夜雨聆风语音识别、说话人分离、字幕导出。和 DaVinci Resolve 集成，适合已经在用 Resolve 剪辑的人。
内置三个主流语音模型：Whisper、Parakeet、Moonshine。选哪个看你的机器配置和精度要求。
- ▶--
- ▶直接下安装包：https://github.com/tmoroney/auto-subs/releases，找到
.exe或.msi文件下载运行 - ▶或者用 winget：
winget install tmoroney.auto-subs - ▶--
- ▶--
- ▶5分钟音频：约 3-5 分钟
- ▶30分钟音频：约 20-30 分钟
- ▶有 NVIDIA 显卡 + CUDA：快 3-5 倍
- ▶--
- ▶原始录音越干净，分离越准
- ▶每个人至少要有 10-15 秒连续说话的内容，AI 才能区分开
- ▶人声重叠太多（比如同时说话）分离效果会下降
- ▶颜色可以在设置里自定义
- ▶--
- ▶--
- ▶--
- ▶--
- ▶--
Windows：
macOS：
```bash
brew install --cask auto-subs
```
或者去 Releases 页面下载 .dmg 文件。
Linux（Ubuntu/Debian）：
```bash
wget https://github.com/tmoroney/auto-subs/releases/latest/download/AutoSubs-linux-x86_64.deb
sudo apt install ./AutoSubs-linux-x86_64.deb
```
装完第一次打开，界面会让你下载 AI 模型。这步跳不过，不下模型程序跑不起来。
选哪个模型：
| 模型 | 内存 | 速度 | 精度 |
| tiny | ~1GB | 最快 | 一般 |
| base | ~1GB | 快 | 够用 |
| medium | ~3GB | 中等 | 较好 |
| large-v3 | ~10GB | 慢 | 最好 |
建议先下 base，够用了。不够再换大的。
模型存放位置：Mac 是 ~/Library/Application Support/auto-subs/，Windows 是 %APPDATA%\auto-subs\。
独立使用（最常见）
1. 打开 AutoSubs，点 Import 导入视频（支持 MP4、MOV、MP3、WAV、MKV）
2. 选语言和模型
3. 勾选 "Speaker diarization" 开启说话人分离
4. 点 Transcribe，等 AI 处理
5. 在编辑界面检查字幕，可以手动微调时间轴
6. 导出 SRT 或 TXT
处理速度（4核CPU，无独显）：
DaVinci Resolve 集成
前提：需要 DaVinci Resolve Studio 版，App Store 版本不支持脚本。
配置方法：
1. 关闭 Resolve
2. 把 AutoSubs 脚本复制到 Resolve 脚本目录
Windows：
```
C:\Program Files\Blackmagic Design\DaVinci Resolve\Scripts\
```
Mac：
```
/Library/Application Support/Blackmagic Design/DaVinci Resolve/Support/Scripts/
```
3. 打开 Resolve → Preferences → General → 勾选 "External scripting"
4. 重启 Resolve
5. 菜单栏：Workspace → Scripts → AutoSubs
脚本模式下可以直接读取时间线音频，生成的字幕带样式进时间线，支持逐词高亮动画。
批量处理
如果有一堆视频要处理，AutoSubs 支持文件夹导入，批量排队全自动跑。
适合：系列课程、每周固定更新的节目、矩阵号批量处理。
这是 AutoSubs 和大多数字幕工具拉开差距的地方。
原理：基于 Pyannote，AI 自动识别音频里有几个不同的人，每人的字幕段落标不同颜色。
用的时候注意：
编辑界面可以点击某个说话人的标签，一次选中这个人的所有字幕，统一改字体、颜色。
| 格式 | 适用场景 |
| SRT | 所有视频软件都兼容，行业标准 |
| VTT | 网页 / YouTube |
| TXT | 纯文本，用于脚本整理 |
| 剪贴板 | 快速复制到别的地方 |
| 直接发 Resolve | 无缝衔接剪辑工作流 |
提示 "No ffmpeg found"
某些 Linux 系统会报这个错。手动装一下：
```bash
sudo apt install ffmpeg
```
模型下载到一半卡住
国内网络拉 GitHub 模型容易超时。可以手动下载后放到模型目录，路径上面写过。也可以开代理。
说话人分离不准
先检查原始音频质量。如果背景音乐太大声，AI 容易混淆。可以先用 Audacity 或剪映降噪，再导入 AutoSubs。
支持中文吗
支持。选语言时选 "Chinese (Simplified)" 或 "Chinese (Traditional)"，Whisper 和 Parakeet 对中文支持都还行。
Mac 上找不到脚本目录
确保用的是 DaVinci Resolve Studio 版，App Store 版本没有脚本支持权限。
这两个定位不太一样。
AutoSubs 有 GUI，可以拖入视频直接出字幕，还有说话人分离和 DaVinci 集成。Whisper 主要是命令行，用起来更灵活但配置也麻烦。
如果你要的是"做出能用的字幕文件"而不是"把音频转成文字"，AutoSubs 更省事。如果你需要更精细的定制，可以折腾 Whisper。
1. 有 NVIDIA 显卡一定要开 CUDA加速：设置 → GPU Acceleration → ON。速度提升明显。
2. medium 模型在大多数场景下已经够用，不一定非要 large-v3。
3. 录音环境差的话，先降噪再导入。
4. 跑的时候关掉不需要的程序，给 AI 模型留足内存。
AutoSubs 的核心优势就两个：本地跑、DaVinci 集成。
不想把音频传给云服务商、又已经在用 Resolve 的人，装这个最合适。
下载：https://github.com/tmoroney/auto-subs/releases
魔法之翼，专注AI工具与实用技巧分享的平台。每周更新实用的AI工具测评、变现思路和操作教程，帮你用AI提升效率、开启副业。
更多内容，搜索关注公众号「魔法之翼」获取。