minghe36/haoone-app

新一代 AI 专业字幕软件，剪映字幕、elevenlabs 语音转文本的最佳本地版平替之一，也是加强版。中英转录识别准确率超过 97%，词语音频对齐率 98%，说话人分割与识别准确率 96%，带有最先进的 ASR 开源模型，100+字幕动画（支持导出透明背景的字幕动画）。说话人识别、专业字幕编辑器、命令行工具、Skill，达芬奇字幕插件（含字幕动画插件），PR 字幕插件，本地转录、远程转录、文稿匹配、智能拆行、AI校正、AI 智能热词、翻译、双语字幕、专业字幕编辑器、字幕合成、自定义大模型 API

解决的问题

它提供专业、高精度的 AI 字幕生成和翻译工作流程，作为 CapCut（剪映）和 ElevenLabs 等工具的本地替代方案。它特别解决了基于 Whisper 的工具的局限性，例如中文转录精度差和时间戳不精确。

运作方式

该软件整合了先进的开源 ASR（自动语音识别）模型，包括 qwen3-asr，并利用以 Rust 和 C++ 构建的自定义转录引擎，以实现高速和 GPU 加速（Windows 上的 CUDA）。它采用专有的词级音频对齐算法，确保字幕与音频精确同步。

适用对象

需要多语言（包括中文、英文、日文等）高精度字幕的视频编辑者和内容创作者，以及偏好本地处理以保护隐私和节省成本的人。

亮点

  • 高精度：宣称中文/英文准确率达 97%，日文达 94%。
  • 专业集成：包含 DaVinci Resolve 和 Adobe Premiere Pro 的插件。
  • 高级 AI 功能：提供 AI 驱动的断行、智能热词替换和 AI 校正。
  • 性能：针对长视频（例如 2 小时文件）和快速本地转录（例如 Mac Mini M4 上 3 分钟视频在 20 秒内完成）进行优化。
  • 多语言支持：支持多种语言，包括韩文、葡萄牙文、西班牙文、阿拉伯文等。

相关

  • 项目
    buxuku/SmartSub

    SmartSub 是一款开源桌面工具，将视频转字幕转录、翻译、校对、带声音克隆的 TTS 配音以及字幕烧录打包到单一流水线中，支持本地离线处理和通过 MCP/CLI 的 AI 代理自动化。

  • 项目
    wendy7756/AI-Video-Transcriber

    一款 AI 驱动的工具，可使用 Faster-Whisper 和 LLM 转录、总结和存档来自 30+ 平台或本地文件的视频和播客。

  • 项目
    m-bain/whisperX

    WhisperX 是一个 Python 库，通过批处理加速 OpenAI 的 Whisper 转录，使用 wav2vec‑2.0 进行强制对齐添加逐词时间戳，并可使用 pyannote‑audio 标记说话人。它可在 GPU（或 CPU）上运行，支持多种语言，并可通过 pip 安装。

  • 项目
    tmoroney/auto-subs

    AutoSubs 是一款跨平台桌面应用，可从音频/视频生成离线字幕，支持说话人标注、多种本地语音识别模型，并与 DaVinci Resolve 和 Adobe 编辑工具直接集成。

  • 项目
    baxtree/subaligner

    Subaligner 是一个开源的 Python/CLI 工具，可将字幕与视频/音频同步，支持通过 Whisper 进行语音转录、使用 HuggingFace 模型进行字幕翻译，甚至训练自定义对齐模型。支持多种字幕和媒体格式，提供快速全局偏移（`single`）和高精度双阶段（`dual`）对齐，并支持 Docker、pip 及 LLM 增强功能的可选扩展。