软件介绍
MioSub 是一款一站式全自动字幕生成工具，把下载、转录、翻译、压制四步串成一条流水线，从视频链接到成品字幕文件全程自动跑完，不需要人工逐句校对。
它由开发者 corvo007 以 AGPL-3.0 协议开源，主仓库在 GitHub 已收获 823 颗星，代码以 TypeScript 为主，最新一次提交在 2026 年 7 月。官网当前版本为 v3.0，GitHub 上的正式发布已到 v3.1.9，更新节奏不算慢。
和常见的「上传音频换一段字幕」的在线服务不同，MioSub 是装在本地电脑上的桌面软件，字幕文件在你自己机器上生成，视频不用先传给别人。它自己形容的工作方式是「先读完全片再落笔」——翻译前先把整段内容看一遍，再动手处理字幕。
能干什么
MioSub 覆盖的是字幕制作里最费时间的那几件事，而且做的是「中文用户看得懂台词」这件事，不只是把语音转成字。
- 上下文翻译：接入 Gemini 的长上下文能力，翻译前先通读全片，减少只看到单句就译错的情况。
- 智能术语表：自动从片子里提取人名、地名、专业名词，保证全片译名前后一致，不会出现同一个角色一会叫这个名一会叫那个名。
- 波形级对齐：内置强制对齐算法，把字幕时间轴对齐到毫秒级，台词卡在说话点上。
- 说话人标注：多人对话的素材可以自动标出说话人，方便后续整理。
- 所见即所得编辑：边看视频边改字幕，改完立刻能看到效果，不用在编辑器里来回切。
- 导入导出：支持 SRT、ASS 等常见字幕格式的导入导出，也能直接输出带硬字幕的视频。
官网给出的一组实际案例：日语声优电台 30 分钟（含说话人标注）、日语铁道 vlog 29 分钟（大量专业术语）、电影解说类视频（语速极快、专有名词密集）。这三类恰好是机翻最容易翻车的场景，作者拿它们当展示样本，说明主打的是「术语多、语速快」的长内容。
怎么用，三步
- 导入视频：粘贴在线视频链接，或者直接拖入本地文件，软件自动获取音轨。
- 转录与翻译：语音识别、术语提取、时间轴对齐、翻译按顺序自动执行，中文、英文、日文界面都可选。
- 校对与导出：在编辑器里对照视频微调字幕，确认后导出 SRT/ASS，或一键压制成带硬字幕的成片。
官方文档给的预期是 5 分钟上手。第一次使用需要先在设置里填好模型服务商的 API 密钥，翻译质量取决于你接的是哪家模型。
亮点与几个真实的坑
先说好的地方：字幕文件全程在本地生成，视频不必上传到第三方服务器；术语表和上下文翻译这两项，是普通在线字幕工具基本不提供的。
再说要提前知道的限制，这些在官方发布说明和网页里都能查到：
- 需要自备 API 密钥：翻译、润色依赖外部大模型，密钥要自己申请，用不用、花多少由你决定，软件本身无法免费替代。
- 中文用户名曾踩坑：v3.1.9 修复了 Windows 用户名含中文时，人声分离、whisper.cpp、CTC 对齐等内置工具报「Failed to open file for writing」的问题——原因是这些工具在临时目录下建文件，中文路径会被写坏。现在会把临时目录指向 ASCII 安全的位置；用旧版本遇到同样报错，升级即可。
- 自定义 API 端点格式要干净：同一版还修了端点输入的问题，多余空格和结尾的 /v1 会被自动处理，否则会拼出畸形的请求地址，这也是第三方中转翻译失败最常见的原因。
- 长视频要有耐心：30 分钟视频的处理结果按官网口径在 8 分钟量级，机器配置和所选模型都会影响实际耗时。
另外，v3.1.9 还修了 API 密钥粘贴时的清洗问题——把密钥连同备注、全角空格一起粘进去时，之前会因为非 ISO-8859-1 字符直接导致生成崩溃。
功能一览表
| 项目 | 本文可核实的说明 |
|---|---|
| 软件形态 | 本地桌面软件，视频与字幕不经过第三方服务器 |
| 开源与授权 | GitHub corvo007/MioSub，AGPL-3.0，823 星 |
| 版本状态 | 官网 v3.0，GitHub 发布 v3.1.9（2026-07-18） |
| 核心流程 | 视频获取 → 语音识别 → 翻译 → 时间轴对齐 → 编辑 → 导出/压制 |
| 字幕格式 | SRT、ASS 等常见格式的导入导出，可输出硬字幕视频 |
| 翻译能力 | 依赖自备大模型 API 密钥，接入 Gemini 等模型 |
| 费用 | 软件本体开源免费，翻译按所用模型的 API 计费 |
相关推荐
如果你要的不只是转录，还想顺带做翻译和校对，站内的 SubEasy 走的是纯在线路线，支持 100 多种语言的字幕翻译，不用装软件、不用配密钥，代价是文件要上传处理；只想要「B 站视频转文字」这种单一功能的话，Bili2text 更轻，复制链接就能出文稿，但没有时间轴和成品字幕的打磨环节。
结论
MioSub 适合愿意在本地折腾一次配置、之后长期做字幕的人：开源自持、术语一致性和时间轴精度是它区别于在线工具的地方，代价是要自备模型密钥、长视频要等。如果只是偶尔给一段短视频配字幕，在线工具可能更省事。
发表回复