Install Video Subtitle Master (CUDA 12.4 Optimized) using Winget - wingetCollections
Go back Packages Video Subtitle Master (CUDA 12.4 Optimized) Video Subtitle Master (CUDA 12.4 Optimized) buxuku Use this command to install Video Subtitle Master (CUDA 12.4 Optimized):
winget install --id=buxuku.SmartSub.CUDA.12.4.Optimized -e Copy WinGet command to clipboard Video Subtitle Master (CUDA 12.4 Optimized) is a desktop application designed to batch generate subtitles for videos or audio files and translate them into other languages. It enhances the original VideoSubtitleGenerator command-line tool by offering a user-friendly graphical interface.
Key Features:
Graphical User Interface: Simplifies operations compared to the original command-line tool.Batch Processing: Efficiently handles multiple video, audio, and subtitle files simultaneously.Translation Support: Integrates with services like Volcano Engine, Baidu, DeepLX, Ollama, and OpenAI-style APIs for versatile translation options.Customizable Subtitle Naming: Ensures compatibility with various media players.Flexible Content Options: Choose between pure translations or original + translated subtitles.Integrated whisper.cpp: Optimized for Apple Silicon, offering faster processing speeds.Built-in fluent-ffmpeg: Eliminates the need for separate ffmpeg installations.CUDA Support: Leverages NVIDIA CUDA for enhanced performance on compatible systems.Local Whisper Command Support: Allows users to run locally installed whisper commands.Model Download Sources: Supports both domestic mirrors and official sources for flexibility.Concurrency Settings: Users can adjust the number of concurrent tasks based on system capabilities.
Audience & Benefit:
Ideal for content creators, educators, media professionals, and translators seeking efficient subtitle generation and translation in-house. The application ensures privacy protection by processing files locally without online uploads.
Video Subtitle Master can be installed via winget, offering a seamless setup experience.
README
妙幕是什么
妙幕（SmartSub）是一款开源的字幕与配音工具，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。
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、8 家云端听写、5 类云端配音服务作为增强。
它能帮你做什么
2.11.1
Copy WinGet command to clipboard 2.11.0
Copy WinGet command to clipboard 2.10.2
Copy WinGet command to clipboard 2.10.1
Copy WinGet command to clipboard 2.9.0
Copy WinGet command to clipboard 2.8.1
Copy WinGet command to clipboard 2.8.0
Copy WinGet command to clipboard 2.7.0
Copy WinGet command to clipboard 2.6.0
Copy WinGet command to clipboard 2.5.2
Copy WinGet command to clipboard Download Video Subtitle Master (CUDA 12.4 Optimized)
你想做的事 妙幕的做法 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。
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
7 类转写引擎逐任务切换：内置 whisper.cpp、faster-whisper、FunASR、Qwen3-ASR、FireRedASR、本地 Whisper CLI，以及免 GPU 的云端听写（8 家服务商）
本地引擎完全离线，无需联网上传；中文场景可直接选用 FunASR / FireRedASR
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
字幕翻译
20 个翻译服务：内置免费翻译（必应 / 谷歌免费接口，自动回退与限速）、百度、阿里云、腾讯、讯飞、火山引擎、豆包、小牛、DeepLX、Azure、Google，以及 Ollama（本地模型）、DeepSeek、Gemini、通义千问、SiliconFlow、Azure OpenAI、DeerAPI 等大模型服务
兼容任意 OpenAI 风格 API，可接入自有服务
输出纯译文，或「原文 + 译文」双语字幕
每个 AI 服务可在界面直接配置自定义请求参数，支持导出导入，无需改代码
字幕校对
内置校对台，逐句对照视频检查修改，定位精准
撤销 / 重做，单条删除可恢复
AI 一键润色
TTS 配音与声音克隆
独立配音工作台：一份字幕 + 可选视频，逐条语音合成并自动对齐时间轴
本地引擎离线免费：Kokoro 多语 103 音色、VITS 中文 174 音色
声音克隆：本地 ZipVoice 零样本克隆（一段参考音频即建即用），也支持火山引擎声音复刻 2.0、ElevenLabs 即时克隆
云端服务：Edge TTS 免费档、OpenAI 兼容端点（OpenAI / 硅基流动等）、Azure Speech、火山引擎豆包、ElevenLabs
时间轴对齐：语速预控制、实测复核、静音间隙借用；超限行列入人工处理清单（改文案 / 单行重生成 / 接受变速）
逐行试听、换音色、重新合成；背景音可静音原轨或压低原轨（ducking）
输出纯音频（wav / mp3）、替换音轨、混音视频或 MKV 双音轨，可同时导出对齐后的字幕
视频合成（字幕烧录）
硬字幕：把字幕永久烧进画面，任何播放器都能显示
软字幕：以流复制方式无损封装可切换字幕轨
字体、字号、颜色、描边、阴影、九宫格位置与多种预设样式
所见即所得实时预览
隐私与硬件加速
本地处理，文件不出本机；云端服务均为可选，首次使用有隐私确认
GPU 加速：NVIDIA CUDA、AMD / Intel Vulkan、Apple Core ML / Metal
应用内下载加速包，无需手动安装 CUDA Toolkit；加载失败自动回退 CPU
界面一览 视频合成（字幕烧录） 字幕校对
全流程免费方案 对价格敏感的用户，下面这条路线不花一分钱，也不需要注册任何服务：
环节 免费方案 说明 视频下载 yt-dlp / lux 开源引擎 应用内一键安装，免费使用 语音转写 whisper.cpp / faster-whisper / FunASR / Qwen3-ASR / FireRedASR 本地模型 模型下载一次，离线可用 字幕翻译 内置免费翻译（必应 / 谷歌接口，自动回退）、Ollama 本地大模型、DeepLX 免费翻译开箱即用，零配置 TTS 配音 本地 Kokoro / VITS / ZipVoice 声音克隆；Edge TTS 免费档 本地模型离线合成，无用量限制 字幕烧录 内置 ffmpeg 本地合成
付费云服务（OpenAI、ElevenLabs、火山引擎、腾讯云等）全部是可选增强，按需选用。
下载安装 根据电脑系统和芯片选择安装包。GPU 加速包无须在下载时选择，安装后在应用内按需下载。
系统 芯片 安装包 说明 Windows x64 windows-x64 NVIDIA 用 CUDA，AMD / Intel 用 Vulkan，应用内下载 macOS Apple mac-arm64 自动启用 Core ML / Metal 加速 macOS Intel mac-x64 仅 CPU，不支持 GPU 加速 Linux x64 linux-x64 NVIDIA 用 CUDA，AMD / Intel 用 Vulkan，应用内下载
macOS 用户推荐使用 Homebrew 安装，会自动匹配芯片类型：
brew tap buxuku/tap # 只需执行一次
brew install --cask smartsub # 安装
brew upgrade --cask smartsub # 升级
三步上手
安装后跟随新手引导下载一个语音模型（无 GPU 或不想下模型，也可配置云端听写）
在启动台选择任务，拖入音视频或字幕文件（或粘贴链接下载在线视频），设置源语言、目标语言等参数
开始处理；完成后可继续校对字幕、配音或烧录合成
进阶指南 转写引擎可逐任务切换，运行时与模型在「引擎与模型」页面统一管理：
引擎 说明 运行方式 whisper.cpp（内置） 默认引擎，支持 ggml 量化模型与 GPU 加速 随应用内置，开箱即用 faster-whisper 基于 CTranslate2，速度更快，模型按需从 HuggingFace 下载 自包含 Python 运行时（应用内下载） FunASR SenseVoice（中 / 英 / 日 / 韩 / 粤）与 Paraformer-zh，中文表现优秀 内置 sherpa-onnx 原生库 Qwen3-ASR 通义千问语音识别（qwen3-asr-0.6b） 内置 sherpa-onnx 原生库 FireRedASR FireRedASR-AED large（中英），中文表现优秀 内置 sherpa-onnx 原生库 本地 Whisper CLI 调用你自行安装的 whisper 兼容命令 使用系统已装命令 云端听写（在线 ASR） 8 家在线服务商，免 GPU、支持多服务商多实例 在线服务（音频上传到你配置的端点）
FunASR / Qwen3-ASR / FireRedASR 均通过内置的 sherpa-onnx 原生库运行，无需额外环境；faster-whisper 会在应用内下载一个自包含运行时。
云端听写在「引擎与模型」左栏的「云端听写」分组中配置。每个服务商是一个独立入口，选中即见配置表单，填入凭据即可（支持「测试连接」）。转写时音频会上传到你配置的端点，首次运行有隐私确认——请勿用于敏感内容，并留意服务商的用量费用。
OpenAI 兼容 ：audio/transcriptions 协议（whisper-1、gpt-4o-transcribe 等）。OpenAI / Groq / 硅基流动预设直接列在侧栏，其它兼容端点（自建服务、中转站）经「添加自定义」接入，可添加多个ElevenLabs Scribe ：scribe_v1 模型Deepgram ：nova-2 / nova-3 模型火山引擎豆包 ：录音文件识别·极速版（bigmodel）。使用新版「豆包语音」控制台「API Key 管理」签发的 API Key（需先开通对应模型；火山方舟的 API Key 不通用），按转写时长计费腾讯云 ：录音文件识别极速版。使用「语音识别」控制台的 AppID / SecretId / SecretKey（需先开通，每月赠 5 小时免费额度）。识别语言自动跟随任务的「原语言」，模型只选档位——standard 普通版或 large 大模型版（识别更强、计费更高、免费并发仅 5）阿里云 ：录音文件识别极速版。使用 RAM 访问控制的 AccessKey ID / Secret，外加智能语音交互控制台项目的 Appkey。识别语种在项目「功能配置」中设定（任务原语言对阿里云不生效），默认普通话模型可识别中英混合。注意该服务仅提供商用版（无免费试用） ，开通后按转写时长计费讯飞 ：录音文件转写大模型。异步订单制，退出应用不丢任务Gladia ：solaria 模型，支持 100+ 语种，每月赠 10 小时免费额度 whisper.cpp / faster-whisper 使用 whisper 系列模型，模型越大越准、越慢、越吃显存：
低端设备或核显：推荐 tiny / base，速度快、占用小
普通电脑：从 small / base 起步，平衡精度与资源
高性能显卡 / 工作站：推荐 large 系列，精度最高
纯英文音视频：选带 en 的模型，专为英语优化
在意体积：可用 q5 / q8 量化版本，牺牲少量精度换取更小体积
软件内置 GPU 加速包管理，无须手动安装 CUDA Toolkit。安装后在「引擎与模型」页面管理 GPU 加速，软件会自动检测显卡并推荐合适的加速方案。
平台 加速后端 说明 Windows / Linux + NVIDIA CUDA 支持 CUDA 11.8.0 / 12.2.0 / 12.4.0 / 13.0.2，应用内下载对应加速包 Windows / Linux + AMD / Intel Vulkan 应用已内置 Vulkan 加速包 macOS（Apple 芯片） Core ML / Metal 下载 mac arm64 版本后自动启用 任意平台 CPU 无可用 GPU 时自动回退
加速模式支持「自动 / 仅 GPU / 仅 CPU」，加载失败会自动降级到 CPU，并在诊断面板给出原因
如启用加速后出现闪退，可切换为「仅 CPU」模式，或改用其它转写引擎
使用云端翻译服务需要相应的 API 密钥或配置。百度翻译、火山引擎等服务的 API 申请方法可参考 Bob 的服务申请文档 ，感谢 Bob 这款优秀的软件。
AI 翻译的结果受模型和提示词影响较大，可以尝试不同的模型和提示词组合，找到适合自己的搭配。
每个 AI 翻译服务都支持自定义参数配置，精确控制模型行为：
直接在界面添加和管理参数，无需修改代码
支持 String、Float、Boolean、Array、Object、Integer 类型
参数修改实时校验，防止无效配置
支持导出导入，方便共享和备份
本地引擎基于 sherpa-onnx 运行，完全离线免费：
模型 语言 音色 说明 Kokoro 多语 v1.1 中 / 英 103 多语模型，英文与中文音色均衡 VITS 中文 AIShell3 中 174 中文说话人库 ZipVoice 声音克隆 中 / 英 用户自建 零样本克隆：一段参考音频 + 对应文本即建即用
服务 说明 Edge TTS 免费、无需 Key；属逆向接口试用档，不承诺可用性，断供时建议切换其它引擎 OpenAI 兼容 audio/speech 协议，内置 OpenAI / 硅基流动预设，可添加多个自定义端点Azure Speech 微软 Neural 音色体系（700+ 音色），SSML 语速控制 火山引擎豆包 豆包语音合成大模型音色，支持声音复刻 2.0 克隆音色 ElevenLabs 多语模型，支持即时声音克隆（IVC）
时间轴对齐机制：合成前按目标时长预控语速，合成后实测时长复核（本地引擎免费重合成，云端用 atempo 变速），不足时向相邻静音间隙借用时间；仍超过 1.5 倍语速红线的行进入人工处理清单，可改文案、单行重生成或接受变速。
创建克隆音色时会自动质检参考音频（时长、信噪比、削波、音量等），给出问题定位与修复建议。
模型文件较大，如果应用内下载困难，可以手动下载后导入。whisper 模型下载源：
苹果芯片需同时下载模型对应的 encoder.mlmodelc 文件，解压后放在模型相同目录下（q5 / q8 系列模型无须此文件）。
导入步骤：在「引擎与模型」页面点击「导入模型」，选择下载好的模型文件确认导入；或直接复制到模型目录。
FunASR / Qwen3-ASR / FireRedASR 等引擎的模型可在「引擎与模型」页面内按需下载（支持 ModelScope / GitHub 等多源）。
常见问题 sudo xattr -dr com.apple.quarantine /Applications/SmartSub.app
可以手动下载模型文件后导入应用，见 手动下载与导入模型 。国内用户建议使用 hf-mirror 镜像源。
在「引擎与模型」页面把加速模式切换为「仅 CPU」，或改用其它转写引擎；诊断面板会给出失败原因。
参与开发 欢迎提交 Issue 和 Pull Request 改进这个项目。
克隆项目并安装依赖（安装钩子会自动下载 whisper addon 与 sherpa-onnx 原生库）：
git clone https://github.com/buxuku/SmartSub.git
cd SmartSub
yarn install
如原生依赖自动下载失败（网络受限等），可手动执行 yarn native:fetch 重试。
赞助商
社区与支持 如果这个项目对你有帮助，欢迎点一个 star，或者请作者喝一杯咖啡（请备注你的 GitHub 账号）。使用中有任何问题，欢迎加入 QQ 交流群（群号：655348339）。
致谢
许可证
Star History 
