VideoSrt：把语音变成字幕的开源工具

VideoSrt 是一款开源的 Windows 桌面工具，做的事很聚焦：识别视频或音频里的人声，自动生成 SRT 字幕文件。项目托管在 GitHub，GPL-2.0 协议，星标约五千，还提供命令行版本供批处理使用。

它的工作方式决定了用法：软件本身不内置识别引擎，而是接入云厂商的语音识别服务——在设置里填好阿里云、腾讯云等服务的接口密钥，就能把音频转写成带时间轴的字幕；各家服务都有免费额度，轻度使用的成本可以压到很低。生成结果可以直接导出 SRT，也能在软件内做简单校对。

作者后来推出了商业版 VideoSrt Pro，把功能扩展成一套字幕工作台：语音转字幕之外还有字幕翻译、人声分离、字幕压制与格式转换，识别引擎选择也更多，内置引擎与自配置的第三方引擎并存。免费开源版与付费 Pro 版的关系类似社区版与专业版：前者的转写链路后者都有，后者多出来的是后期加工环节。

适合谁？要给录课、访谈、口播视频配字幕的个人创作者；批量处理视频的自媒体工作室；以及只想把会议录音快速转成文字稿的职场人——SRT 里的文本行稍作整理就是逐字稿。

实际用起来，一条典型的字幕流水线是这样的：先把视频音轨分离或直接丢入音频文件，选好识别引擎与语言，跑一遍转写；拿到带时间轴的 SRT 后，通读校对专有名词与断句，再对时间轴做微调；最后把字幕压制进视频或作为外挂文件发布。开源版覆盖前三步，Pro 版把压制与翻译也收进同一个软件，减少来回切换。对批量口播视频的创作者，命令行版可以串进自动化脚本，整季节目的字幕都能排队生成。

边界必须讲清：开源版的更新停在 2022 年，社区反馈不再活跃，把它当作「够用就锁定版本」的工具更合适；云识别服务需要自行注册并管理付费配额，隐私敏感的内容要先想清楚数据出镜的问题；对断句精度要求极高的专业字幕场景，仍需要人工校对环节。