自己做的网页工具：把视频拖进去，在你自己的电脑上识别语音、生成字幕，改好后导出字幕文件，或者直接压进视频。 识别在本地跑 语音识别用的是 Whisper，跑在浏览器里（有 GPU 就用 WebGPU，没有就用 WebAssembly）。模型 40 MB 到 250 MB 三档可选，第一次下载后浏览器会缓存。 视频本身不上传，产品里就没有上传接口。所以也不需要注册账号。 改字、换样式、翻译 每条字幕就是一个文本框，识别错的名字、术语直接改。点时间码，视频会跳到那一句，方便听清原话。 样式有 12…