AI 创建工作流程

韵词字幕内置了三项 AI 功能，覆盖字幕制作中最耗时的三个环节：

三项功能都在 AI 助手面板里完成，一般几分钟就能处理完一段视频。AI 给出的是一份高质量的初稿，再配合创建与编辑字幕里的校对方法稍加修改，就能交付使用。

👑 语音转录、文本转轴、AI 翻译均为 VIP 功能，激活方法见注册与登录。

前期准备

第一次使用 AI 功能前，需要做两项准备：语音转录和文本转轴需要语音模型，AI 翻译需要 DeepSeek API Key。两者都只需设置一次，之后就不用再管了。

如何下载并设置语音模型

在韵词字幕中，视频转录和文本转轴使用安装在本机的 Whisper 语音模型。软件已自带 Small 模型，开通 VIP 后即可直接使用；想要更高的识别准确率，可以另外下载更大的模型，放进软件安装目录下的 resources\whisper_Models 文件夹。

语音识别全程在您的电脑上完成，视频和音频不会上传到任何服务器。模型越大，识别越准，但对电脑配置的要求也越高。各模型的质量和系统要求如下，请根据电脑配置选择：

本软件在安装时已经自带了small 模型，在开通VIP后，即可使用。

若您的电脑内存 ≥ 8 GB，建议单独下载 Medium 模型，以提升转录品质，满足大部分场景。若追求最高准确率且显存 ≥ 8 GB，可选择 Large-v3。

模型下载地址：http://www.shinesoft.cn/download/models/

下载完成后，请放到软件安装目录下的 resources\whisper_Models 目录中，软件会自动识别。

如果想把模型放在其他位置，比如空间更大的数据盘，需要把模型目录指向它：

1. 选择菜单 偏好设定 > 设置 AI 模型。也可以从 AI助手 > AI语音转录 打开转录面板。
2. 在右侧 信息提示 栏的 系统设置 中：
   • 转录引擎：选择转录引擎，默认为 Whisper_fast（默认）。
   • 模型目录：点击右侧的浏览图标（📂），选择您存放模型的目录（见图 6.1）。

结果：设置好目录后，在转录或文本转轴时把精度选为自定义，即可使用该目录中的模型。

如何获取 DeepSeek API Key

在韵词字幕中，选择菜单 偏好设定 > 设置 API Key，跟着引导注册 DeepSeek 开放平台、创建 API Key，最后粘贴回软件即可，整个过程大约两分钟。

AI 翻译调用的是 DeepSeek 大模型。API Key 相当于一把"钥匙"，软件用它代表您向 DeepSeek 发送翻译请求，费用按实际用量从您的 DeepSeek 账户中扣除。引导的具体步骤如下：

1. 引导首先播放一段教学视频，可以点击跳过视频，直接继续。
2. 点击下一步：获取 API Key，按以下步骤操作：
   • 点击按钮，跳转到 DeepSeek 官网密钥创建页面。
   • 注册/登录后点击「创建 API Key」，按提示完成实名认证和充值（首次使用通常有赠送的免费额度，可以先小额充值测试）。
   • 复制生成的字符串（以 sk- 开头），回来点下方按钮。
3. 点击我已复制 Key，去粘贴 →，软件会自动定位到 API Key 输入框，粘贴即可。

也可以手动操作：访问 DeepSeek 开放平台 https://platform.deepseek.com ，注册登录后在"API Keys"页面创建密钥。

⚠️ 密钥创建后只显示一次，请立即复制并妥善保存。API Key 和银行卡密码一样，不要发给别人，也不要贴在公开的地方。

关于本地 AI 翻译大模型，我们正在开发相关功能（界面中的本地大模型按钮目前标记为beta，即将上线）。届时无需额外购买 API Key，资料文档也将全程在本地处理，信息安全更有保障。

如何在软件中填写 API Key

在韵词字幕中，打开 AI 翻译面板，把 API Key 粘贴到右侧 信息提示 栏的输入框里即可。如果是通过上一节的引导获取的密钥，软件已经帮您定位好了输入框。

1. 从菜单 AI助手 > AI 翻译 打开 AI 翻译面板。
2. 在右侧 信息提示 栏的 DeepSeek 系统设置 中，将 API Key 粘贴到输入框（见图 6.2）。

结果：之后每次使用 AI 翻译，软件都会自动使用这个密钥，不需要重复填写。

如何用 AI 把视频语音转成字幕

在韵词字幕中，打开视频后点击 AI 助手，在 语音转录 标签页选择视频里说话的语言，点击 开始转录，几分钟后带时间码的字幕就会自动出现在对话轨上。

什么时候用：手上只有视频、没有任何文字时，这是最快的字幕创建方式。对于口播、访谈、课程、Vlog 这类人声清晰的视频，AI 转录的结果往往只需少量修改就能直接使用，比手动打轴快得多。

1. 点击 文件 > 打开视频，确认视频已正确加载并生成了波形。
2. 点击轨道视图左上角的 AI 助手，打开 AI 助手面板。
3. 确认当前处于 语音转录 标签页（见图 2.19）。

4. 选择视频语言：中文、繁中、英文、韩语、日语或自动检测。指定语言通常比自动检测更准确，尤其是视频开头没有人声，或者夹杂多种语言的时候。
5. 选择识别精度：
   • 快速：快速模式：运用 Whisper small 小型模型，速度快、系统要求低，精度略低。
   • 标准：标准模式：运用 Whisper medium 中型模型，兼顾速度与准确率，适合大部分场景。
   • 自定义：自定义模式：运用您在系统设置中指定目录内的自定义模型，适合有特殊需求或已下载特定训练模型的用户。选择后可在自定义语音模型下拉列表中选取模型。
6. 根据需要调整 高级设置（一般保持默认即可）：
   • 智能静音检测：过滤无声片段，减少空白转录。视频中有较长静音或只有背景音乐的片段时可以开启，避免产生空字幕或"幻听"字幕。开启后可调整灵敏度和最短片段。
   • 合并过短字幕：词数不足时并入下一句。字幕条过短、切换过于频繁时开启，最少字数一般建议设为 2 ~ 4。
   • 时间轴精校：稳定字幕时间戳，对齐更准确。
   • 自定义提示词：降低 5-15% 词错率，尤其改善同音字。可以直接输入要求，也可以点击快捷模板：标点符号、中英混用、有背景音、多人对话、日常Vlog，点击清空可清空提示词。
7. 点击 开始转录。信息提示栏的执行进度会实时显示处理状态。
8. 处理完成后，字幕自动填入对话轨并显示在时间线上。此时点击保存文稿，可将转录文稿（不含时间码）保存为 Word 文件，方便用作文字稿或会议纪要。
9. 点击 字幕精修 返回轨道视图，即可在视频中看到生成的字幕。

结果：视频里的每一句话都变成了带时间码的字幕。接下来建议通读一遍，重点检查人名、专有名词和同音字，这些是 AI 最容易听错的地方，校对方法见在列表中校对字幕。

💡 若想中途停止，点击 停止。已识别的部分会保留，未处理完的部分不会填入。在轨道头上点击右键，选择 清空轨道 即可清空内容重新开始。

⚠️ 转录质量受视频音质影响较大。对于录音嘈杂、口音较重或语速极快的视频，识别准确率可能偏低，需要手动校对。这类视频可以试试把精度提高到标准或更大的模型，或者在自定义提示词中写明视频的主题和常见专有名词。

如何把已有文稿自动对齐到视频

在韵词字幕中，打开 AI 助手 的 文本转轴 标签页，导入 .txt 文稿、选择文稿语言后点击 开始转轴，软件会把文稿的每一句自动对齐到视频里对应的语音上。

什么时候用：演讲稿、课程讲义、配音台本这类"先有稿子、后录视频"的内容，文字是现成的、也是准确的，缺的只是时间。和转录相比，文本转轴不需要 AI 去"猜"内容，只需要找到每句话出现的时间，所以字幕文字和原稿一字不差。

1. 打开 AI 助手 面板，切换到 文本转轴 标签页。

   也可以先从 文件 > 打开字幕、歌词或文本 选择文稿文件，在弹出的打轴暂存面板中点击AI 自动打轴，界面会自动跳转到文本转轴标签页（见图 6.4）。

2. 点击导入(.txt)，选择 .txt 格式的文字稿。
3. 选择文稿语言。
4. 选择匹配精度：
   • 快速：运用 Whisper small 小型模型，速度快。
   • 标准：运用 Whisper medium 中型模型，对齐精度更高，速度略慢。
   • 自定义：运用您在系统设置中指定目录内的自定义模型（与「字幕精修」共用同一个模型目录）。
5. 选择对齐方式：
   • 转录对齐：先真实转录取得时间轴，再把字幕文本替换成稿子原文。文本与稿子逐字一致，时间精度≈音频直转。中英日等场景首选。
   • 强制对齐：强制对齐兜底：不依赖 ASR 听对，直接把稿子定位到音频。适合小语种、重噪声或方言等转录不可靠的素材。
6. 根据需要，在高级设置中调整合并过短字幕和自定义提示词（一般无需修改）。
7. 点击 开始转轴，处理完成后字幕会自动显示在时间线上。

结果：文稿的每一句都带上了时间，字幕文字和原稿完全一致。

📝 文本转轴要求音频中的说话内容与文稿高度一致。如果文稿与录音存在增删或改动，比如讲者临场发挥、跳过了几句，对齐效果可能不理想，需要手动调整部分字幕的时间。导入前先把文稿和视频对照一遍，删去没有念到的部分，效果会好很多。

如何用 AI 翻译字幕

在韵词字幕中，打开 AI 助手 的 AI 翻译 标签页，选择目标语言和 DeepSeek 模型后点击 开始翻译，译文会自动填入翻译轨。

什么时候用：需要做双语字幕，或者把视频介绍给其他语言的观众时。和免费翻译相比，DeepSeek 大模型会结合上下文理解整段内容，更擅长处理口语、俚语和语气，译文读起来更像人写的；还可以用"翻译要求"指定风格，比如更口语化或更正式。

开始前，请先按获取 DeepSeek API Key准备好 API Key，并确认原文字幕已经校对过。原文里的错字会被原样带进译文。

1. 打开 AI 助手 面板，切换到 AI 翻译 标签页（见图 6.5）。

2. 如尚未设置 API Key，请粘贴到 信息提示 栏的 API Key 输入框中。

3. 选择目标语言：可直接点击简体中文、英语、日语、韩语、法语、俄语，也可以在旁边的"更多语言…"下拉框中输入关键字搜索，从 100 余种语言中选择。

4. 确认翻译引擎为 DeepSeek。

5. 选择翻译模型：

   • deepseek-v4-flash（快速·便宜）
   • deepseek-v4-pro（高质量）

   不同模型的翻译质量和消耗的 Token（词元，可简单理解为计费单位）不同，具体请参考 DeepSeek 官网：https://platform.deepseek.com/usage

6. （可选）在高级设置的DeepSeek设置中填写翻译要求，或点击预设：

   • 通顺易读：优先保证译文自然流畅，适合普通观众。
   • 正式风格：用词严谨，适合商务、学术场景。
   • 技术文档：保留专业术语，适合技术类内容。
   • 口语化：贴近日常对话，适合访谈、综艺类内容。
   • 创意风格：译文更具文学感，适合影视、广告类内容。

7. （可选）在信息提示栏调整：

   • 分块大小：每批合并发送给 DeepSeek 的字幕条数。行数越多，模型能看到的上下文越多、译文更连贯统一；但单批出错时需要重试的内容也越多，长字幕行建议适当调小。
   • 延迟 (ms)：每次请求之间的间隔时间，防止触发 API 频率限制。
   • 点击查询余额可跳转至 DeepSeek 平台查看账户余额。

8. 点击 开始翻译。翻译完成后，译文将自动填入翻译轨道，可在时间轴上与原文对照编辑。

结果：译文自动填入翻译。在字幕列表中同时勾选对话轨和翻译，就能左右对照着检查译文。

💡 如果视频里有固定的人名、品牌名或专业术语，可以把它们写进翻译要求，比如"人名保留英文原文，不翻译"，译文会更统一。

📝 高级设置中的术语设置（生成术语、导入术语、查看术语）将在后续版本中完善。

常见问题

没有开通 VIP，能用 AI 功能吗？

不能。语音转录、文本转轴和AI 翻译都是 VIP 功能，激活方法见注册与登录。不开通 VIP 时，仍然可以手动打轴、导入现有字幕，并使用免费引擎翻译，见如何用免费引擎翻译字幕。

语音转录会把我的视频上传到网上吗？

不会。语音转录和文本转轴使用安装在本机的 Whisper 语音模型，识别全程在您的电脑上完成。只有 AI 翻译需要联网，把字幕文本发送给 DeepSeek 进行翻译。

转录出来的字幕错字比较多，怎么办？

可以从三个方向改善：在识别精度中换用更大的模型（如 Medium 或 Large-v3）；明确指定视频语言，不要用自动检测；在自定义提示词中写明视频主题和常见专有名词。录音嘈杂、口音较重的视频，转录后仍需手动校对。详见如何用 AI 把视频语音转成字幕。

转录结果里出现了空字幕，或者没人说话的地方也有字幕？

这通常出现在长时间静音或只有背景音乐的片段。在高级设置中开启智能静音检测后重新转录，即可过滤掉这些无声片段。

下载的大模型放在哪里，软件才能找到？

放在软件安装目录下的 resources\whisper_Models 文件夹中，软件会自动识别。也可以放在其他位置，再通过菜单 偏好设定 > 设置 AI 模型 把模型目录指向它，转录时选择自定义即可使用。详见如何下载并设置语音模型。

文本转轴后，有些字幕的时间对不上？

文本转轴要求录音内容和文稿高度一致。如果讲者临场增删了内容，那几句就容易对不准。可以先把文稿和视频对照一遍，删去没有念到的部分后重新转轴；个别对不准的字幕，在时间线上拖动边缘手动调整即可，见如何调整字幕的开始和结束时间。

DeepSeek API Key 忘记保存了，怎么办？

密钥创建后只显示一次，无法再次查看。登录 DeepSeek 开放平台 https://platform.deepseek.com ，在"API Keys"页面重新创建一个新的密钥，再粘贴到软件里即可。

AI 翻译要花多少钱？

费用由 DeepSeek 按实际消耗的 Token（词元）收取，从您的 DeepSeek 账户中扣除，不同模型的价格不同，具体以 DeepSeek 官网为准：https://platform.deepseek.com/usage 。在软件中点击查询余额，可以随时跳转查看账户余额。