声转字幕使用指南

下载与安装

声转字幕把达芬奇时间线上的音频转换为 SRT，支持框选片段和整条音轨、私网和云端服务，以及下载后可离线使用的本机模型。

本页图片与 GIF 均为 macOS 实机录制，使用专用测试项目和合成语音。参考文稿、后台回填和长度设置录于 0.3.0；框选、词库、离线模型等沿用 0.2.0 的操作演示。GIF 适当加速；MP4 可暂停或减速跟随。

当前版本面向 Apple Silicon Mac，要求 macOS 14 或更新版本、DaVinci Resolve Studio 20。开发验收版本为 Resolve Studio 20.3.2。应用自带 Python 和 FFmpeg；规则校对、本机转写不依赖 Codex。

解压安装包，把“声转字幕.app”放进“应用程序”或固定文件夹。
双击打开。预览版尚未经过 Apple Developer ID 公证；如 macOS 拦截，请在“系统设置 → 隐私与安全性”按系统提示允许打开。
打开 Resolve Studio，在偏好设置中把“外部脚本使用”设为“本地”，打开项目和时间线。
在“系统设置 → 隐私与安全性 → 辅助功能”添加并允许“声转字幕”。只有时间线框选需要这个权限；整轨读取、转写、原生 ST 字幕回填和 SRT 导出均可后台完成。
如需从达芬奇菜单打开，运行安装包中的“安装达芬奇菜单.command”，重启达芬奇后，从“工作区 → 脚本 → 声转字幕”打开面板。

0.3.0 新增参考文稿与中文语序断句，长度默认 16，并注明短视频建议 10。字幕直接写入原生 ST 轨道；继续保留私网连接修复。

这是独立的 macOS 浮动面板，通过 Resolve 脚本接口工作，当前不支持停靠进 Resolve 工作区。关闭窗口后可从 Dock 或菜单重新打开。

选择音频与生成

主页面提供两种选择方式。下面先看面板切换，再跟着完成一次框选转写。

在“选择方式”中切换“时间线框选”或“整条音轨”。
使用整轨模式时，在右侧选择 A1、A2 等音轨。
核对下面的音频位置和时长，再点击生成或导出。

时间线框选：在剪辑页框选需要转写的音频，再点“生成字幕”。没有选到音频时提示“请选择时间线上需要转写的音频。”。
整条音轨：在面板选择 A1、A2 等轨道。插件读取该轨道上全部启用的音频片段，保留剪辑位置和片段之间的空隙。静音轨道会提示重新选择。

框选操作：先点时间线空白处取消旧选区，再拖出选框包住目标音频。下图实际选中了 A1 的一段对白。

回到面板点击“生成字幕”，等待进度完成。插件在后台执行转写和校对，生成 SRT 并直接写入当前时间线的原生 ST 字幕轨道。整轨模式全程无需切换前台窗口；下方“参考文稿”录屏展示了新版的生成过程。

“生成字幕”完成后会新建字幕轨道，并核对每条字幕的文字与起止帧。“导出字幕”会先让你选外部文件位置，完成后保存 SRT，不修改时间线。默认外部导出的时间码相对于当前时间线起点；可以在设置中选择从第一段音频归零。

回填后的实际界面：字幕预览与音频位置对齐；新字幕在独立轨道上，可以继续修改文字、字体和样式。

只要外部 SRT 时，点击“导出字幕”，输入文件名并选择文件夹，再确认导出。下图从选择目录开始，录到了转写进度和导出完成提示。

任务中显示阶段和已完成进度。模型处理单个片段时没有可信的内部百分比，面板会显示正在处理；百分比按完成的音频量累计。取消后本机任务会结束；已经提交的服务器任务可能继续运行，任务编号会保留。

进度示例：当前片段仍在处理时，会显示阶段名称；完成后再累计百分比。

生成期间请勿切换项目或移动所选音频。回填通过 Resolve 脚本接口直接写入当前时间线的新原生 ST 字幕轨，逐条核对文字与时间码，并恢复播放头和轨道锁定状态；旧字幕轨道内容保留。回填不创建临时时间线、不操作复制粘贴，也不激活前台窗口。框选识别仍会短暂切换到达芬奇，切换片段启用状态再恢复；选择整条音轨可省去这一步。操作会增加撤销历史。意外中断时回到原项目，在设置中点“恢复未完成的操作”。

参考文稿与对照校对

转写页的“参考文稿”支持直接粘贴正文、上传 Word（DOCX / DOC）、TXT、Markdown、RTF，以及读取飞书文档或知识库链接。文件最大 20 MB，正文最多 50,000 字；UTF-8、UTF-16 和常见 GB18030 TXT 编码可读取。Word 保留可见正文，排除修订中删除的文字。

上传或读取后可以编辑正文，点击“使用文稿”保存。参考文稿按项目和时间线单独保存，可在主页面临时停用；切换时间线不会沿用上一条时间线的稿件。文件导入只读取正文，不上传文件到转写服务器。

飞书组件随应用安装，不需要 Codex 或 Node.js。第一次使用，在参考文稿窗口的飞书区域点击“首次配置”，按官方 CLI 向导完成飞书应用配置；已有 CLI 配置可以复用。点击“登录授权”，完成浏览器中的文档与知识库读取授权，再点“授权完成，检查”。随后粘贴 /docx/ 或 /wiki/ 文档链接，点击“读取文稿”。不会修改飞书原文。设置里可以指定自己的飞书 CLI 路径。

文稿中提取的英文专名和引号内词条会用于离线模型的识别提示；所有转写服务都执行本机规则比对。相邻上下文能对齐的短同音错字和英文大小写可以修正，时间码保持原样。数字、否定词、增删句、不同音词或有歧义的内容保留识别结果并提示核对。文稿里没有读出的开场、结尾和说明不会强制补入字幕。生成后点击“查看文稿与字幕校对记录”，查看修改前后文字、所在秒数及待核对差异。

开启 Codex 二次校对时，启用的参考文稿也会作为文字数据发送给 Codex。仅使用规则校对不需要 Codex，上传本地文稿也不需要飞书登录。

操作顺序：点“粘贴 / 编辑”或“上传文件”→核对正文→“使用文稿”→勾选启用→“生成字幕”→“查看文稿与字幕校对记录”。飞书连接也在同一窗口，首次需完成配置和登录。

录屏使用已有转写缓存，处理较快；真实长音频会显示阶段和累计进度。录屏中的参考文稿与音频有两处差异，规则保留识别内容并提示核对，没有用文稿强行补句。

转写服务

5090 优先，云端备用：先访问配置的私网服务；连接不可用时调用选定云服务。已收到服务器任务编号后不会自动重复提交云端。
仅 5090 私有服务：需要能访问该服务的局域网或私网连接。
仅云端 API：直接使用阿里云百炼或火山引擎豆包语音。
本机离线模型：使用已经下载到 Mac 的模型，不发送音频到服务器。

5090 地址需填写自己可访问的服务地址；发布包不携带团队私网地址。服务应提供 /health、/v1/audio/transcriptions 和 /v1/jobs/{id}，返回带时间戳的 units。

百炼使用北京地域 Fun-ASR-Realtime HTTP 转写接口，可填写业务空间专属地址、模型名和 API Key。火山引擎使用“大模型录音文件识别极速版”接口，支持新版 API Key 或旧版 APP ID + Access Token，默认资源 ID 为 volc.bigasr.auc_turbo。两家的凭据均留空，由用户填写，保存在 macOS 钥匙串中。云端模式及自动备用会向选定服务发送所选音频，并产生相应服务用量。

设置修改后点击“保存设置”。主页面的选择方式和音轨选择立即生效。

规则校对与词库

规则校对默认开启，参考提供的中文字幕规范实现：中英文及数字间距、行尾标点处理、保留问号和感叹号、清理独立的“嗯、呃、额”等犹豫音、保护已确认的专名和数字单位、按标点和真实停顿断句。设置中的“每条字幕最大文字长度”默认 16，旁边注明“常规建议 16，短视频建议 10”，可以自行修改。汉字、字母、数字和标点各计 1，不计空格。已保存的自定义设置会保留。语义完整和真实时间戳优先；无法可靠拆分的长词、句尾疑似不完整及显示过短会提示检查。

规则不会把“那个、然后”等可能有实际含义的词一律删除，也不会推断听不清的语音或改写整句。原音频内容仍需最终试听核对。

长度上限用于选择断句位置，不会截掉超出的文字。内置中文词典分词和词性规则，先保护词库专名、完整词语和数字单位，再结合标点、停顿和长度选择边界。例如 10 字模式下，“生成的字幕需要和时间线准确对齐”会拆为“生成的字幕需要”／“和时间线准确对齐”，保留“时间线”这个词。

“的、地、得”与前后词组相连，语气和时态助词跟随前句；“把、在、和、但是、所以”等与后文相连，避免虚词悬在句首或句尾。动词与短宾语、修饰语与中心词会优先放在一起。断句只使用转写服务已有的时间边界；遇到不能安全拆分的长专名或整句时间码，允许超过设置值并在校对记录中提示。规则能减少机械断句，不能保证所有口语的语法分析都正确。

打开“设置 → 转写服务”，向下找到“每条字幕最大文字长度”。常规使用 16，短视频可改为 10，点“保存设置”生效。

在“词库”中新增正确词条，可填写常见误识别写法，多个写法以 | 分隔。例如正确词条“乾崑智驾”，误识别写法“乾坤智驾”。保存后用于下次转写结果纠错与断句保护。Qwen 本机模型还会把已确认词条作为识别上下文；其他接口是否支持转写前热词取决于服务，本版统一在转写后应用词库。

词库操作按下面三步完成：

点“添加词条”，输入确认过的正确名称。
在右侧填写误识别写法，多个写法用 | 分隔。
点“保存词库”，看到保存成功提示后，下次转写生效。录屏以“乾崑智驾 / 乾坤智驾”为例。

自动收集会把新英文词、缩写加入候选区；候选词须人工采用并保存才会生效。你在达芬奇中修正上次生成的字幕后，点“读取时间线修订”，插件会提取可辨认的修改词对作为候选，供确认。词库可编辑、停用、删除、导入和导出 JSON；不会自动上传词库。

可选 Codex 校对

在“设置 → 规范与 Codex”中开启。需要另行安装并登录 Codex CLI；可自动检测或填写 CLI 路径。检测后可选择本机缓存中的模型和对应思考程度，也可手动填写模型 ID。可用模型与额度以你的账户为准。

操作顺序：勾选“开启 Codex 二次校对”→“检测并读取模型”→选择模型→选择思考程度→“保存设置”。录屏中的模型列表来自演示账户，本机实际列表可能不同。

开启后发送字幕文字、已确认词条和启用的参考文稿，由 Codex 做进一步文字校对。程序校验条目数量、编号、数字与修改幅度，保留时间码。返回异常、登录失败、超时或校验未通过时保留规则版，并在面板显示原因。离线使用请关闭此选项。

本机离线转写

打开“设置 → 离线模型”，选择保存目录并点“下载并安装”。首次需要联网下载 Python 依赖和官方模型；以后可以断网使用。

FunASR Paraformer：面向中文与常见英文词，使用 CPU，模型约 1 GB。
Qwen3-ASR 0.6B：配套下载 Qwen3-ForcedAligner-0.6B 生成时间戳，模型合计约 3 GB。CPU 为兼容模式；Apple GPU 作为实验选项，实际表现取决于芯片、内存和运行库。

首次使用时，在对应模型卡片点“下载并安装”，等状态变成“已安装”。已有模型时，该按钮显示“校验 / 补全下载”。下面录制的是模型已安装后的配置：先关闭 Codex 在线校对，再选择 Qwen、CPU 兼容模式，点“设为本机离线转写”，最后回到首页确认“本机离线”状态。

下载完成后点“设为本机离线转写”。本机模型按 30 秒分段处理，内存占用与性能取决于模型。下载可以取消并重新点击补全。模型和运行库放在应用之外，更新应用时会保留。

检查更新与恢复

右下角“检查更新”访问声转字幕使用指南配套的版本接口。打开面板时默认检查，空闲且词库编辑已保存时自动下载并安装新版本。设置中可以关闭自动检查或自动安装。

更新清单使用 Ed25519 签名，下载包校验 SHA-256、应用标识和版本号。新包验证通过后才替换应用，并保留上一版。转写进行中会推迟安装。预览版更新后如果 macOS 要求重新授权辅助功能，请按系统提示重新添加应用。

文件与当前限制

本地数据位于 ~/Library/Application Support/Resolve Subtitle/。每次任务保存原始结果、rules-only.srt、最终 subtitles.srt 和 proofreading.json。API 凭据单独保存在钥匙串。任务缓存和音频可能占用磁盘，可在任务结束后自行清理旧任务与缓存；请先保存需要的结果。

当前按原始素材的剪辑范围和声道映射提取音频，不包含时间线混音、音量自动化和音频效果。不支持复合片段、倒放、变速或同时重叠的对白；遇到这些情况，请先把对白渲染成 WAV 放回时间线再转写。23.976/29.97 等帧率有转换逻辑，仍建议首次在测试时间线检查对齐。

阿里云、火山引擎的适配按官方协议实现，凭据留空；使用前需填入自己的已开通服务凭据。本版不承诺自动转写能替代人工听审。