大多数字幕工具会把视频上传到服务器,再按分钟收费。如果手上是Apple silicon的Mac,整件事其实可以在本机完成:转写语音、切成可读字幕、翻译、导出YouTube和主流剪辑软件都能识别的文件。
这套流程围绕一款叫MLX Caption的Mac应用展开,前五个视频免费,跟着做不需要付费。速度上有一个具体参照:在M3 Pro上,一段28秒的片段转写用了5.2秒;把同一段翻译成全部100种语言,再加上场景描述和摘要,耗时6分35秒。较旧的Mac和8GB内存的机器会更慢。
为什么放在本地跑
三个理由被明确摆出来:隐私上,客户素材、未发布视频和内部录音不会离开这台Mac;成本上,在线服务通常按视频分钟数计费,多翻几种语言还要再加钱,而本地工具处理一条视频和处理一千条视频成本一样;上传环节也省了,大文件不需要先传到别处。
代价是首次启动要联网下载模型:8GB到16GB内存的Mac约6.5GB,24GB及以上的机器约13GB。这是唯一需要网络的步骤,之后全部离线运行。
五步走完整个流程
- 从MLX Caption页面下载免费试用版并解压,不需要账号、邮箱或银行卡。因为不在Mac App Store上架,首次打开要在系统设置→隐私与安全性里点“仍要打开”,只需操作一次。
- 首次启动时应用安装组件并下载AI模型,即上面提到的6.5GB或13GB。
- 把视频拖进窗口,口播语言会自动检测。接着勾选需要的字幕语言,默认选中15种常用语言,另有“全部核心”(54种)和“全部100种”两个按钮。如果视频里有语音模型可能听错的人名或术语,可以把它们加进词汇提示,然后点开始。
- 完成后可以用任意字幕语言播放视频、阅读转写文本、把译文和原文并排对照。发布前值得快速过一遍,人名和冷门语言尤其要看。
- 导出。每个任务生成一个文件夹,里面包含:每种语言的SRT和VTT文件;一个把全部语言作为可选字幕轨嵌入的MP4,且不重新编码视频;可选的一种语言硬字幕版本,适合观众不会主动开字幕的社交平台;一份纯文本转写,以及带章节时间戳的摘要,可以直接粘进视频简介。
各平台的导入方式
YouTube:在YouTube Studio打开“字幕”,选择视频,点“添加语言”,在字幕下点“添加”,选“上传文件→带时间轴”,选中对应的.srt文件,每种语言重复一次,其他国家的观众就能自己选语言。
Premiere Pro:像导入其他媒体一样把.srt文件导入项目,再拖到时间线上,它会变成可重新设计样式的字幕轨。Final Cut Pro:选择“文件→导入→字幕”,挑中.srt文件,较新版本可直接导入SRT。DaVinci Resolve:把.srt导入媒体池,拖到时间线即可创建字幕轨。
底层怎么跑的
所有计算都通过MLX在Mac的GPU上完成,MLX是苹果面向Apple silicon的机器学习框架。四个模型依次工作,一次只跑一个,以控制内存占用。
有意思的地方在翻译环节。GPU上生成文本受限于内存带宽而非原始算力,所以一次性翻成16种语言,成本只比翻一种略高。应用把每个提示里共用的部分只读一次,然后同时解码所有目标语言,这就是增加语言很便宜的原因。
两个小细节让输出变得可用:静音片段会被跳过,因为语音模型容易在静音处凭空生成文字;每一行译文都会检查是否混入了错误书写系统的字母,比如乌尔都语里出现印地语文字,发现后重新翻译。
需要知道的限制
- 54种“核心”语言翻译质量较高,另外46种属于低资源语言,质量参差不齐,发布前要检查。
- 必须使用Apple silicon的Mac,没有Windows版或Intel版。
- 机器翻译是强有力的初稿,不是认证翻译。法律或医疗内容需要母语者复核。
作者Tabish Hassan是巴基斯坦的软件开发者,也是MLX Caption的开发者。五个免费视频之后,一次性收费49美元,14天内可退款,没有订阅制。
热门跟贴