视频怎么自动生成字幕？

下载的课程、录制的讲座、收藏的教程视频没字幕：听不清的地方没法回查、关键词没法搜索。给它生成字幕，视频才真正可用。

自动字幕的原理（一分钟版）

视频文件 = 画面轨 + 音频轨。字幕生成只和音频轨打交道：抽出音频 → 语音识别引擎转成文字并标注时间 → 按 1~2 句一行切成条目 → 输出 SRT/VTT。全程不动视频本身。

本地引擎 vs 云端引擎怎么选

• 本地 Whisper：内容不出电脑（隐私最好）、不按分钟收费（批量转一整个课程库不心疼）。需要先装引擎，速度取决于电脑性能。
• 云端识别：不占本机性能、速度快，但音频要上传、按量计费。敏感内容不建议。

影响识别质量的三件事

• 人声清晰度：背景音乐大、混响重的识别率明显下降。
• 语言设置：知道视频语言就明确指定，别让引擎猜。
• 专有名词：课程里的术语、人名识别错率最高，重要内容过一遍人工校对。

数字管家：一键生成，费用透明

选视频 → 生成字幕：引擎自动选本地 Whisper（COST_0）；想用云端则在 Provider 市场选，任务开始前显示 Provider、模型、预计费用、预计时间、隐私说明（是否上传音频），确认才执行。生成的字幕可导出 SRT/VTT/ASS，可再翻译成双语，也可以直接封装成字幕版视频。字幕缓存在本地，同一段内容重复生成不重复计费。