2ByteASR · 兔白字幕

准确识别字幕，轻松剪辑视频。

面向游戏实况的免费字幕识别与视频编辑工具，支持本地部署。
从识别、校对到特效字幕与视频输出，一站完成。

下载与快速开始 · 功能演示 · 实际界面 · 模型

中文 · English · 日本語

一份字幕，三种分工

转写先把话写出来，时间轴把每个字落到对应的时间，复核让同一句的不同结果放在一起比较。按素材和设备选择组合，再按需开启 AI 断句。

角色	帮你做什么	代表方案
主力转写	写出文字；MOSS 还能分出不同的说话人，各放一条字幕轨	MOSS、SenseVoice、Whisper
字词时间轴	给每个字标上起止时间，断句和切分都沿着字的边界	FireRedASR2-AED、Paraformer；已有文本可用 Qwen3-ForcedAligner
文字复核	用另一个模型再听一遍，标出写法不同的字	Qwen3-ASR 等本地／在线方案

切到字词边界，调整字幕节奏

每个字都有自己的起止时间。拖动剃刀，它只会停在字与字之间，预览卡同时显示前后两段；松开就切开，时间跟着字走。切错了，一键撤销。

同一句，对照候选再采用

“他”还是“它”？三个模型各自听一遍，写法不同的字会被标出来。在同一条字幕下看清差异和来源，点一下采用，当前字幕随之更新。

游戏术语库：整理一次，反复使用

角色名、别名和常见错词，按游戏归档。核对参考词与来源，确认后用于识别和校对；换一段素材，不必从头整理。

直播切片与特效字幕

先找到值得剪的片段。 结合直播弹幕 XML 和字幕，找到“残血反杀”“翻车爆笑”“弹幕集中”等候选，每条写明理由和时间范围，选好后加入剪辑。

再让一句话有自己的表情。 字体、材质、入场与退场一起构成字幕作品。已有样式可以复用，也可以配置 AI 设计服务生成并修改。字幕设计和直播切片可以分别使用。

木刻压印：木板扣合、刻印显字、收拢退场。CRT 计分屏：通电、磷光显字、关屏退场。

实际界面

左边是字幕工作台，右边是首页。更多截图见界面一览。

下载与快速开始

当前正式版 0.6.5，本轮只提供 Windows x64。 下载最新版请到 Latest Release。第一次安装只需下载 2ByteASR-Setup-0.6.5.exe（约 962 MB，SHA-256 见 Release 中的 SHA256SUMS.txt）；第一次本地识别还要在模型工坊下载所选的运行环境和模型。0.6.0 及更早版本直接覆盖安装，不要先卸载；0.6.5 起用程序内“检查更新”，只下载变化的部分，沿用相容的模型与环境。安装包没有 Windows 代码签名，可能出现“未知发布者”提示。

1. 安装并启动。 运行 Setup 安装包后启动。
2. 准备识别方案。 在模型工坊准备本地模型，或配置自己的在线服务。
3. 导入并识别。 选择素材、内容与词库，检查转写、字词时间和说话人结果。
4. 进入字幕工作台。 校对、拆分或合并，调整字幕与画面，再导出字幕、文稿或压制成片。

默认采用深葡萄紫主题，也可以在外观设置中换成暖奶油、暖夜炭、薰衣草或岩灰。

必要条件

• 系统： Windows 10 22H2（19045）及以上的 x64 系统；macOS 15 及以上的 Apple Silicon 设备（实验版，未作 Developer ID 签名与公证，见说明）。
• 本地识别： 模型权重在模型工坊按需下载。SenseVoice 支持 CPU；MOSS、FireRedASR2-AED、Qwen3-ASR 等使用 NVIDIA CUDA。
• 在线服务： 使用自己的账号或 API 密钥，按服务提供方的规则计费。
• 输出： SRT、ASS、TXT、JSON、说话人分轨，以及 MP4、MKV、MOV 视频。

从源码运行

git clone https://github.com/NOTBAD314/2ByteASR.git
cd 2ByteASR
.\setup_environment.bat
.\.venv-main\Scripts\python.exe quick_start.py

main 是 0.6.5 起的程序源码；与安装包逐字节对应的构建来源是 tag v0.6.5，完整构建输入在 Release 的 2ByteASR-Source-0.6.5.zip。自有代码为 GPL-3.0-only，另有针对 Remotion/GSAP 的附加许可，见 PROJECT_LICENSE.md。

模型目录

• 主力转写： MOSS-Transcribe-Diarize（多人与说话人区分）、SenseVoice Small（可用 CPU）、FireRedASR2-AED、Qwen3-ASR 1.7B、Paraformer Large、Whisper large-v3-turbo、Fun-ASR Nano、FireRedASR2-LLM、GLM-ASR-Nano、Canary-Qwen-2.5B（英语）
• 字词时间轴： FireRedASR2-AED、Qwen3-ForcedAligner 0.6B、Paraformer Large、Whisper large-v3-turbo
• 文字复核： Qwen3-ASR 1.7B、SenseVoice Small、Whisper large-v3-turbo、FireRedASR2-LLM、Fun-ASR Nano
• 在线接口（自备账号）： Qwen Audio 3.1 长音频转写、Spark-ASR 2.0、Groq Whisper、OpenAI Transcribe、MAI 2.1（OpenRouter）、OpenAI 兼容接口

模型权重不随程序附带，在模型工坊按需下载，并遵守各自的许可。

更多文档与反馈

界面一览 · 使用指南 · 源码提供说明 · 反馈问题

反馈时附上版本、模型、复现步骤和截图，方便定位问题。

项目自有代码采用 GPL-3.0-only（标准英文全文 / 适用范围）。官方版本免费提供；允许依 GPL 商用、修改和收费分发，分发时须履行对应源码等条件。私人修改无需公开，普通字幕、视频和图片不会仅因使用本软件生成而自动适用 GPL。第三方组件保留各自许可：高保真渲染用到的 Remotion 对个人和员工不超过 3 人的营利组织免费，更大的营利组织需另购其 Company License；GSAP 采用其标准条款。详见第三方说明与模型许可表，完整安装包的分发材料仍在整理中（分发状态）。