PixTV
PixTV 是一站式 AI 视频创作平台,聚合全球主流图像、视频及文本模型,支持文生图、图生视频、角色一致性、智能分镜、视频剪辑与无限画布工作流。
FlyCut Caption 是一款基于 OpenAI Whisper 的在线字幕生成工具,把上传视频、识别语音、网页内校对、导出字幕串成了一条流程。它想解决的问题很具体:省掉手工打轴。下面按功能表现、适合人群和常见问题分别说,给需要给视频配字幕的创作者做个参考。官网入口是 caption.flycut.co/zh,开源代码放在 GitHub 上。
它的操作路径不复杂:打开页面,选本地文件或粘贴视频链接,语言默认自动检测(也可以手动指定),点生成,等字幕出来后进入编辑区微调。
真正省时间的是对齐这一步。过去最枯燥的逐句卡时间点交给 Whisper 完成,人只需要做校对。编辑区的定位也比较清楚——增删、合并相邻字幕、微调时间轴都能在网页里改完,删掉某段后还会自动重新分段,比只丢给你一个 SRT 文件的工具更顺手。导出侧给了两个方向:只下载字幕,或者直接导出带字幕的视频,格式覆盖 SRT、VTT、ASS,多数播放器和剪辑软件都能吃下。
不足也比较明显。自动识别的质量取决于素材本身,口音重、背景音杂、多人抢话时通常要逐句过一遍,成片前别指望零修改。异常时页面会弹错误提示,但提示能帮到多少,还得看具体报错情形。
适合的人大致是这几类:
几点使用建议:
同类工具可以对照 {{内链:在线字幕生成工具}} 一起看,选更贴合自己工作流的那个。
FlyCut Caption 的核心价值在于把字幕流程里最耗时的对齐环节自动化,编辑和导出又留在同一个界面里,门槛确实低。短板是识别质量绕不开素材条件,复杂音频还是得人工兜底。把它当作日常的补充性渠道,配合自己稳定、合规的正式流程使用,会更稳妥。