DeepSeek 导航网：开箱即用的 AI 智能字幕助手 - 卡卡字幕助手（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，利用可用通过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。支持 DeepSeek、Ollama、SiliconCloud、OpenAI 兼容接口等模型。

软件特色

• 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

软件利用大语言模型(LLM)在理解上下文方面的优势，对语音识别生成的字幕进一步处理。有效修正错别字、统一专业术语，让字幕内容更加准确连贯，为用户带来出色的观看体验！

• 支持国内外主流视频平台（B 站、YTB、小红书、TikTok、X、西瓜视频、抖音等）
• 自动提取视频原有字幕处理

• 提供多种接口在线识别，效果媲美剪映（免费、高速）
• 支持本地 Whisper 模型（保护隐私、可离线）

• 自动优化专业术语、代码片段和数学公式格式
• 上下文进行断句优化，提升阅读体验
• 支持文稿提示，使用原有文稿或者相关提示优化字幕断句

• 结合上下文的智能翻译，确保译文兼顾全文
• 通过 Prompt 指导大模型反思翻译，提升翻译质量
• 使用序列模糊匹配算法、保证时间轴完全一致

• 丰富的字幕样式模板（科普风、新闻风、番剧风等等）
• 多种格式字幕视频（SRT、ASS、VTT、TXT）

针对小白用户，对一些软件内的选项说明：

• VAD 过滤：开启后， VAD（语音活动检测）将过滤无人声的语音片段，从而减少幻觉现象。建议保持默认开启状态。如果不懂，其他 VAD 选项建议直接保持默认即可。

• 音频分离：开启后，使用 MDX-Net 进行降噪处理，能够有效分离人声和背景音乐，从而提升音频质量。建议只在嘈杂的视频中开启。

• 智能断句：开启后，全流程处理时生成字级时间戳，然后通过 LLM 大模型进行断句，从而在视频有更完美的观看体验。有按照句子断句和按照语义断句两种模式。可根据自己的需求配置。

• 字幕校正：开启后，会通过 LLM 大模型对字幕内容进行校正(如：英文单词大小写、标点符号、错别字、数学公式和代码的格式等)，提升字幕的质量。

• 反思翻译：开启后，会通过 LLM 大模型进行反思翻译，提升翻译的质量。相应的会增加请求的时间和消耗的 Token 。(选项在 设置页-LLM 大模型翻译-反思翻译 中开启。)

• 文稿提示：填写后，这部分也将作为提示词发送给大模型，辅助字幕优化和翻译。

• 视频合成：开启后，会根据合成字幕视频；关闭将跳过视频合成的流程。

• 软字幕：开启后，字幕不会烧录到视频中，处理速度极快。但是软字幕需要一些播放器（如 PotPlayer）支持才可以进行显示播放。而且软字幕的样式不是软件内调整的字幕样式，而是播放器默认的白色样式。

下载地址

• Github：访问
• 网盘下载：访问