返回首页

Vv Transcribe 使用文档

从安装到精通，全面了解 Vv Transcribe 的每一个功能

01 产品概述

Vv Transcribe 是一款面向媒体专业人士的 AI 字幕转写与校对工具。基于本地 Whisper 语音识别引擎，支持音视频文件的高速转写，并提供参考稿比对、AI 智能纠错等核心功能，帮助广播电视从业者精准校对字幕，杜绝播出事故。

本地运行
文件不上传云端，数据安全
零 API 费用
开源引擎，无持续成本
多格式支持
SRT/TXT 等多种导出格式

02 安装与启动

系统要求

  • Windows：Windows 10/11，64 位系统，建议 8GB 以上内存
  • macOS：macOS 12+，支持 Intel 和 Apple Silicon (M1/M2/M3)
  • 磁盘空间：首次运行需下载约 1-2GB 模型文件

安装步骤

  1. 1从官网下载对应系统的安装包（Windows .exe / macOS .dmg）
  2. 2运行安装程序，按提示完成安装
  3. 3首次启动时，应用会自动下载 Whisper 模型（约 1-2GB），请耐心等待
  4. 4模型下载完成后即可开始使用

首次打开提示「无法验证开发者 / 已损坏」或「Windows 已保护你的电脑」？

这是正常现象。Vv Transcribe 是个人开源项目，暂未购买付费代码签名证书，系统因此会拦截提示——应用本身安全、功能完整、数据全程本地处理。按下面方法即可正常打开：

  • macOS：在「应用程序」里右键点 Vv Transcribe → 选「打开」→ 弹窗再点「打开」；若仍提示已损坏，在终端执行 xattr -cr "/Applications/Vv Transcribe.app"。
  • Windows：SmartScreen 弹窗点「更多信息」→「仍要运行」即可。

03 音视频转写

导入文件

支持以下方式导入音视频：

  • 拖拽导入：直接将文件拖入应用窗口
  • 文件选择：点击「导入文件」按钮选择本地文件
  • URL 下载：粘贴视频 URL，应用自动下载并导入

支持格式

MP4MP3WAVFLACAACOGGM4AWEBMMOVAVI

转写过程

点击「开始转写」后，Whisper 引擎将在本地对音频进行语音识别。转写过程中会实时显示进度条和已识别的文字内容。转写速度取决于音频长度和计算机性能，通常 1 小时音频约需 5-15 分钟。

提示：首次转写需要下载 AI 模型文件，请确保网络连接正常。后续转写将使用本地缓存的模型，无需联网。

04 参考稿比对

上传参考稿

转写完成后，可上传播出稿或参考稿进行比对。参考稿用于与转写结果逐字对比，快速发现差异。

  • 点击「上传参考」按钮，选择 TXT 或 DOC 文件
  • 每次仅支持上传一份参考稿，上传后按钮将禁用
  • 如需更换参考稿，先点击参考稿气泡上的清除按钮

Diff 比对结果

比对结果以颜色标注差异：

转写结果→参考稿内容— 差异部分高亮显示

05 AI 智能纠错

完成参考稿比对后，点击「AI 纠错」按钮，AI 将自动分析所有差异，给出纠错建议与原因解释。

差异分析

AI 逐一分析每个差异点，判断是转写错误还是参考稿表述不同

💡
纠错建议

针对转写错误，AI 给出修正建议，一键采纳即可更新字幕

参考稿问题

如发现参考稿本身存在问题（如错别字），AI 也会标注提醒

注意：AI 纠错过程中，参考稿的清除按钮将被禁用，防止误操作中断分析。

06 导出字幕

校对完成后，可将字幕导出为多种格式：

SRT 格式
标准字幕格式，带时间轴，可直接导入视频编辑软件
TXT 格式
纯文本格式，方便复制粘贴和二次编辑

07 API 配置

功能说明

Vv Transcribe 默认使用本地 Whisper 引擎进行转写和纠错，所有处理在本地完成，无需联网。同时支持接入第三方 AI 厂商 API，自定义转写和纠错引擎，灵活适配不同场景需求。

支持的 API 厂商

OpenAI
GPT-4o / Whisper API
通义千问
阿里云 DashScope
DeepSeek
DeepSeek API
自定义 OpenAI 兼容
任何兼容 OpenAI 格式的 API

配置步骤

  1. 1打开应用，进入「设置」→「API 配置」
  2. 2选择 API 厂商，填写 API Key 和 Base URL
  3. 3选择要使用 API 的功能（转写 / 纠错 / 两者）
  4. 4点击「测试连接」验证配置是否正确
注意：使用第三方 API 会产生相应费用，费用由 API 厂商收取，与 Vv Transcribe 无关。未配置 API 时，所有功能均使用本地引擎，完全免费。

08 常见问题

首次使用需要联网吗？

是的，首次启动时需要下载 Whisper AI 模型（约 1-2GB）。下载完成后，后续所有转写操作均在本地完成，无需联网。

转写支持哪些语言？

目前支持中文（普通话）和英文的语音转写，后续版本将增加更多语言支持。

转写准确率如何？

基于 OpenAI Whisper 引擎，在清晰音频条件下中文转写准确率可达 95% 以上。配合参考稿比对和 AI 纠错功能，可进一步提升最终字幕的准确性。

文件数据安全吗？

所有转写和比对均在本地完成，文件不会上传到任何云端服务器。您的音视频内容和字幕数据完全保存在本地。

为什么转写速度有时较慢？

转写速度取决于音频长度、计算机性能（CPU/GPU）以及模型大小。Apple Silicon Mac 通常速度最快。1 小时音频一般需 5-15 分钟。

参考稿支持什么格式？

目前支持 TXT 纯文本格式。建议将 Word 文档另存为 TXT 后上传。