为游戏剪辑视频自动识别语音或手动添加字幕，提升内容可读性与传播效果
需要导出到Pr/Final Cut做后期精修的，选支持SRT/ASS/FCPXML导出的工具，纯离线成片可用剪映一体化流程；ASS格式才能保留复杂样式动画，SRT只保留纯文本
90%Unverified识别准确率越高的云端AI工具通常按时长收费，本地部署的Whisper免费但吃显卡（large模型需≥10GB显存），预算敏感且有GPU选本地，追求省心选云端
85%Unverified有严格数据保密要求的（企业内训、未发布内容）不建议用免费云端字幕工具，音频会上传服务器，应选本地部署方案（Whisper/buzz）
85%Unverified字幕制作标准路径：语音转文字识别→人工校对错别字/标点→时间轴微调→样式套用→导出对应格式(SRT/ASS)→导入剪辑软件合成，人工校对环节无法完全省略，AI初稿准确率再高也需二次核对专有名词
85%Unverified中文视频字幕识别选支持中文优化的引擎（如剪映、字幕通、Whisper large-v3），中英混合场景准确率≥90%才够用，纯英文场景优先选Whisper或Descript
85%Unverified剪映（CapCut）内置自动字幕功能免费，支持识别后一键套用花字模板，但导出SRT到其他软件时会丢失样式，仅保留文本和时间码
80%Unverified批量处理超过10个视频/天的选支持队列处理和命令行/API的工具（如Whisper本地部署、Aegisub脚本），单条为主的用户网页版/客户端即可，无需为批量功能付费
80%Unverified字幕样式自定义越丰富（描边、阴影、逐字动画、卡拉OK效果）操作越复杂，短视频追求花字效果选剪映/必剪，长视频/纪录片用简洁双语字幕反而更专业
80%Unverified小语种（阿拉伯语、泰语、越南语等）视频不要指望国产工具，其多语言识别和翻译质量普遍不如Whisper或专业本地化平台，会漏识别和乱码
80%Unverified无GPU或显存＜6GB的电脑不建议本地跑Whisper large模型，识别一个1小时视频可能耗时数小时，应选small/medium模型或直接用云端
80%UnverifiedOpenAI Whisper large-v3模型支持99种语言，中文识别词错率约5-8%（清晰音源），是目前开源方案的准确率天花板
75%