语音识别自动生成字幕和字幕翻译功能

语音识别生成字幕（ASR）

这是 VidHub 一个非常实用的高级功能——设备端本地语音识别，可以实时把视频中的对话转换为文字字幕。

支持情况

• 苹果端（iOS / iPadOS / macOS / Apple TV）：完整支持，使用 Apple 原生 SFSpeech API
• Android 端：支持，使用设备厂商提供的语音识别引擎
• 识别语言：支持 20+ 种语言（英语、普通话、粤语、日语、韩语、西班牙语、法语等）

使用场景

视频没有任何字幕（内置也没有、外挂也没有）——这是语音识别的最佳用武之地。比如：

• 外语访谈视频
• 没有字幕的纪录片
• 自制视频或用户上传的短片
• 冷门电影找不到字幕资源

使用步骤

1. 播放无字幕视频 → 右上角三个点 → 字幕
2. 找到"语音识别"或"生成字幕"选项
3. 选择视频的原始音频语言（如英语、普通话）
4. 等待识别过程完成（通常实时同步，边播边显示）
5. 生成的字幕可以：

• 继续使用（实时跟踪音频）
• 保存为 SRT 文件
• 翻译为其他语言

识别精度说明

• 标准清晰度视频中的清晰对白 → 识别精度较高（90% 以上）
• 嘈杂环境、口音重、多人对话 → 精度下降
• 歌曲、音效部分 → 不生成字幕（正确行为）
• 这不是替代专业字幕的方案，而是没有字幕时的应急方案

性能影响

语音识别需要持续占用 CPU：

• 现代 iPhone/iPad/Mac 硬件加速，影响很小
• 老旧设备可能发热或耗电加快
• 建议充电时使用

字幕翻译

VidHub 支持将已有字幕（内置、外挂、语音识别生成的）实时翻译成你想要的语言。

使用步骤

1. 播放带字幕的视频 → 右上角三个点 → 字幕
2. 确认当前有已加载的字幕
3. 找到"翻译字幕"或"字幕翻译"选项
4. 选择目标语言（如翻译成简体中文 / 英语）
5. 字幕立即以目标语言显示

翻译特点

• 实时翻译 — 边播放边翻译，不需要等整部视频处理完
• 多语言互译 — 中→英、英→中、日→中 等常见组合都支持
• 保留位置和样式 — 翻译后的字幕保持原位置和时间轴
• 翻译服务 — VidHub 使用内置翻译引擎，不依赖第三方 API（隐私安全）

翻译精度说明

• 常见对白场景（日常对话、电影台词）→ 翻译质量不错
• 专业术语、双关语、流行语 → 可能有错误
• 建议：翻译用于理解大意没问题，精确学习外语还是看原字幕好

两项功能的组合拳

视频没有字幕 → 语音识别生成源语言字幕
    ↓
生成的字幕可以 → 翻译成目标语言
    ↓
翻译后的字幕可以 → 保存为 SRT 文件（以后不需要再翻译）

这个组合特别适合：

• 学习外语的人（原字幕 + 翻译字幕对照着看）
• 想快速理解外语视频内容但不想等下载字幕的人
• 冷门资源找不到任何字幕的情况

隐私说明

• 语音识别在设备本地完成，不发送到云端
• 字幕翻译也在本地完成
• 视频内容和字幕不会上传到任何服务器
• 这是 VidHub 在同类产品中隐私做得比较好的地方

与 VIP 的关系

• 语音识别生成字幕 — 免费功能，所有用户都能用
• 字幕翻译 — 部分版本可能需要 VIP（以官方最新为准）

实际效果参考