软件简介

Funasr Subtitle 是一款面向 Windows 平台的音视频转字幕工具，主打纯本地、离线运行。它基于阿里巴巴的 FunASR 语音识别框架，默认使用 SenseVoiceSmall 模型，即使没有独立显卡，仅靠 CPU 也能获得不错的处理速度。如果你有 NVIDIA 显卡，还可以手动开启 CUDA 加速，进一步缩短等待时间。

软件以便携包形式分发，解压后双击 exe 文件，浏览器就会自动打开操作界面。整个过程不需要安装 Python 环境，也不需要管理员权限，对不熟悉命令行的普通用户非常友好。除了首次启动时需要下载模型文件，后续使用完全不联网，音视频内容不会上传到任何服务器，隐私性有保障。

核心功能

多语言与多模型选择：支持中文、粤语、英语、日语、韩语五种语言，可以自动识别语种，也可以手动指定。模型方面，除了默认的 SenseVoiceSmall，还提供了中文高精度的 Paraformer-zh 以及支持热词的版本，方便针对特定领域术语进行优化。
智能字幕切分：软件会按标点和停顿自动断句，每行字幕的显示宽度可以自定义（默认 30，相当于中文 30 个字或英文约 60 个字母），单条字幕时长不超过 7 秒。断句时会优先选择句末，其次是子句和词边界，并且不会拆散英文单词，最终生成的字幕时间轴严格单调且不重叠。
灵活的标点处理：对于中文等自带标点的语言，自动模式会补充句末标点；对于英文，则按停顿切分而不强行加标点，避免模型标点不准导致句子被错误截断。你也可以选择始终添加或完全不添加标点。
多种导出格式：识别结果可以导出为 SRT、VTT、TXT、JSON 四种常见的字幕或文本格式，也可以一键复制全部文本，方便直接粘贴到剪辑软件或其他工具中。

使用体验与适用场景

实际操作中，只需在网页界面上传或拖拽音视频文件，稍等片刻即可预览带时间轴的字幕文本。对字幕样式有要求的用户，可以在导出前调整每行宽度和标点模式，找到最合适的断句效果。对于经常处理采访录音、课程视频、会议记录或外语影视内容的用户来说，这款工具能省去大量手动打轴和校对的精力。它特别适合那些注重隐私、希望在无网络环境下完成转录工作的人，便携的特性也让它可以在多台电脑间随意使用而不必重复配置环境。