字幕生成功能

妙幕（SmartSub）的核心功能之一是从视频或音频文件中自动生成准确的字幕。本章节将详细介绍字幕生成功能的使用方法和参数设置。

支持的文件格式

妙幕支持多种常见的视频和音频格式：

视频格式

• MP4 (.mp4)
• AVI (.avi)
• MOV (.mov)
• MKV (.mkv)
• WebM (.webm)
• WMV (.wmv)
• FLV (.flv)
• 其他常见视频格式

音频格式

• MP3 (.mp3)
• WAV (.wav)
• AAC (.aac)
• FLAC (.flac)
• OGG (.ogg)
• M4A (.m4a)
• 其他常见音频格式

字幕生成界面

基本操作流程

1. 点击"选择文件"按钮或将文件拖拽到指定区域
2. 选择一个或多个视频/音频文件
3. 配置生成参数（见下文）
4. 点击"开始任务"按钮
5. 等待处理完成（进度会在界面上显示）
6. 处理完成后，字幕文件会自动保存在与源文件相同的目录下

参数设置

基本参数

参数	描述	推荐设置
模型选择	选择用于语音识别的 Whisper 模型	普通场景选择 small，高精度场景选择 medium 或 large
原始语言	指定视频/音频的原始语言	如果确定语言，建议指定；否则选择"自动检测"
字幕生成提示词	可以优化字幕生成的一些效果	如果原始语言是中文，可以设置为“以下为简体中文”， 避免生成繁体中文
上下文长度	可以控制上下文关联性	设置为 “最小化字重复” 可以解决字幕重复的问题
保存源字幕文件	设置保存源字幕的文件名格式 ｜ 根据需求进行设置即可｜
保存音频	可以开启是否保存提取出来的音频文件 ｜ 根据需求进行设置即可｜

批量处理技巧

妙幕支持批量处理多个文件，以提高工作效率：

1. 选择多个文件：可以一次选择多个文件，或多次添加文件到任务列表
2. 统一设置：对所有文件应用相同的处理参数
3. 队列处理：软件会按顺序逐个处理文件，您可以设置处理完成后的操作

提高识别准确率的技巧

要获得更准确的字幕识别结果，请考虑以下建议：

1. 选择合适的模型：

   • 对于清晰的普通语音，small 模型通常就足够
   • 对于专业术语、口音较重或背景噪音大的场景，使用 medium 或 large 模型
   • 如果视频主要是英语，可以选择带 en 后缀的模型（如 small.en）

2. 指定正确的语言：

   • 如果确定视频中的语言，直接指定可以提高准确性
   • 对于混合多种语言的视频，选择"自动检测"

3. 优化音频条件：

   • 输入的音频质量直接影响识别准确率
   • 如果可能，预处理视频以减少背景噪音

4. 处理长视频：

   • 对于超长视频，可考虑分段处理后合并字幕

硬件加速

妙幕支持使用硬件加速来提高字幕生成速度：

• NVIDIA CUDA：适用于 Windows 和 Linux 系统，拥有 NVIDIA 显卡
• Apple Core ML：适用于搭载 Apple Silicon (M系列) 芯片的 Mac 设备

故障排除

如果在字幕生成过程中遇到问题，可以尝试以下解决方法：

1. 程序崩溃或无响应：

   • 尝试使用更小的模型（如从 large 降至 medium 或 small）
   • 减少并行任务数量

2. 识别结果不准确：

   • 尝试使用更大的模型
   • 检查指定的语言是否正确
   • 确保音频质量良好，背景噪音较小

3. 处理速度过慢：

   • 选择较小的模型
   • 选择量化版本的模型
   • 如果显卡支持 CUDA，确认是否安装了 toolkit

4. 无法正确保存字幕文件：

   • 检查目标文件夹的写入权限
   • 尝试更改输出路径