📌  大家好，我是智界工具库，每天分享好用实用且智能的开源项目，以及在JAVA语言开发中遇到的问题，如果本篇文章对您有所帮助，请帮我点个小赞小收藏小关注吧，谢谢喲！😘

博主声明：本文旨在提供技术指导和灵感，不涉及任何具体软件或工具的推广。

一、简介：

               《VideoCaptioner》操作简单且无需高配置，支持网络调用和本地离线（支持调用GPU）两种方式进行语音识别，利用大语言模型进行字幕智能断句、校正、翻译，字幕视频全流程一键处理。为视频配上效果惊艳的字幕。

最新版本已经支持 VAD 、人声分离、字级时间戳、批量字幕等实用功能

• 无需GPU即可使用强大的语音识别引擎，生成精准字幕
• 基于 LLM 的智能分割与断句，字幕阅读更自然流畅
• AI字幕多线程优化与翻译，调整字幕格式、表达更地道专业
• 支持批量视频字幕合成，提升处理效率
• 直观的字幕编辑查看界面，支持实时预览和快捷编辑
• 消耗模型 Token 少，且内置基础 LLM 模型，保证开箱即用

二、应用场景：

1. 自媒体创作者​​

• ​​会员功能替代​​：
  • 字幕翻译​​：调用LLM模型翻译（支持DeepSeek/Claude），质量优于剪映机翻，且无VIP限制；
  • ​​字幕样式​​：提供新闻风、番剧风等模板，直接导出ASS/SRT格式，兼容Premiere无缝编辑。
• ​​隐私保护​​：本地处理视频数据，避免剪映云端上传风险。

​​2. 教育工作者​​

• ​​网课字幕生成​​：
  • 分离人声与背景音（VAD技术），嘈杂教室录音仍可精准识别；
  • 数学公式/代码术语自动校正（剪映无此功能）。
• 多语言本地化​​：支持99种语言翻译，适配外文课程视频。

​​3. 开发者扩展​​

• ​​二次开发接口​​：
  • 提供标准OpenAI API格式，可接入SiliconCloud、Ollama等自建模型；
  • 批处理脚本支持命令行操作，集成至自动化流水线

三、截图示例：

四、安装教程：

下载源码项目：点我下载安装包https://pan.xunlei.com/s/VOXupvkeWZmYuCSMsyfW1JF6A1?pwd=ad5t#

 基本配置

1. LLM API 配置说明

LLM 大模型是用来字幕段句、字幕优化、以及字幕翻译（如果选择了LLM 大模型翻译）。

配置项	说明
SiliconCloud	SiliconCloud 官网配置方法请参考配置文档 该并发较低，建议把线程设置为5以下。
DeepSeek	DeepSeek 官网，建议使用 deepseek-v3 模型， 官方网站最近服务好像并不太稳定。
Ollama本地	Ollama 官网
内置公益模型	内置基础大语言模型（gpt-4o-mini）(公益服务不稳定，强烈建议请使用自己的模型API)
OpenAI兼容接口	如果有其他服务商的API，可直接在软件中填写。base_url 和api_key

注：如果用的 API 服务商不支持高并发，请在软件设置中将“线程数”调低，避免请求错误。

本文完结！

祝各位点赞收藏的大佬们身体健康，万事如意，发财暴富💖💖💖！！！