达芬奇开源 AI 字幕插件,一键生成 AI 驱动的本地字幕工具

剪视频最烦的就是上字幕，虽然达芬奇 (DaVinci Resolve) Studio 版自带了自动字幕，但那是付费功能，而且对中文支持有时也很迷。

GitHub 上这个 AutoSubs 是个本地跑的 AI 字幕生成工具，最近刚更新了 V3 版本，后端用 Rust 重写了。它既能独立运行，也能通过 Lua 脚本直接集成到达芬奇里，一键把字幕甩到时间轴上。

简单总结，AutoSubs 是一款面向视频创作者的开源桌面应用程序，能够在本地设备上即时生成高质量的 AI 字幕。它既可以作为独立工具使用，也可以与 DaVinci Resolve（达芬奇剪辑软件）深度集成，为视频制作流程提供高效的字幕解决方案。

1. 核心功能

• 多语言转录：基于 OpenAI Whisper 模型，支持多语言转录。

• 说话人识别 (Diarization)：利用 Pyannote 技术，自动区分不同说话人并分配颜色标签（做访谈类视频刚需）。

• 翻译功能：目前支持转录后翻译成英语（更多语言还在画饼中）。

• 隐私与本地化：所有模型都在本地跑，不走云端 API，不用担心素材泄露。

2. V3 版本技术细节

这次 V3 更新比较大，主要是解决了以前 Electron 版本资源占用高的问题：

• 性能提升：后端换成了 Rust，闲置内存占用降低了约 3 倍，说话人识别速度也变快了。

• 时间轴精准度：针对 可变帧率 (VFR) 和 丢帧 (Drop-frame) 的素材做了专门优化，字幕对位更准。

• 编辑器增强：

• 支持 多行字幕 编辑。

• 内置可调整大小的桌面预览器。

• 高级样式：支持每个说话人独立轨道，可自定义填充、描边和边框样式。

• 模型管理：支持多模型选择，带状态徽章，支持一键删除模型释放空间。

3. 两种工作模式

• A. 独立模式 (Standalone Mode)：

• 不需要装达芬奇也能用。

• 直接拖入音视频 -> 选模型/语言 -> 转录 -> 导出文件或复制文本。

• B. DaVinci Resolve 模式 (集成)：

• 通过达芬奇的 Workspace -> Scripts -> AutoSubs 启动。

• 工作流：在脚本里选时间轴 -> 转录 -> 编辑 -> 点击按钮直接把带样式的字幕回写到达芬奇时间轴上。

4. 技术栈

• 技术构成：这是一个 Tauri 应用，代码分布大概是：TypeScript (54.1%), Rust (24.7%), Lua (16.2%) (Lua 主要用于跟达芬奇交互)。

• 平台支持：

• Windows & macOS：提供一键安装包（macOS 支持 Apple Silicon 和 Intel）。

• Linux：提供 .deb 包。

• 目前下载量已经突破 10 万次。

5. 注意事项

• 达芬奇版本限制 ：不支持 Mac App Store 版本的 DaVinci Resolve。因为沙盒机制限制，App Store 版无法加载外部 Lua 脚本。如果你是 App Store 下的，必须去官网重新下个免费版或 Studio 版才能用。

• 硬件门槛：虽然用 Rust 优化了，但跑 Whisper 和 Pyannote 依然是吃算力的。如果你的显卡显存太小 (VRAM < 4GB)，跑大模型可能会报错或者巨慢。

• 模型下载：初次运行需要下载 AI 模型（Whisper 模型动辄几个 G），国内网络环境可能需要挂梯子或者自己折腾镜像，否则进度条会卡死。

总结

对于不想买达芬奇 Studio 版，又想拥有高质量自动字幕（尤其是需要区分说话人）的用户，AutoSubs 是目前开源界体验比较好的选择。V3 用 Rust 重构后，稳定性比以前那个 Python/Electron 混搭的版本强多了。

项目地址：

https://github.com/tmoroney/auto-subs