OpenSubs：免费开源的浏览器字幕工具

1. 视频不上传服务器，在浏览器里直接转写语音

给课程录像、访谈或日常视频加字幕时，如果不想把几百兆的原片上传到云端排队，也不想在电脑里配置复杂的本地环境，可以直接在浏览器里打开 OpenSubs。它采用 AGPL-3.0-or-later 开源协议，通过 WebAssembly 或 WebGPU 在当前标签页内运行 Whisper 语音识别模型，支持直接拖入 MP4、MOV、WebM 和 MKV 视频。

首次生成字幕时，浏览器会下载一次 40 MB 到 250 MB 不等的语音模型并缓存下来：

• Tiny 模型：约 40 MB，仅支持英语。
• Base 与 Small 模型：分别约 80 MB 和 250 MB。

识别过程每 4 秒检测一次语种，同一个视频里如果中途切换了语言，也能整合输出到同一份字幕文件中。只要页面已经打开且模型下载完成，后续即使网络断开，语音转写和字幕编辑依然能继续运行。识别器需要支持 WebAssembly 的浏览器；iOS 17 的 Safari 不支持，官网列明 iOS 26 可用。

2. 逐句核对识别结果，点击时间戳核查原声

机器转写难免会遇到人名、专业术语或被环境噪音盖住的词。OpenSubs 把每一句字幕都做成了普通文本框，除了直接修改刚刚识别出的内容，也可以导入手头已有的 .srt 或 .vtt 字幕文件来校对；如果导入后出现乱码，切换文件文本编码即可重新读取。

校对和调整时间轴的操作都围绕文本框展开，没有复杂的轨道时间线需要拖拽：

• 定位原声：每条字幕旁的时间戳都是可点击的按钮，点一下就能让视频跳转到对应位置，立刻听清原话。
• 修改文字与分行：在文本框里直接改字，或按回车键把长句拆成两行，视频画面上的字幕预览会同步更新。
• 调整时间与段落：手动输入或根据当前播放位置设定每句的起止时间（时间不能重叠或超出视频总长），支持新增、删除、拆分、合并字幕块，每一步都可以撤销。

3. 多渠道翻译双语字幕，严格锁定原有时间轴

需要制作外语或双语字幕时，OpenSubs 支持将字幕翻译为简繁体中文、英、日、韩、西、法、德等 20 种语言，并能将原文和译文上下叠放在同一条字幕里（可将原文设小作为参考）。翻译过程每 60 条字幕为一批发送，只替换句内文字，严格保留原有的字幕条数和起止时间；如果翻译接口返回的行数对不上，任务会直接报错停止，避免后续整段字幕全部错位。

翻译引擎可以根据手头的设备和预算自由切换，任何选项都不会上传原视频：

• 浏览器本地翻译（默认免费）：使用桌面版 Chrome 138 及以上版本时，可直接调用浏览器内置翻译，无需 API 密钥，字幕文本也不会离开本地设备。
• 连接本机模型（免费）：支持接入本机运行的 Ollama 或 LM Studio 等兼容 OpenAI 接口的本地服务，数据仅发往 localhost。
• 自带 API 密钥（向接口商付费）：可填入自己的 Claude、DeepL 或 OpenAI 兼容密钥处理长对话。密钥仅保存在当前页面内存中，不写入硬盘或经过官方服务器，刷新或关闭标签页即清除。
• 官方云端翻译（按量付费）：如果没有密钥或电脑性能有限，可注册账户购买官方点数，售价为 5 美元 1,000 点（约每 30 行字幕消耗 1 点，5 美元可翻译约 30,000 行）。点数永不过期，任务开始前会显示价格，失败不扣费。

4. 导出字幕文件或免水印压制到视频画面

字幕校对完成后，无需注册账号即可直接导出 .srt、.vtt、.ass 或纯文本 .txt 文件，利用导入和另存功能也能顺手完成 VTT 转 SRT 等格式转换。

如果需要把字幕直接嵌进视频画面，OpenSubs 提供了 12 种预设样式，支持逐词高亮放大发光效果，并内置了中文、阿拉伯文等非拉丁字符字体，避免压制后变成空白方框。压制时通过编译为 WebAssembly 的 libass 渲染字幕，再用浏览器的 WebCodecs 重新编码输出为 MP4（若浏览器不支持生成 MP4 则输出为 WebM），原视频的音频流会原样复制。压制视频与视频时段截取、分辨率调整功能均免费且无水印、无文件大小限制，但压制视频需要保持联网并完成免费注册登录。此外，官方还在 Chrome、Edge 和 Firefox 商店提供了免费的浏览器扩展，可在播放网页视频时实时生成字幕。