Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
MioSub 開源 AI 字幕工具：轉錄、翻譯、對齊、壓制一條龍，貼連結就出片
MioSub 是 AGPL-3.0 開源的桌面端 AI 字幕工具（React＋Electron＋TypeScript，GitHub 約 740 顆星），把影片下載、Whisper 轉錄、Gemini 翻譯（百種語言互譯）、CTC 時間軸對齊、說話人標註、雙語字幕匯出與字幕壓制全收進一個流程，貼連結即可全自動出片，也支援純音訊（podcast、有聲書）。內建所見即所得字幕編輯器，能邊看邊改、即時預覽。要留意它需要自備 Gemini 等 API 金鑰（雲端計費），非完全離線免費。適合常做影片字幕、多語翻譯或聽打的內容工作者。
用 AI 摘要這篇文章：
MioSub 是一套開源的桌面端 AI 字幕工具，主打「貼上連結、等它跑完，回來收成品」的全自動流程，把轉錄到壓製成片串成一條龍，中途不必你在好幾個工具之間來回切換。專案在 GitHub 有七百多顆星，AGPL-3.0 授權，用 React、Electron 與 TypeScript 寫成，有官方示範站可以線上試用。它的前身叫 Gemini-Subtitle-Pro，後來改名 MioSub、擴充成更完整的一條龍字幕工作流。
TL;DR：MioSub（GitHub 約 740 顆星，AGPL-3.0 開源，React 19＋Electron 39＋TypeScript，2025 年 11 月開張、2026 年 6 月初仍活躍更新，release v3.1.7）是一套桌面端 AI 字幕工具，把下載、轉錄、翻譯、對齊、壓製串成一條全自動流程，貼連結即可出片，也支援純音訊（podcast、有聲書）與雙語字幕匯出。它內建所見即所得的字幕編輯器，能邊看邊改、即時預覽。要留意它需要你自備 Gemini 等 API 金鑰（雲端呼叫計費），不是完全離線免費。適合常做影片字幕、多語翻譯或聽打的內容工作者。
目錄
跟傳統字幕工具差在哪
傳統做字幕的整個流程很碎：先找工具把影片轉錄成文字，再拿翻譯工具譯成目標語言，然後手動對時間軸、校對術語，最後另找軟體把字幕壓進影片。每一段換一個工具，中間還要不斷來回搬檔案。MioSub 想解決的就是這種割裂，它把整條流程串起來，你只要貼上影片或音訊連結，它就一路做到成片。
它和〈GPT 翻譯工具〉那類純翻譯工具的差別在於「翻譯只是其中一環」：MioSub 先轉錄、再翻譯，而且翻譯時會帶著前後文與自動提取的術語表一起處理，譯出來的字幕比逐句機翻通順。它也與剛介紹過的〈OpenLess〉語音輸入工具形成互補，OpenLess 是把你「說的話」即時變文字，MioSub 則是把「已經錄好的影片或音訊」整段轉成字幕，一個即時、一個事後批處理，各有各的場景。把幾種做字幕的方式擺在一起比較，定位更清楚：
| 方式 | 流程整合 | 時間軸對齊 | 多語翻譯 | 適合場景 |
|---|---|---|---|---|
| MioSub | 一條龍全自動 | 毫秒級（CTC） | 百種語言 | 常做字幕的創作者 |
| 傳統多工具拼湊 | 手動切換搬檔 | 手動對軸 | 另找翻譯工具 | 零星需求 |
| 單一轉錄工具 | 只轉錄 | 粗略時間戳 | 無 | 只要文字稿 |
和剪映、必剪（CapCut）這類內建自動字幕的短影音剪輯器相比，MioSub 走的是另一條路。剪映、必剪是完整的影片剪輯器，自動字幕只是附帶功能，翻譯多半限於少數語言、也不開源；MioSub 則把全部力氣放在字幕這一條流程上，翻譯靠 Gemini 支援上百種語言、時間軸對齊做到毫秒級、還能匯出雙語字幕。若你的需求是「把一支長影片配上高品質多語字幕」，MioSub 在字幕這一環比剪映那類工具深入得多；若你需要的是完整剪輯，那剪映仍是更全面的選擇，兩者其實是分工而非替代。
一條龍：轉錄、翻譯、對齊、壓制
MioSub 的核心是那條自動化流水線。轉錄用 Whisper 把語音轉成文字，翻譯走 Gemini API、支援一百多種語言互譯，時間軸對齊則靠內建的 CTC 對齊器做到毫秒級精度，不必再外接其他對齊工具，這也是它從舊版 Gemini-Subtitle-Pro 升級到 v3 時補上的關鍵一塊。對於多人對話的內容，它能自動標註說話人，讓字幕不會把兩個人的話混在一起；過程中還會自動提取專有名詞與術語，減少翻譯前後不一致的問題。
跑完這條線，你可以選擇匯出 SRT、ASS 字幕檔，或匯出雙語字幕（原文加譯文並列），也能一鍵把字幕直接壓製（hardcode）進影片，輸出帶字幕的成片。官方宣稱的效率參考是三十分鐘的影片大約八分鐘跑完（實際速度會依你用雲端或本機轉錄、以及硬體而浮動），對習慣外包字幕的創作者來說，這個速度能省下可觀的等待與往返時間。
不只是影片，純音訊也行
很多字幕工具預設只吃影片檔，MioSub 則把純音訊也納入處理範圍。這對做 podcast、廣播電台節目、有聲書的人很實用，你不必為了出文字稿而先把音訊配上空白畫面轉成影片，直接餵音訊檔進去，它就能轉錄、翻譯、輸出字幕或文字稿。
純音訊的應用場景比想像中廣。訪談節目主持人可以把一個小時的錄音交給它，產出帶說話人標註的完整文字稿，方便剪輯時找段落、或整理成文章發布；做有聲書的人能批次把整本書的音訊轉成文字，再人工校對成電子書稿；企業內部的會議錄音、教育訓練音檔，也能用它快速出一份會議紀錄或多語摘要。這些過去要不是外包給聽打人員、就是自己戴耳機逐句敲的活，現在多了自動化的選項，把人力留在最需要判斷的最終校閱階段，整體產能會明顯提升。
輸出端它也照顧到中日文這類字元較多的語言，內建 NotoSans 字型來避免缺字或顯示成方塊，壓製出來的成片在不同裝置上看起來比較一致。對做跨語言內容、需要把同一份素材同時出中文字幕和英文字幕的人，這套雙語匯出加上多語介面（中、英、日）的設計，省下了不少後製手工，整體產出效率會跟著提升。
編輯器與雙語字幕
不過全自動不代表完全不能插手。MioSub 內建一個所見即所得的字幕編輯器，自動跑完的結果你可以邊看影片邊修改，字幕的呈現效果即時預覽，改完再重新壓製。這對轉錄偶爾出錯、或想把口語化的句子改通順的人來說是必要的逃生口，AI 轉錄再準，專有名詞和特殊用語還是有機會出錯，能直接進編輯器修比重新跑一遍省事。
說話人標註與術語自動提取，是它對「長內容」特別有價值的兩個能力。做訪談節目或多人 podcast 時，傳統轉錄常常把兩個人的話黏成一段、分不清誰說的；MioSub 的說話人分離（diarization）會自動標註發言者，字幕讀起來才有對話的層次。術語提取則是它會掃出影片裡反覆出現的專有名詞、建立一份小詞彙表，翻譯時統一套用，這對一小時的課程、技術教學這類術語密集的內容尤其重要，否則觀眾會被同一個詞的五花八門譯法搞糊塗。這兩項加上毫秒級時間軸對齊，是它「成品品質」能拉開和普通轉錄工具差距的地方。
雙語字幕的匯出是它對教學與跨語內容特別友善的一塊。你可以同時保留原文和譯文，輸出後觀眾能對照著看，對語言學習、或給外籍觀眾搭配母語理解的影片都很合適。加上它支援 SRT 與 ASS 兩種主流格式匯入匯出，要接進既有流程 或丟給其他後製工具〈像壓縮、轉檔這類處理〉也相容。
雙語字幕在實務上的價值比單語字幕高一截。做語言教學頻道的人，可以一次產出「原文在上、譯文在下」的字幕，讓學習者邊聽邊對照，吸收效率比純外語字幕好得多；企業做跨國內部訓練影片時，雙語字幕讓不同母語的員工都能看懂，不必為每個語言各做一版。MioSub 把這件事做成匯出選項之一，而不是要你跑兩遍流程再手動合併，對需要同時服務多語觀眾的內容來說，這是一個能直接省下重複工期的設計。
要留意的點：需要 Gemini 等 API 金鑰
誠實講一個使用前提：MioSub 的翻譯走 Gemini API，轉錄也可能用到雲端或本機模型，這意味著它不是裝了就能完全離線免費跑。你需要自備 Gemini（或其他支援的）API 金鑰，雲端呼叫會按用量計費；若想完全本機、不花 API 費用，則要看它支援的本機轉錄方案與你的硬體夠不夠力。
所以它的「免費」指的是軟體本身開源、不必付軟體授權費，背後的 AI 算力成本還是會落在你看得到的地方，接雲端 API 就照供應商計費，接本機模型就吃你機器的 GPU 與記憶體。對已經有 Gemini API 額度、或本機有夠力顯卡的人，這個門檻不算高；對完全不想碰 API 金鑰的人，就得先評估自己能不能接受這層設定。
成本上也可以稍微盤一下。Gemini API 目前有免費額度可試用，量小的創作者初期幾乎不用花錢就能跑通；量大之後才需要留意每月的 API 帳單，而長影片的轉錄與翻譯會比短影片吃更多運算量。另一條路是轉錄改走本機 Whisper、只讓翻譯走雲端，能壓低一部分成本，前提是本機要有一定的運算資源。也就是說，MioSub 把「軟體免費、算力自付」講得很清楚，沒有把雲端成本藏起來，使用者可以依自己的產量和預算挑選最划算的組合。
授權方面也要留意一下。MioSub 是 AGPL-3.0，個人學習或一般內容創作使用通常沒有顧慮；但如果你打算修改它的原始碼、再對外提供成一個網路服務，或整合進自家的商業產品，就得先核對 AGPL 對「網路可存取服務須公開原始碼」的要求。純粹自己用、或原封不動部署則不在這個範圍，判斷標準和之前介紹過的幾個 AGPL 工具一樣：會不會改、會不會對外開放存取。
誰適合用
MioSub 最對口的是常做影片或音訊字幕的內容工作者：YouTuber、線上課程製作者、podcast 主持人、多語內容團隊，尤其是需要把中文內容譯成英文、或反過來把外語影片配上中文字幕的人。它把一段原本要拆給好幾個工具、來回搬檔案的流程收進一個桌面應用，省下的是反覆切換與等待的時間。
具體的工作流程可以這樣想像一下：你想給一支英文教學影片配上中文字幕，把連結貼進 MioSub，設定目標語言為繁體中文，按下開始；幾分鐘後回來，它已經完成下載、轉錄、翻譯、對齊與說話人標註，你可以進編輯器快速掃一遍、修正少數轉錄或翻譯不順的地方，再一鍵壓製成帶中文字幕的成片。整段下來，原本可能要花一兩個小時在多個工具間搬移、手動對軸的活，被壓縮成一次貼連結加一次校閱。對每週都要產出帶字幕影片的人，這個效率差距會很明顯地累積。
它不適合完全不願意設定 API 金鑰、或追求一鍵完全離線免費的人，那種需求，純本機的 Whisper 轉錄工具會更省事。但若你能接受自備 API 金鑰、又想一次搞定轉錄到壓製的整條字幕流程，MioSub 把這件事做到了相當完整的程度，是開源陣營裡少數把「下載到成片」整段串起來的選擇。它提供 Windows 與 macOS 的桌面版，使用上就是裝好、填入 Gemini 等 API 金鑰、貼上影片或音訊連結（支援的平台以官方說明為準）就能開始跑。想試用可以到 官方示範站操作，或從 GitHub release 頁下載桌面版。
