SubForge(AI一站式字幕处理工具)

SubForge是什么

SubForge是基于Python+TypeScript开发的开源全流程AI字幕处理软件，兼容Windows、macOS双系统。软件整合音频降噪、本地ASR语音识别、词级时间对齐、LLM智能分句纠错、多语种翻译、字幕导出、AI配音、视频压制完整流水线，无需切换多款工具，支持本地离线运算，素材不上传云端，兼顾隐私与字幕精度，面向创作者、自媒体、剪辑从业者、技术开发者提供免费无限制字幕处理能力。

1. 底层技术架构

SubForge采用模块化流水线设计，完整处理链路：
原始音视频 → DeepFilterNet3音频降噪 → TEN-VAD语音检测 → MLX WhisperX词级转写 → LLM语义断句纠错 → 上下文反思翻译 → 多格式字幕导出/AI配音/视频合成

• 离线识别核心：MLX WhisperX，Apple Silicon专属硬件加速，Windows支持GPU加速whisper.cpp；

• 翻译引擎：兼容云端API（OpenAI/DeepSeek/通义千问）+本地Ollama大模型，零成本翻译；

• 运行依赖：内置FFmpeg、降噪、VAD运行库，用户仅需按需下载ASR模型，安装包轻量化；

• 多终端架构：后端FastAPI+前端Next.js，同步提供桌面客户端、CLI命令行、Python开发库三种使用形态。

2. 开源与授权规则

1. 开源协议GPL-3.0：个人、企业均可免费商用，允许二次修改、二次分发；

2. 无水印、无视频时长限制、无导出条数限制；

3. 模型文件本地存储，所有音视频素材仅在本机处理，无云端上传行为。

3. 运行环境要求

软件功能

（一）音频预处理模块

1. 智能降噪：DeepFilterNet3算法消除环境杂音、人声混响，提升识别准确率；

2. 语音分段检测：TEN-VAD/Silero双VAD引擎，自动区分人声与空白片段；

3. 音轨提取：一键分离视频人声轨道，支持MKV、MP4、MOV、AVI全主流视频格式。

（二）AI语音转写（ASR）

1. 词级精准时间轴：WhisperX强制对齐，单字毫秒级时间戳，解决字幕错位问题；

2. 多语种识别：中英日韩法德等数十种语言，支持方言混合识别；

3. 离线优先：全程本地运行，涉密访谈、内部课程素材可安全处理；

4. 批量任务：一次性导入数十个视频，后台队列自动处理。

（三）字幕智能优化

1. LLM自动断句：规避机械切割短句，贴合口语阅读节奏；

2. 文本纠错：修正同音错字、补全标点、清理冗余语气词；

3. 数字/单位标准化：口语数字自动转为规范书面表达；

4. 字幕时长校验：自动标记过长/过短字幕，一键批量调整。

（四）多模式AI翻译

1. 反思翻译模式：初译→语义校验→润色重写，解决直译生硬问题；

2. 双引擎选择：本地Ollama免费翻译 / 云端商用大模型高精度翻译；

3. 双语字幕生成：原文+译文上下排版，支持自定义双语位置；

4. 术语记忆：保存专属行业词汇，批量视频翻译术语统一。

（五）字幕导出与衍生能力

1. 格式全覆盖：SRT、VTT、ASS、TXT、JSON主流字幕格式；

2. AI字幕配音：内置TTS语音合成，生成对应语种配音音频；

3. 视频压制：将字幕硬嵌入视频，输出成品成片；

4. Web在线编辑：网页端拖拽预览、实时修改字幕文本与时间轴。

（六）工程辅助功能

1. WebSocket实时进度推送，可视化任务进度；

2. 任务日志留存，支持失败片段单独重跑；

3. 自定义字幕样式：字体、颜色、描边、大小、位置；

4. CLI批量脚本，支持自动化剪辑工作流集成。

软件特色

1. 全链路一体化，无需多工具切换
   市面多数工具仅支持转写或仅支持翻译，SubForge一套软件完成降噪、转写、打轴、翻译、导出、配音全流程。

2. 完整本地离线方案，隐私安全拉满
   所有素材、模型、任务文件存储本机，不上传第三方服务器，适合企业内部培训、私密访谈、涉密内容。

3. 开源永久免费，无功能阉割
   无会员、无时长限制、无水印，企业商用无授权费用，支持二次开发嵌入自有系统。

4. Apple Silicon原生加速，处理速度领先
   搭载MLX框架，M系列芯片处理30分钟视频仅需3~5分钟，远快于通用Whisper工具。

5. 专业级词级时间对齐，字幕精准度更高
   普通工具仅句级时间戳，SubForge单字级时间轴，适配短视频卡点、影视精细字幕制作。

6. 多终端适配，满足不同用户需求
   普通用户用桌面客户端；剪辑批量处理用CLI；开发者可调用Python库二次开发。

使用方法

方式1：桌面客户端（普通创作者首选）

1. 前往GitHub Releases下载对应系统安装包（Windows安装包/macOS DMG）；

2. 安装完成启动软件，程序自动下载内置FFmpeg、降噪依赖；

3. 首页拖拽本地视频/音频文件，选择识别语种、是否开启降噪；

4. 选择ASR模型大小（小模型速度快，大模型准确率高），开启离线本地模式；

5. 按需勾选翻译功能，配置本地Ollama或云端API密钥；

6. 点击开始处理，实时查看转写、翻译进度；

7. 任务完成在线编辑字幕，导出SRT/ASS双语字幕或直接合成带字幕视频。

方式2：Web网页端（开发调试、在线预览）

1. 克隆GitHub源码至本地；

2. 使用uv安装后端Python依赖，Node.js编译前端静态资源；

3. 分别启动FastAPI后端、Next.js前端；

4. 浏览器访问http://localhost:3000，拖拽素材在线处理，支持多任务并行。

方式3：CLI命令行（批量自动化、技术用户）

1. 部署源码环境，配置本地Whisper模型；

2. 执行单行批量处理命令，可批量遍历文件夹内所有视频；

3. 支持脚本嵌入PR、剪辑自动化工作流，无GUI后台静默运行。

适合人群

1. 自媒体短视频创作者：抖音、B站、油管批量制作中英双语字幕，提升视频流量；

2. 影视/剪辑工作室：长纪录片、影视剧精细化打轴，批量处理多集素材；

3. 知识博主/网课讲师：课程录屏转文字，生成双语讲义字幕，无云端泄露风险；

4. 企业行政/培训人员：内部会议、培训视频本地转写，保护企业隐私；

5. 跨境内容从业者：多语种短视频批量翻译，统一专业术语；

6. 程序员/开发者：开源Python库可集成至自有剪辑、AI自动化项目；

7. 播客/音频创作者：播客音频转文稿，生成配套字幕发布平台。

收费价格

SubForge为完全开源免费软件，无分级收费、无会员订阅、无单次计费：

1. 软件本体：永久免费下载、免费商用，无功能锁；

2. 本地离线模式：零成本，仅消耗本地电脑硬件资源；

3. 翻译成本区分：

• 本地Ollama大模型：完全免费，无token消耗；

• 云端API（DeepSeek/OpenAI等）：仅需自行承担对应平台API调用费用，软件本身不抽成；

4. 无隐藏收费：无水印、无视频时长上限、无导出条数限制。

竞品对比

选取市面主流AI字幕工具：剪映PC版、Whisper Desktop、Memo AI、SubForge进行横向对比

对比结论

1. 追求隐私、批量长视频、商用低成本：优先选择SubForge；

2. 仅短视频简单剪辑、无隐私需求：可选剪映；

3. 仅需纯本地转写，不需要翻译、降噪：可选Whisper Desktop；

4. 不想部署开源环境、预算充足：可选付费Memo AI。

常见问题解答（FAQ）

Q1：SubForge是否需要联网才能使用？

A：不需要。下载ASR模型后，转写、降噪、字幕编辑全部本地离线运行；仅使用云端大模型翻译时需联网，切换Ollama本地翻译可全程断网使用。

Q2：低配电脑能流畅运行SubForge吗？

A：8G内存基础电脑可运行小型Whisper模型，处理10分钟内短视频；1小时以上长视频建议16G内存+独立显卡/M系列苹果芯片，大幅提升处理速度。

Q3：生成的ASS字幕能否导入PR、AE、剪映专业版？

A：支持，软件导出SRT、ASS、VTT全行业通用字幕格式，主流剪辑软件均可直接导入，时间轴完整保留。

Q4：可以用于企业商业视频制作吗？

A：可以，GPL-3.0开源协议允许个人、企业免费商用，无版权使用费，仅二次分发修改后的源码需同步开源。

Q5：翻译质量和DeepL、GPT相比差距大吗？

A：软件内置反思翻译逻辑，搭配本地DeepSeek、Llama系列模型，日常短视频、课程翻译质量接近付费云端API；专业文学、法律内容建议搭配商用大模型API。

Q6：处理视频时素材会上传到开发者服务器吗？

A：不会，所有音视频、字幕文件仅存储在本地电脑，程序无任何自动上传逻辑，涉密素材可放心处理。

Q7：支持批量一次性处理多个视频文件吗？

A：支持，桌面端支持多文件队列，CLI命令行可遍历文件夹批量自动处理，适合工作室批量生产。

总结

SubForge(AI一站式字幕处理工具)是兼顾免费开源、本地离线、全链路自动化的专业字幕解决方案，区别于单一功能闭源字幕软件，整合降噪、精准语音转写、AI智能翻译、双语字幕、视频配音压制完整工作流，同时提供桌面可视化、网页在线、CLI批量、开发SDK四种使用形态。

对于自媒体、剪辑工作室、企业培训、跨境内容创作者，它解决了传统字幕工具云端隐私泄露、功能割裂、商用收费、字幕时间轴错位四大痛点；依托开源免费授权与Apple芯片原生加速，成为低成本、高隐私、高精度的批量字幕制作工具，同时对技术开发者友好，支持二次开发集成至自动化视频工作流。