gemini、SiliconFlow、DeerAPI 及任意 OpenAI 兼容端点，支持流式回复与独立系统提示词。详见 AI 助手使用文档

⚡ MCP 协议与 CLI 命令行自动化（Agentic Automation）

• 111 个标准 MCP 工具与对应 CLI 命令：无死角覆盖音视频下载、转写、翻译、校对、配音、音视频封装、格式转换、音频抽取以及模型与服务商配置等全链路能力，详见 操作参考文档
• 免配置 Node.js 运行时（Zero-Config）：直接复用应用自带的 Electron/Node 运行时，客户端用户和外部 AI 完全不需要额外安装 Node.js，开箱即用
• 主流 AI 客户端一键打通：应用内「设置 → 连接 AI 工具（MCP）」提供一键导入 Cursor（支持官方 MCP 协议一键拉起）、一键复制 Codex 配置（TOML 格式）、Claude Code（一键注册）及通用客户端 JSON 配置，让各种 AI Agent 秒变音视频流水线总指挥
• 无窗口后台守护（Headless Daemon）：AI 工具或 CLI 首次调用时自动启动无界面后台常驻守护，与桌面客户端无缝共享任务状态、配置和模型资源，闲置自动回收，桌面打开无缝接入
• 强大的 CLI 命令行与脚本批处理：提供 smartsub 统一命令行入口，支持复杂任务流水线一键编排（pipeline.run）、JSON / stdin 管道传参、任务状态轮询与去重机制，让音视频生产轻松融入 Shell 脚本与 CI/CD 自动化。详见 MCP 与 CLI 接入指南

在线视频下载

• 粘贴链接即可下载 B 站、YouTube 等平台的在线视频，一行一条批量下载，可从混杂文本中自动识别链接
• yt-dlp（YouTube 及 1800+ 站点）与 lux（B 站、抖音、小红书等国内平台）双引擎，按平台自动匹配，应用内一键安装 / 更新
• 可同时下载平台官方字幕（含自动生成字幕），任务向导中自动配对——有官方字幕就无需再转写
• 支持导入站点 Cookie（浏览器一键提取 / cookies.txt / 手动粘贴），解锁登录后可见的高清画质与会员内容，Cookie 仅保存在本地
• 保存目录、清晰度（最佳 / 指定档位）、并发数可调，下载完成一键衔接转写 / 翻译任务

字幕生成（转写）

• 多种视频 / 音频格式批量生成字幕，并发任务数可调
• 8 类转写引擎逐任务切换：内置 whisper.cpp、faster-whisper、FunASR、Qwen3-ASR、FireRedASR、NVIDIA Parakeet、本地 Whisper CLI，以及免 GPU 的云端听写（9 家服务商）
• 本地引擎完全离线，无需联网上传；中文场景可选 FunASR / FireRedASR，英语、欧洲语言与日语可选对应 Parakeet 模型
• AI 字幕精修（可选）：大模型语义断句 + 批量校正——断句按语义重组且时间轴仍精确到词（连接词不吊行尾、数字不被停顿劈开），校正修同音字、去语气词、规范标点；服务商默认跟随 AI 翻译配置（本地 Ollama 零成本），失败自动回退规则断句
• 简繁转换、自定义字幕文件名（方便不同播放器挂载识别）、可选中文字幕去标点

This is the beginning of the README. Read the rest at the original. Read the full README ↗