双语幕 Twinsubs
把音频、播客、录音变成字幕：Mac 本地出 SRT
手上是一段录音、一期播客、一场采访，或者一份语音备忘录，你想要带时间码的字幕，或者一份能复制、能搜索的文字，又不想把音频传到别人的服务器。双语幕不只处理视频：mp3、m4a、wav 这类音频文件拖进来，同样在文件旁边得到 .srt。外语的一期听不懂，也可以同时出翻译，边听边读。
能处理哪些文件
- 音频：mp3、m4a、wav、aac、aiff、flac、caf。
- 视频的声音：mp4、mov 等视频文件同样能拖进来，识别的是它的声音。
- 一次多个：整批拖进窗口，排成队列依次处理。
三步
- 拖进来把音频文件拖到窗口里。
- 等一会儿源语言自动识别，也可以手动指定；目标语言自己选。想只要原文字幕，目标选成同一种语言就行。第一次使用要联网下载一次语音模型（不到 1 GB）。
- 在音频旁取字幕同一个文件夹里多出 .srt：只含目标语言的，比如
Podcast.zh-Hans.srt；外语音频还有双语的，比如Podcast.zh-Hans-en.srt（目标在前，源在后）。
拿到 SRT 之后能做什么
- 当字幕用：做视频播客或带画面的音频节目时，把 SRT 导入剪辑软件，步骤见导入 SRT。
- 转成纯文字稿：SRT 是纯文本，去掉序号和时间码就是逐字稿，办法见检查和修改 SRT里的「转纯文本」一节。
- 外语播客边听边读：目标语言在上、原文在下，听不懂的句子立刻看到意思，原文也留着对照。
- 按关键词找位置：在 SRT 里搜到一句话，旁边的时间码就是它在音频里的位置。
双语幕的文件模式输出的是 SRT，不直接导出 txt 或带说话人的逐字稿。要纯文字，按上面的办法转。
适合哪些音频
- 播客和访谈：自己做的节目，或者外语的一期。
- 课程录音、讲座录音：整理成字幕或笔记，见网课和讲座字幕。
- 语音备忘录、采访素材：不想上传的内容，在本机处理。
- 外语听力材料：上下两行对照着看。
录音里有别人的声音时，使用前先确认你有权处理它，需要时先告知对方。
说在前面的限制
- 不区分说话人：多人对话得到的是连续的字幕，不标注是谁说的。
- 准确度：背景音乐大、多人抢话、口音重、专业名词多时更容易出错，数字和人名请对着音频校对。
- 不是实时的：这里处理的是已有的音频文件。要边播边译，见视频和直播实时翻译。
- 不做歌词对齐：它识别的是说话的声音。
- 额度：免费版每个文件只处理前 10 分钟，买断 ¥128 不限时长。
- 系统：需要 macOS 26 及以上，Apple 芯片的 Mac。
隐私：音频留在你的 Mac 上
识别和翻译都在你的 Mac 上完成，没有后端，音频不经过任何服务器。只有第一次使用要联网下载一次语音模型，翻译语言包由 macOS 下载，之后断网也能用。详见隐私政策。
常见问题
支持哪些音频格式？
mp3、m4a、wav、aac、aiff、flac、caf。视频文件也行，识别的是它的声音。
能直接导出文字稿吗？
文件模式输出 SRT。SRT 是纯文本，去掉序号和时间码就是文字稿，办法见检查和修改 SRT 那一篇。
能区分谁在说话吗？
不能。多人对话得到的是连续的字幕，不标注说话人。
外语播客能同时翻译吗？
能。目标语言选你要的，会多出一份双语字幕，目标语言在上、源语言在下；想只要原文，目标选成同一种语言。
音频很长怎么办？
免费版每个文件只处理前 10 分钟；买断后处理完整时长。处理速度和视频相近，进度一直看得到。
要联网吗？
识别和翻译都在你的 Mac 上完成，音频不上传。第一次使用要联网下载一次语音模型，之后识别在本机完成。
播客正在播，能边听边出字幕吗？
那是实时翻译的用法，处理的是此刻正在播的声音，见视频和直播实时翻译那一页。文件模式处理的是已有文件。
即将上架 Mac App StoremacOS 26 及以上，Apple 芯片。想抢先试用，写信到 twinsub@gatheon.com。
更新于 2026-10-12。回到双语幕首页