字幕编辑工具 Subtitle Edit v5.2.0

软件测试

一、工具简介：Subtitle Edit 由 Nikolaj 开发、完全免费开源（GPL 协议）的专业字幕软件，2010 年持续更新，主流版本 v4 稳定版、v5 跨平台 Beta（Win/macOS/Linux），是影视、自媒体最常用字幕工具。
-------------------------
二、核心功能：

1.  海量字幕格式（300 + 种）

读写 / 互转：SRT、ASS/SSA、VTT、SUB、蓝光 SUP、VobSub、BDN、DVD 字幕，短视频 / 影视 / 电视台全格式覆盖。

2.  精准时间轴校准（王牌功能）

内置音频波形 + 频谱图，直观看到人声起止，拖拽毫秒级调字幕错位，一键批量平移整段字幕时间轴。

3.  AI 语音自动生成字幕（Whisper 本地离线）

集成 OpenAI Whisper，本地离线识别、不上传视频，几十种语言一键音转字，不用联网付费，生成带时间轴字幕；可单独下载中英文模型提速。

4.  OCR 图片字幕提取

DVD / 蓝光内嵌图片字幕（SUP/VobSub）→OCR 识别转可编辑文字字幕，解决内嵌字幕无法修改问题。

5.  自动翻译 + 批量处理

对接 DeepL / 谷歌 / 微软翻译，整份字幕一键互译；批量格式转换、批量时间修正、批量字幕内嵌压制视频。

6.  ASS 高级字幕样式

自定义字体、颜色、描边、位置、滚动特效，制作动漫 / 影视剧精美特效字幕。

7.  其他实用

自动纠错字幕（时长太短、重叠、空格错误）、拼写检查、字幕烧录进视频、字幕拆分 / 合并、帧率适配（23.976/25/30fps）。

8.  必备依赖

首次打开会自动下载：FFmpeg（音视频解析）、MPV（内置播放器），缺失则无法预览视频。
-------------------------
三、新手最简使用步骤：

1.  打开软件→视频→打开视频文件载入素材

2.  生成字幕：视频→自动从音频生成字幕 (Whisper)，选语种下载模型自动识别

3.  波形页面拖动字幕首尾，修正字幕不同步

4.  文件→另存为，选 SRT（通用）/ASS（特效）/VTT（网页）保存

5.  简体中文设置：(菜单栏)Options---->Choose  UI language---->Language下拉菜单选择ChineseSimplified(简体中文)。
-------------------------
四、常用场景：

1.  自媒体：课程 / 短视频一键生成中文字幕（替代剪映付费字幕）

2.  影视：外挂字幕校对、内嵌字幕提取、双语字幕制作

3.  后期：批量字幕格式转换、多语种字幕本地化
-------------------------
五、更新日志：

版本 5.2.0 变更内容//2026年09月10日

新功能：

辅助分割与辅助移动——提供带完整预览的一键排序建议

章节编辑器，支持Matroska/MP4/OGM等章节格式（视频 > 更多 > 章节）

编辑原稿——可就地编辑原始参考行，以只读方式打开不匹配的原文作为参考，并在波形图上显示原文字幕

强制叙事行——新增“强制”列及“将强制行保存为…”选项

错误列表与摘要卡片（工具 > 列出错误…，批量转换）——支持导出至剪贴板、文本、Excel或网页

统计仪表盘，包含模块化卡片、计量表、检查项以及CPS直方图

字幕网格：通过“列…”对话框重新排序或隐藏列，“隐藏标签”格式模式，以及所有下拉框中的按类型搜索功能

文本框：支持拖放文本（如从原文到工作文本），可配置的“通过……搜索”快捷键、“Google查询”、macOS的“查找”、首字母大写等功能，以及更多“用……包围”选项

波形图：自动猜测波形起止位置，可捕捉镜头切换，支持编辑视频位置框、逐轨音频选择器，并可在视频/波形位置进行复制粘贴操作

使用视频实际帧时间美化时间码，并支持批量转换

视频偏移记忆最近偏移设置：在视频菜单中新增“打开最近视频…”选项

多重替换：导入/导出规则分类，全选/取消全选/反选，移动快捷键及正则表达式匹配超时处理

基于图像的字幕编辑器：支持打开DVD sup、XSUB、MP4 VobSub等多种格式，可调整“视频分辨率…”缩放比例，并支持刻录至蓝光字幕

更新检查设置，新增稳定版/测试版通道及启动通知功能

默认保存路径、编辑器中“不要在以下内容后换行”的自动断行列表，以及使用“剪切视频”功能直接裁剪字幕

SE 4 兼容性：

集成了nOCR训练、最小间隔帧率计算器，以及“移除/替换Unicode字符”功能（SE 4插件移植）

WebVTT样式管理器、语音与浏览器预览，以及可配置的WebVTT提示设置

支持导入SE 4的Settings.xml文件，并在快捷键导入时新增22个SE 4快捷键

快捷键：跳转到下一行空白、跳转到首行/末行、书签、下划线、切换自定义标签、重新计算时长、跳转到下一/上一字幕（播放翻译）、将首词移至前一字幕、在光标处第一个空格处分割

布局10（波形下方的编辑框）、“在字幕网格中居中文字”、四项网格双击操作，以及与SE 4类似的工具栏帧率设置

“仿SE 4设置”还调整了波形工具栏：“打开第二个字幕文件…”已回归SE 4视频菜单的位置

打开字幕时去除空行、支持全帧图像导出、在查找/替换中增加正则表达式片段右键菜单，以及在替换时新增Alt+F/Alt+R快捷键

Tesseract OCR：保留SE 4的10像素边距并支持多次重试调整大小

复制到剪贴板的网格菜单项及纯文本列粘贴功能均已恢复

自动翻译与人工智能：

新增“llama.cpp高级”引擎，支持批量上下文、系统提示及模式强制输出——同样适用于批量转换与seconv（--translate-prompt参数）

MiLMMT-46翻译模型：DeepL提供所有API语言；Google翻译在免费服务被屏蔽时可通过备用端点重试

对已翻译但导致行高断裂的文本重新断行，在引擎更换时保持所选语言不变，且翻译后原文不再丢失

AI审核：在网格右键菜单中，可分轮次应用建议、播放当前内容、启停llama.cpp服务器、调整请求间隔，并支持新模型（Gemma 4 E2B、EuroLLM、Granite 4.1）

语音转文字：

新增引擎与模型：WhisperX（独立运行，无需Python）、Google Cloud Speech-to-Text v2、Voxtral（清晰ASR）以及面向日语的anime-whisper

提供非语音与重复行去除的转录质量报告

清晰ASR：所有后端均具备“自动检测”语言功能，配备VAD关闭开关及无VAD重试机制；WhisperX实时进度可见

MLX Whisper引擎已被移除

文本转语音：

新增引擎：IndexTTS 2.5、Higgs Audio v3、Fish Audio S2 Pro、FireRedTTS3（audio.cpp）、dots.tts、Confucius4-TTS以及Pocket TTS（清晰ASR），此外还有VibeVoice再次回归、CosyVoice3 RL模型，以及多语言Chatterbox V3（涵盖23种语言）

视频中的声音克隆：“在视频中寻找声音并全部克隆”，Qwen3、audio.cpp、VibeVoice、MOSS-TTS、CosyVoice3及VoxCPM2等平台支持逐行克隆——首次克隆前需用户同意

支持说话人姓名识别，“让声音/音乐部分保持静默”，配备Zonos语言选择器及定制Piper语音模型

光学字符识别（OCR）：

新增引擎与模型：Apple Vision OCR（macOS）、Paddle OCR 3.7（PP-OCRv6）、CrispEmbed PP-OCRv6、DeepSeek-OCR-2，以及llama.cpp HunyuanOCR 1.5、LFM2.5-VL 3B和定制视觉模型

视频OCR（内嵌字幕）：可识别的字幕数量大幅增加，文本与起始时间更准确，采用CrispEmbed引擎、OCR修复引擎及拼写检查着色功能

OCR修复引擎：新增西班牙语、葡萄牙语、意大利语及西里尔字母规则，修复约115条替换列表条目，并对撇号进行校正

自动检测OCR语言，OCR完成后自动打开匹配视频，“将所有图片连同HTML索引一起保存”，并提升nOCR匹配速度

字幕格式：

新增：EBU-TT（Tech 3350）、Manzanita DVB 文本广播（.dvbttx）、Csv Excel、CANVASs SSTG1（.sdb）、Wistia json、DVD Junior SPC、Sonic DVD Producer、YouTube srv3（.ytt）、DaVinci Resolve 标记 EDL 以及 Adobe Premiere 标记

新增导出格式：Final Cut Pro Xml 字幕、EDN/xml 8 位及 Audacity/Tenacity 标签

支持从碎片化 MP4（DASH/CMAP）中读取字幕，从传输流中读取 ARIB STD-B24 字幕，以及 SMPTE-TT 位图字幕

对未知格式的导入大幅优化（通用 XML 导入器），在未知格式提示中新增“导入纯文本”选项，并支持通过“文件 > 打开”直接导入电子表格

EBU STL/文本广播：新增颜色选择器、对齐对话框、TT 列、带方框/对齐/双倍行高的视频预览，以及基于帧的时间码功能

SCC：支持将颜色作为 CEA-608 中间行代码显示，提供行长警告，并实现逐帧精确的导入时间同步

ASSA：支持嵌入与裁剪字体，在分辨率不匹配时提供重采样选项，新增高级特效，并在批量转换中新增“更改 ASSA 样式属性”功能

Lambda Cap 和 Netflix IMSC 1.1 日语版本中支持 Ruby 与强调效果；EBU-TT-D 和 IMSC Rosetta 中支持字体颜色设置

视频与图像导出：

基于图像的导出：支持高级文本特效（渐变、霓虹光效、3D 拉伸）、每行 ASSA 颜色与描边、内联字体样式与大小，以及蓝光字幕的淡入淡出与叠加效果

内置刻录：macOS 上使用 VideoToolbox 硬件编码器导出 .webm/.ts 文件，支持字距调整与 libass 样式预览

同步对话框：视频上叠加字幕、可调整大小的波形显示，以及选定音频轨道

使用 mpv 实现更平滑的波形与视频光标，提升长 GOP 视频的拖动速度，并修复暂停或快进时出现的音频断续问题

批量转换与 seconv：

批量转换：美化时间码、将颜色转换为对话内容、将时间码对齐至帧、新增“添加文件夹…”功能、显示翻译进度、保留源文件的日期时间，以及按 PID 保存每个文本广播页面

seconv：支持 --json 输出与 --help-json、--ocr-prompt、--translate-prompt、--override-position、--output-filename-append 选项，可导出全帧图像，支持 .avi/XSUB 读取，并提供批量 Paddle OCR 功能

翻译与引擎：

新增 UI 语言：库尔德语（中部）与阿塞拜疆语——所有语言文件均已与英文版同步

更新的引擎：Crisp ASR v0.8.32、llama.cpp b10840、whisper.cpp v1.9.3、CrispEmbed v0.17.9、Paddle OCR 3.7、Tesseract 5.5.3、ffmpeg 9.0.1（Windows）、libmpv 20260814（Windows）以及 yt-dlp 2026.08.19
-------------------------

项目地址：https://github.com/SubtitleEdit/subtitleedit
-------------------------

百度网盘分享

下载地址：https://pan.baidu.com/s/1ajXCeLj4rgML6NAXKGfB6Q?pwd=6666

提取码：6666

踏雪78

这类方案在小规模下表现很好，上量之后瓶颈就出来了。有没有做过压测，瓶颈在哪一块？

远山听风

参数调优的效果往往不如架构调整来得明显。你们的规模大概多少？想判断下方案是否适用。

南山

参数调优的效果往往不如架构调整来得明显。

言默散记

监控先铺上，不然出问题全靠猜。你们的规模大概多少？想判断下方案是否适用。

踏雪不眠

量不大之前没必要过度设计，够用就好。有没有做过压测，瓶颈在哪一块？

北岛林间

同类的坑不同环境表现不一样，别人的经验只能参考。

半夏听雨

备份策略比高可用更值得先做，出事的概率高得多。有没有做过压测，瓶颈在哪一块？

微光不太冷

这类工具的学习曲线主要集中在前期配置。

关山杂谈

我们线上也踩过类似的，最后发现是配置不一致导致的。有没有遇到过数据一致性的问题？