软件简介

Auto Caption 是一款面向直播、会议与内容创作者的实时字幕工具，目前提供 Windows 安装版。它最大的特点是字幕引擎不绑定单一服务商，用户可以在 Gummy、Whisper 等不同引擎间切换，并根据自己的网络与算力条件选择最合适的一档。若使用默认的 Gummy 引擎，需要前往阿里云百炼平台申请 API Key 并配置到系统环境变量中，这一点在首次启动时会有明确提示，不算复杂。

核心功能

这款软件把字幕的「识别」和「呈现」拆开处理，每个环节都给足了自定义空间，具体来说包括：

字幕样式自由调整：字体大小、颜色、背景透明度、气泡样式、屏幕位置均可实时预览修改，适合直播叠加或后期录屏合成。
多引擎灵活切换：除 Gummy 外，可接入本地或远程的 Whisper 模型，离线环境也能用，且能对比不同引擎的准确率再选择。
多语言识别与翻译：支持中英日韩等多语种语音输入，并可将识别文本即时翻译为另一种语言，方便跨国会议或外语视频制作。
完整字幕记录与导出：所有识别内容会按时间轴保存在界面列表中，可一键导出为 SRT 或纯文本，省去事后手动整理。
双通道音源支持：既能生成麦克风说话的字幕，也能捕获系统播放的音频（如视频会议对方的声音）生成字幕，双人对话场景尤其好用。

使用体验

实际跑起来后，Gummy 引擎在普通话识别上表现出色，句末标点和断句基本不用二次修改，翻译速度也跟得上讲话节奏。如果你手头有 NVIDIA 显卡并想摆脱 API 限制，换成本地 Whisper 模型后延迟略高，但胜在免费且数据不出本机。适合经常做直播、录网课或需要给视频配字幕的独立创作者，也适合不习惯付费订阅制的小型团队内部使用。

需要注意的是，软件目前没有内置安装向导的引导步骤，第一次配置环境变量需要手动打开系统设置，对不太熟悉电脑操作的用户稍有一点门槛。项目源码已公开在 GitHub，开发者可以自行修改或提交问题，社区维护频率稳定。