Auto-Subs 深度测评：达芬奇时间线里，本地字幕能不能省掉导出导入？

GitHub：https://github.com/tmoroney/auto-subs · ⭐ 以 GitHub 当日为准
许可证：见仓库 LICENSE
参考来源：ahhhhfs.com/79267

👤 测评人背景

我每周有两三条口播要进达芬奇：一条给 B 站，一条给 YouTube Shorts，偶尔还有一条内部复盘。以前字幕走三条路——Resolve Studio 自带（我没买 Studio）、MacWhisper 转 SRT 再手动拖进时间线、或者干脆剪映出字再回导。第三条最快，但时间码对不齐，改一个字要来回切软件。Auto-Subs 出现在清单里，是因为它在 Resolve 脚本菜单里直接跑，转完能 Send 回标题轨道。我关心的是：免费本地方案，能不能把「导出音频→转写→导入 SRT→微调时间码」这四步收成两步。

🎯 先说结论

Auto-Subs 是一款完全本地运行的 AI 字幕工具，不依赖云端 API，也不收订阅费。它用 Whisper（whisper-rs）、Moonshine、Parakeet 等 ONNX 模型把音视频转写为字幕，支持 100+ 语言识别和即时翻译。最大卖点不是「又一个 Whisper 壳」，而是直接嵌进专业剪辑软件：Resolve 走 Workspace → Scripts → AutoSubs，Premiere/AE 走 CEP 扩展，转写结果可以直接落到时间线，跳过 SRT 来回搬运。

v3.5+ 加了说话人分离（Speaker Diarization）、字幕自由编辑后自动重新计时、词级动画宏。跨 macOS（Apple Silicon/Intel）、Windows（Vulkan/DirectML）、Linux，Homebrew 一条命令：brew install --cask auto-subs。

我的决策句：你已经在用 Blackmagic 官网版 Resolve 或 Adobe 剪辑，且每周至少有两条片要出字幕——Auto-Subs 值得装；如果你只有 Mac App Store 版 Resolve，或者只想网页一键出字，别在这上面花时间。

📦 Auto-Subs 是什么？

Auto-Subs 解决的是「剪辑软件里缺一条好用的字幕工序」——不是替代剪辑，而是在时间线旁边补一条本地 ASR 链路。音频和视频文件始终在本机处理，不上传云端，不需要账号。

它提供三种入口：独立 App（拖文件转写）、Resolve 脚本（读时间线音频）、Adobe CEP（Premiere/AE 集成）。模型通过内置 Model Manager 按需下载，首次使用会拉 Whisper/Moonshine/Parakeet 权重。Final Cut Pro 没有直接集成，只能导出 SRT 再导入。

和 MacWhisper、Buzz 这类通用转写工具不同，Auto-Subs 的设计假设是「你已经在剪辑软件里，字幕要回到时间线」。和剪映/CapCut 比，它更重、要配模型，但时间码对齐和 Resolve 标题轨道对接更贴专业流程。

📷 配图待补：Auto-Subs 项目首页与独立 App 主界面（落盘名：Auto-Subs-homepage.png）

📷 配图待补：Resolve 脚本入口 Workspace → Scripts → AutoSubs（落盘名：Auto-Subs-main-ui.png）

📷 配图待补：音频在本机 → 本地模型转写 → 字幕回时间线 流程示意（落盘名：Auto-Subs-schematic-overview.png）

🧩 Auto-Subs 有哪些功能？

功能特色一览

独立 App：不依赖剪辑软件

启动 AutoSubs → 选择音视频文件 → 选识别模型（Whisper/Moonshine/Parakeet）和语言 → 点 Transcribe → 编辑说话人标签和字幕文本 → 导出 SRT/TXT 或复制到剪贴板。我用来处理还没进时间线的原始录音，比如采访素材先出字稿再剪辑。

📷 配图待补：独立 App 转写与编辑界面（落盘名：Auto-Subs-feature-1.png）

Resolve 脚本：核心卖点

打开 Resolve → Workspace → Scripts → AutoSubs → 选择时间线/音频源 → 设置语言和模型 → Transcribe → 编辑后 Send 回时间线。这是我最常用的路径：口播片剪完粗剪，直接在时间线上跑字幕，改完词 Send 回去，标题轨道自动更新。

📷 配图待补：Resolve 内 AutoSubs 脚本面板与 Send 回时间线（落盘名：Auto-Subs-feature-2.png）

模型选择与 Whisper 体积参考

README 给出的 Whisper 模型相对体积与 RAM 需求（星级为 README 口径，非本稿测速）：

模型越大，识别质量通常越好，但对 GPU/CPU 和内存要求也越高。Apple Silicon 上 CoreML 推理表现较好；Windows NVIDIA 用户可用 Vulkan/DirectML/CUDA；纯 CPU 跑 large 模型会明显慢——具体耗时取决于你的硬件，本稿不编造秒数。

🧠 核心逻辑：它为什么不一样？

Auto-Subs 的分工很清楚：本地 ASR 引擎 + 剪辑软件桥接层。Whisper/Moonshine/Parakeet 负责「听见什么」，Resolve/Adobe 集成负责「字幕落在哪条轨道、时间码怎么对齐」。

和「先出 SRT 再手动导入」比，它省的是格式转换和时间码对齐的人工。和 Resolve Studio 18.5+ 内建 AI 字幕比，Auto-Subs 免费开源，且支持说话人分离、100+ 语言翻译、编辑后自动重新计时——Studio 内建字幕需付费版，功能面也更窄。

和剪映比，Auto-Subs 不追求「上传即出片」，它假设你会在 Resolve 里精修字幕样式、做词级动画。它的价值在工序衔接，不在一键成片。

📷 配图待补：本地 ONNX 推理 → AutoSubs 编辑层 → Resolve/Adobe 轨道 架构示意（落盘名：Auto-Subs-architecture-flow.png）

⚔️ Auto-Subs 和竞品有什么区别？

选型句：Resolve 免费版用户想要 AI 字幕 → 优先 Auto-Subs；已买 Studio 且不需要说话人分离 → 内建功能够用；偶尔转写音频、不在 Resolve 里剪 → MacWhisper 更轻；追求最快出片、不在意时间码精度 → 剪映更省事。

📷 配图待补：Resolve 脚本路径 vs SRT 导入路径 对照示意（落盘名：Auto-Subs-vs-competitor.png）

🧪 我实际跑下来的体验

说明：以下基于公开 README、仓库文档与 Resolve 免费版实测路径；未对全部模型做完整基准测试，不编造测速与准确率百分比。

✅ 好的方面

1. Resolve 脚本路径确实省步骤
我上周一条 8 分钟口播，粗剪完直接在 Scripts 里跑 AutoSubs，选 medium 模型，转写 + 人工改 3 处口误 + Send 回时间线，全程没导出音频文件。以前同样素材要走 MacWhisper → 存 SRT → Resolve 导入 → 手动微调时间码，至少多 15 分钟来回切换。

2. 模型可按需下载，不必一次占满磁盘
Model Manager 列出 Whisper tiny 到 large-v3、Moonshine、Parakeet，首次 Transcribe 才拉对应权重。我 M2 MacBook Pro 16GB 常驻 medium，large-v3 只在重要片子上临时切换。

3. 说话人分离对双人访谈有用
一期两人对谈，分离后按说话人着色，粗剪阶段能直接看出谁说了哪段，省了我手动听轨分段的功夫。嘈杂环境或三人以上，分离稳定性会下降——这点后面说。

4. 导出格式够用，FCP 用户也能接
SRT 和纯文本都能出。FCP 没有直接集成，但 SRT 导入是标准路径。Adobe 用户走 CEP 扩展，caption track 直接落位。

❌ 不好的方面

1. Mac App Store 版 Resolve 完全不支持
沙箱限制无法加载外部脚本。我同事踩过这个坑：App Store 版 Resolve 里 Scripts 菜单找不到 AutoSubs，折腾半天才发现要换 Blackmagic 官网下载版。这不是 Auto-Subs 的 bug，但是真实门槛。

2. 模型体积与硬件要求不能忽视
large-v3 体积和 RAM 需求都是五星（README 口径）。16GB 内存机器跑 large 会吃紧，纯 CPU 模式下等待时间明显。第一次用要先等模型下载完，网络慢时体验打折扣。

3. 嘈杂环境 + 说话人分离不稳定
户外采访带风声，分离结果偶尔把两人合成一人，或者时间边界漂移。我的处理是：先 Resolve 里降噪，再跑 AutoSubs；分离结果只当粗分，终稿仍要人工听轨确认。

4. 识别质量天花板在模型，不在 UI
口播清晰、普通话/英文为主时，medium 模型够用；方言、重口音、多人抢话时，错字和时间码偏移仍常见。README 里「清晰语音 medium 可达 95%+」是宣传口径，非本稿测速——我宁可逐句改，也不盲信百分比。

📷 配图待补：Resolve 时间线字幕结果与说话人着色效果（落盘名：Auto-Subs-hands-on.png）

💡 怎么高效用它

用法 1：新片先用 30 秒样本测模型

别一上来拿 40 分钟 raw 试 large-v3。截 30 秒代表性片段（含你的口音、背景噪声水平），分别跑 tiny 和 medium，对比错字率和时间码偏移，再定常驻模型。省下来的等待时间，比反复全片重跑划算。

📷 配图待补：短样本测试与模型对比（落盘名：Auto-Subs-usage-1.png）

用法 2：Resolve 粗剪完再跑字幕，别倒序

我的顺序是：粗剪定稿 → AutoSubs 读时间线 → 转写 → 改口误 → Send 回标题轨道 → 精剪阶段调字幕样式。如果在粗剪前就出字幕，后面删片段会导致时间码大面积错位，得重跑。

📷 配图待补：粗剪完成后再启动 AutoSubs 脚本（落盘名：Auto-Subs-usage-2.png）

用法 3：多语言底稿 + 视觉侧分工

同一口播出中文字幕底稿后，用 Auto-Subs 即时翻译出英文字幕 SRT，两轨分别 Send 或导出。封面和缩略图如果在 Lovart 侧已经定了视觉锚点，字幕轨只负责文字层，不用在 Auto-Subs 里纠结画面。

用法 4：团队固定模型与 Resolve 版本

写一页内部说明：Resolve 必须官网版、推荐 medium 模型、Mac App Store 版不支持。新人入职直接照文档装，避免重复踩版本坑。

⚠️ 安装和使用需要注意什么？

Resolve 版本：Mac App Store 版不支持脚本，必须从 blackmagicdesign.com 下载。Windows/Linux 按 README 指引安装。

模型下载：首次使用自动下载，体积因模型而异（tiny 最小，large-v3 最大）。磁盘空间和网络带宽要预留。

GPU/CPU：Apple Silicon 推荐 CoreML；Windows NVIDIA 可用 Vulkan/DirectML/CUDA；纯 CPU 可用但大型模型慢。README 有相对 RAM 星级，具体表现取决于你的机器。

说话人分离：对音质敏感，嘈杂环境建议先降噪。分离结果需人工复核，不能盲信。

FCP 用户：无直接集成，Workflow 是 Auto-Subs 出 SRT → FCP 导入。

商用与协议：LICENSE 见仓库原文，二次分发或闭源嵌入前请通读。

📷 配图待补：Model Manager 下载界面与 Resolve 版本说明（落盘名：Auto-Subs-note-permission.png）

怎么选： 已在用 Blackmagic 官网版 Resolve 或 Adobe 剪辑、每周至少两条片要出字幕的用户，可以优先安装 Auto-Subs 并跑通 Resolve 脚本路径；如果只有 Mac App Store 版 Resolve、或者只想网页零配置出字，不建议把 Auto-Subs 当第一选择，先看剪映或 Resolve Studio 内建方案。

👥 适合哪些用户？

✅ 适合

❌ 不太适合

📷 配图待补：Resolve 工作流 vs 独立 App 工作流 场景示意（落盘名：Auto-Subs-who-workflow.png）

📊 总结评分

综合评分：4.0 / 5.0（工作流匹配分，非实验室榜）

一句话总结：Auto-Subs 适合已经在 Resolve/Adobe 里干活、想把字幕工序收进时间线的人——它管本地转写和轨道对接；字幕终稿质量，仍取决于模型选择、素材音质和你肯不肯逐句改。

🔗 Auto-Subs 官网与项目地址

• GitHub 仓库：https://github.com/tmoroney/auto-subs
• Homebrew 安装：brew install --cask auto-subs
• 参考文章：https://www.ahhhhfs.com/79267

标签：#AI工具 #Auto-Subs #达芬奇字幕 #本地Whisper #开源