🎬 Flycut Caption：AI视频字幕神器 Whisper语音识别 可视化剪辑一键导出

Flycut Caption 是一款基于 React 的 AI 视频字幕编辑组件，集成 OpenAI Whisper 模型实现本地语音识别转字幕，支持可视化剪辑、实时预览、样式自定义和多格式导出。浏览器本地运行 AI 无需上传服务器，隐私安全有保障，文末附详细使用教程

🎤 引言

做视频的朋友应该都懂——加字幕是最枯燥的重复劳动。传统流程要先把音频导出，上传到某飞某讯的语音识别服务，等待处理完下载字幕文件，再导入剪辑软件对齐时间轴，遇到识别错误还得逐句校对，一套下来半小时没了。

Flycut Caption 是一个开源的 React 字幕编辑组件，直接把整个流程打包成浏览器应用。上传视频、自动识别、可视化编辑、样式调整、导出成品，全在本地搞定。关键是 AI 模型跑在浏览器里，你的视频数据不会离开电脑，隐私这块拿捏住了。

⭐ 核心功能

🧠 AI 语音识别

基于 OpenAI 的 Whisper 模型，通过 Hugging Face Transformers.js 在浏览器本地运行。支持中文、英文等多语言识别，识别过程放在 Web Worker 后台线程，界面不会卡顿。

跟在线服务比起来，本地运行的优势很明显：不用等上传下载、不用担心网络波动、敏感内容不会经过第三方服务器。实测一段 5 分钟的 1080p 视频，识别耗时约 30 秒（取决于电脑性能）。

✂️ 可视化字幕剪辑

识别完的字幕以时间轴形式呈现，想删哪段直接点选，支持批量操作和撤销重做。点击字幕就能跳转到对应视频位置，配合实时预览快速定位。

这个设计比传统字幕软件直观得多——不用在密密麻麻的时间轴里找片段，直接看文字列表就知道哪句要删。

🎨 字幕样式自定义

字体大小、粗细、颜色、位置、对齐方式、背景透明度，这些都能调。调整效果实时显示在视频预览上，所见即所得。

对于需要统一品牌风格的创作者，这个功能能省不少后期调色的功夫。

📤 多格式导出

字幕可以导出 SRT（通用格式，Pr/FCP/剪映都能导入）或 JSON（方便二次开发）。视频导出支持剪辑功能——只保留没删的片段，还能选择是否把字幕烧录进视频。

📥 安装与使用

项目源码托管在 GitHub，基于 Node.js 开发，环境要求：

• Node.js 18+
• pnpm（推荐）或 npm

快速开始：

# 克隆项目
git clone https://github.com/x007xyz/flycut-caption.git
cd flycut-caption

# 安装依赖
pnpm install

# 启动开发服务器
pnpm dev

# 浏览器访问
http://localhost:5173

也可以作为组件集成到自己的项目：

npm install @flycut/caption-react

import { FlyCutCaption, zhCN, enUS } from '@flycut/caption-react'

// 使用中文语言包
<FlyCutCaption
  config={{ language: 'zh' }}
  locale={zhCN}
/>

支持自定义语言包，文档里给了日语示例，需要其他语言可以照葫芦画瓢。

🎯 技术亮点

✅ 总结

Flycut Caption 适合需要快速给视频加字幕的场景——vlog 剪辑、课程录制、会议录像都能用。本地跑 AI 这点很加分，敏感内容不用担心泄露。

目前项目还在早期阶段，功能已经可用但还有优化空间。如果你熟悉 React，可以 fork 出来按自己需求改，MIT 协议随便折腾。源码在 GitHub，欢迎 star 和提 issue。

适合人群：视频创作者、开发者、需要批量处理字幕的用户

上手难度：⭐⭐（有 Node.js 基础就能跑起来）