字幕生成與聲音克隆，
全在本地完成。

字幕。 為創作者、Podcast 主持人和任何需要精準時間碼字幕的人而設計。帶波形圖的可編輯逐字稿，字幕片段可直接拖動；支援 SRT、VTT、純文字或 Final Cut Pro 的 FCPXML 格式；自動辨識 16 種語言，包括普通話與粵語；可選用 OpenAI whisper-1 走雲端路徑。

聲音克隆。 由 CosyVoice 3 驅動 — 完全在本地執行，參考音訊不會離開你的電腦。零樣本克隆，無需微調。支援 9 種語言：中文 · English · 日本語 · 한국어 · Deutsch · Español · Français · Italiano · Русский。Whisper 自動為參考音訊產生逐字稿，可即位編輯。按需安裝 — 只在你啟用時才下載模型。

• 任意縮放等級下的逐像素波形時間軸（⌘+ / ⌘− / ⌘0）
• 字幕片段可拖動 — 主體拖動位置，邊緣調整時長
• 原位文字編輯，文字框自動展開，⌘Z 還原
• 插入 / 拆分 / 合併 / 刪除 — 每列的 + 按鈕（自動填充間隙），列內 ✂ 在游標處拆分，↑ 與上一列合併，⌘J 合併多列選取範圍
• 變速播放（1× / 1.25× / 1.5× / 2×）不改變音調
• 中文逐字稿支援即時簡/繁轉換（OpenCC）
• 格式通吃：WebM (Opus + AV1)、MKV、FLAC、.ogg（Web Audio 備援方案）
• 本地模式不向外傳送任何資料 — 適合 NDA 保密內容

CosyVoice 執行階段體積較大（約 6.5 GB），無法直接打包，會在你首次下載模型時按需安裝。Vuesub 會自動偵測缺少的依賴並在介面上給出安裝指令。你需要先把以下三個工具加入 PATH：

• python 3.10–3.12 — CosyVoice 的 torch 版本要求。 brew install [email protected]
• uv — venv 與依賴管理器，比 pip 快 10 倍。 curl -LsSf https://astral.sh/uv/install.sh | sh
• git — 淺克隆 CosyVoice 倉庫。 xcode-select --install

注意。 聲音克隆目前僅在 Apple Silicon Mac 上完整測試。Windows 與 Linux 版本由 CI 建置，但執行階段路徑尚未在這兩個平台實測。如遇問題，歡迎 提交 issue 回報。

SRT。 SubRip — 通用的時間碼字幕格式。純文字、編號字幕段、HH:MM:SS,mmm 時間格式。播放器：VLC、IINA、mpv、QuickTime、智慧電視。上傳：YouTube、Vimeo 直接接受 SRT。剪輯軟體：Premiere Pro、DaVinci Resolve、Final Cut Pro、CapCut、Camtasia。硬字幕燒錄：ffmpeg -vf subtitles=in.srt。

FCPXML。 一份真正的 Final Cut Pro 專案（FCPXML 1.11），每段字幕都是 lane 1 上可重新設計樣式的原生 <caption> — 不是燒錄的字幕。逐幀精準對齊（1080p · 30 / 24 / 25 / 29.97 / 60）。29.97 與 59.94 使用 drop-frame 時間碼，其他幀率使用 NDF。匯入方式：File → Import → XML… → 選擇 .fcpxml。

VTT。 配合 HTML5 <video> 與 <track> 標籤的 WebVTT 格式。結構與 SRT 類似，時間分隔符是 . 而非 ,，檔案以 WEBVTT 標頭開始。適合你自己掌控的站台自架影片。

純文字。 只有文字，每段一行，沒有時間碼。適合需要 內容 而非時間的場景 — 把 Podcast 整理成部落格、把逐字稿丟進 Notion、把文字餵給 LLM、分享筆記。