转写
Subwright 的核心能力是将音频或视频转换为带时间戳的文字。所有处理均在本地完成，提供 Whisper、Qwen3-ASR 与 SenseVoice 三种引擎。
支持的格式
- 音频：MP3, WAV, M4A, FLAC, OGG, AAC, WMA
- 视频：MP4, MOV, AVI, MKV, WMV, FLV, WEBM
开始转写
- 把音视频文件拖进媒体库，或点「全部素材 → 打开…」
- 进入播放页，右侧检查器默认在「稿子」阶段
- （可选）调整转写选项：语言、引擎、模型、温度等
- 点击「开始转录」
- 结果边出边与画面同步
引擎选择
| 引擎 | 适合场景 | 说明 |
|---|---|---|
| Whisper | 多语言、通用素材 | tiny → large-v3-turbo；支持 VAD 过滤与稳定时间戳 |
| Qwen3-ASR | 中文、日语、韩语 | 0.6B / 1.7B；可配 Forced Aligner 获得精确时间 |
| SenseVoice | 中日韩、快速转写 | macOS / Linux 提供；Windows 暂不可用 |
Qwen3 能力门
- 装了 Forced Aligner：使用精确时间（native），字幕烧录、定时导出与视频粗剪都可用。
- 未装 Forced Aligner：使用估算时间（pseudo），仍可转写、烧录与导出 SRT/VTT/FCPXML，但会显示提示。
- 视频粗剪要求精确时间；未装对齐器时入口会说明原因。
转写选项
| 选项 | 说明 | 建议 |
|---|---|---|
| 引擎 | Whisper / Qwen3-ASR / SenseVoice | 中文可试 Qwen3-ASR，多语言优先 Whisper |
| 语言 | 自动检测或指定源语言 | 指定语言可提高准确率 |
| 模型 | tiny/base/small/medium/large、Qwen3-ASR 0.6B/1.7B、SenseVoice | base 适合快速，large 适合高精度 |
| 温度 | 采样随机性 | 0 最确定，1 最随机，默认 0 |
| 稳定时间戳 | 基于 VAD 的精准时间戳 | 开启以获得更准确的字幕时间 |
| 说话人分离 | 识别不同发言人 | 会议场景建议开启 |
说话人分离
开启后，转写结果会标注 Speaker 1、Speaker 2 等。支持最多 4 人分离。
- 需要额外的 ONNX 模型（首次使用自动下载）
- 分离准确率受音频质量和说话人数量影响
- 不同发言人以不同颜色标注，点击可跳转
词流与句长重排
- 转写时会把词级时间轴写入本地词流
- 调整「句长上限」后可对当前稿立即重排，不必重新解码
- Whisper 与 Qwen3 都支持；无词流的旧稿会如实提示
- 字幕边界可对齐镜头切换（可调吸附范围）
中断与重试
- 长转写中断或崩溃后，可从 checkpoint 续跑
- 转写过程中可随时点击「中止」，已转写内容会保留
- 可调整选项后重新转写同一文件
快捷键
Cmd/Ctrl + T：开始转写Cmd/Ctrl + .：中止转写
最后更新于