步骤 01
准备本地模型
进入“字幕提取”后查看“本地识别模型”。首次使用点“下载模型”；下载可取消、继续，已有缓存会自动共用。
步骤 02
添加视频或音频
拖入文件、文件夹，或点“选择文件 / 选择文件夹”。文件夹可递归扫描；页面会说明不支持类型、重复项、空文件夹和 200 个上限。
步骤 03
选择语言和格式
语言可选自动检测、中文、英语、日语或韩语；输出可选 SRT、TXT 或两种。SRT 含时间轴，TXT 只保留文字。
步骤 04
选择保存目录
在“保存到”选择已有且可写的目录。输出按每个输入素材分别新建文件，不覆盖原素材或已有结果；同名时自动追加编号，如 (2)、(3)。
步骤 05
开始并检查进度
点“开始提取字幕”，逐项查看等待、识别、完成或失败状态。需要停止时点“取消任务”，已完成结果会保留。
步骤 06
打开并校对结果
在完成项旁打开 SRT 或 TXT，重点检查同音字、专有名词、断句和字幕时间点，再用于剪辑或发布。
实用技巧
- 素材语言明确时直接指定语言，通常比自动检测更稳定。
- 先用一小段代表性素材检查准确率，再加入长音频或大批量文件。
- 噪声大、多人同时说话或背景音乐明显时，先改善音轨质量再识别。
常见问题
能提取画面里的硬字幕吗？
不能。本工具只识别视频或音频中的声音，不做 OCR；没有音轨的素材无法还原画面文字。
支持哪些输入？
视频支持 MP4、MOV、MKV、AVI、WEBM、M4V；音频支持 MP3、WAV、M4A、AAC、FLAC、OGG、OPUS。也可导入文件夹并递归扫描，单次最多加入 200 个符合类型的文件。
为什么首次使用要下载模型？
语音识别在本机运行，需要约 57 MiB 的模型。下载可取消、继续；已有视频处理或 AI 剪辑缓存时会直接共用。
下载模型后还需要联网吗？
模型已完整缓存后，本地识别不上传素材。重新下载、更新模型或缓存缺失时仍需要网络。
SRT 和 TXT 有什么区别？
SRT 包含字幕序号和时间轴，适合导入剪辑软件；TXT 只保存识别文字，适合阅读和整理。
为什么识别不准确？
口音、噪声、多人重叠、背景音乐、专有名词和音量过低都会影响结果。请校对文字和时间点，必要时先处理音频。
取消后结果会丢失吗？
任务会停止，未完成临时文件会清理；已经成功生成的 SRT 或 TXT 会保留在保存目录。
同名字幕会覆盖吗？
不会。保存目录已有同名 SRT 或 TXT 时，新结果会自动追加编号，如 (2)、(3)。
支持哪些系统？
macOS 14 或更新版本（Apple 芯片），以及 Windows 10 1903（build 18362）或更新的 64 位系统。
需要登录、套餐或积分吗？
不需要。该工具免费、本地处理，不登录，也不会扣积分。
遇到问题如何反馈？
请记录系统版本、素材类型、操作步骤和完整报错，发邮件至 support@laohuangniu.net；请勿发送账号密码或私密素材。