YYKA 离线字幕工具 · 使用手册

版本：1.0.0　|　适用系统：Windows 10 / 11（64 位，最低要求 Windows 10）

一句话：把你电脑里的音频、视频，本地离线转成字幕文本，全程不联网、不上传。

1. 这是什么

YYKA 离线字幕工具是一款本地运行的语音转字幕软件：

离线 · 隐私安全：音频只在你自己电脑上处理，不上传任何服务器。
GPU 加速：有独立显卡时自动启用，速度可提升数倍；没有独显也能用 CPU 正常运行。
批量生成字幕：一次导入多个文件或整个文件夹，按顺序自动完成。
多种导出格式：SRT、ASS、纯文本、JSON、LRC……还能导出 EDL / XML，直接对接剪辑软件。
字幕编辑：边听边改字幕，时间轴对不齐时反复校对。
自动生成字幕：指定一个文件夹，往里丢文件就自动开始转。

适合：视频剪辑配字幕、会议与访谈整理、课程与播客转稿、自媒体口播文案提取。

2. 安装与首次启动

安装

安装包有两个，任选其一（功能完全相同）：

安装包	说明
`YYKA离线字幕工具_1.0.0_x64-setup.exe`	普通安装向导，双击一路下一步即可，体积小
`YYKA离线字幕工具_1.0.0_x64_zh-CN.msi`	适合企业批量部署 / 用命令行静默安装

安装过程无需联网。若系统提示"Windows 已保护你的电脑"，选择「更多信息 → 仍要运行」即可。

首次启动

双击桌面快捷方式打开软件。
软件会直接进入主界面。此时还不能生成字幕——需要先「激活」（见下一节），并「下载一个模型」（见第 6 节）。
软件本身不联网，只有下载模型这一步需要网络。

3. 激活软件

本软件为付费软件。未激活时可以打开软件、浏览界面，但所有生成字幕、导出等功能都不可用。

获取激活码

激活相关的一切事宜，请联系 运营咖工作人员：

客服微信：扫码添加好友后，把弹窗里显示的机器码发给客服；
公众号：关注后可获取使用教程。

机器码是这台电脑的唯一标识，用于生成专属激活码。

激活步骤

进入 系统设置 → 许可证，点击「立即激活」。
在弹窗中复制机器码，发送给运营咖客服，获取激活码。
把激活码粘贴进输入框，点击「立即激活」。
成功后提示「已解锁：全部功能，感谢您对运营咖的支持！」。

激活后许可证页会显示软件已激活；如需更换电脑，可在此处「解除激活」后在新的电脑上重新激活。

如果自动激活没有成功，请把机器码发给客服人工签发激活码，或按弹窗提示扫码获取。

4. 界面总览

软件左侧是主导航，共六个页面：

菜单	作用
概览	首页看板：任务总数、已完成、进行中、已下载模型、已处理音频，以及快速入口
字幕工作台	主战场：导入文件 → 调参数 → 开始生成字幕 → 查看分段
任务列表	所有任务的总览，支持筛选、批量操作、查看详情
模型管理	下载 / 导入 / 删除识别模型
字幕编辑	播放音频的同时逐段校对、修改字幕
系统设置	主题、引擎、导出、自动生成字幕、替换词典、许可证、日志、关于

5. 五分钟上手：转出第一份字幕

前提：软件已激活。

第 1 步 · 下载模型
进入 模型管理，找一个模型（第一次建议 Small 或 Large v3 Turbo），点「下载」并等它完成。

第 2 步 · 导入文件
进入 字幕工作台，把音频/视频直接拖进中间的虚线框；或者点击该区域选择文件；也可以点「选择文件夹」，软件会自动把文件夹里的音视频都找出来。

第 3 步 · 选择参数
在左侧「字幕参数」里：

模型：选刚下载好的模型；
语言：中文内容选「中文」，不确定就保持「自动检测」。

第 4 步 · 开始生成字幕
点「开始生成字幕」。右侧会实时显示进度和识别出的文字分段。中途可以「暂停 / 继续 / 取消」。

第 5 步 · 导出
生成完成后点「导出」，选择格式（通常用 SRT），点「导出」保存文件。

完成！需要精修时，点「查看字幕」进入字幕编辑页。

6. 模型管理

模型是生成字幕的"大脑"。软件不预装模型，需要你自己下载（一次下载，长期可用）。

页面能做什么

模型目录：显示模型保存位置，可「复制」路径，方便手动放入模型文件；
刷新：重新扫描本地已有模型；
刷新清单：从服务器获取最新的可用模型列表（仅在配置了更新地址时可用）；
手动导入：选择本地的 .bin 模型文件导入。

每个模型卡片会显示：大小、参数量、显存占用、量化规格、语言支持，以及「推荐」「已下载」标识。操作按钮为「下载 / 取消（下载中）/ 删除（已下载）」。

模型按是否量化分成四组展示，从上到下精度依次略降、体积依次减小：

标准模型（未量化）：原始精度（f16），识别质量最好，体积最大；
高精度量化（q8_0）：精度接近标准，体积约为一半，质量与占用均衡；
轻量量化（q5）：体积最小、速度最快，适合低配电脑与快速出稿；
语音检测（VAD）：静音过滤专用，配合任意字幕模型使用。

怎么选模型

模型分「大小」和「精度」两个维度：

大小（Tiny → Base → Small → Medium → Large）：越大越准，占用越高；
精度（同一大小下）：标准 f16 > 高精度量化 q8_0 > 轻量量化 q5，体积依次减小。

① 标准模型（未量化）—— 精度最高

模型	大小	建议显存	适合
Tiny (f16)	约 74 MB	约 400 MB	只是草稿、追求极速
Base (f16)	约 141 MB	约 600 MB	语速慢、口音轻的简单内容
Small (f16)	约 465 MB	约 1.2 GB	追求高质量，速度也可接受
Medium (f16)	约 1.4 GB	约 2.8 GB	要求较高、能等一会儿
Large v3 Turbo (f16)	约 1.5 GB	约 3.2 GB	高准确率首选，速度也不错
Large v3 (f16)	约 2.9 GB	约 6 GB	追求最高准确率、显存充足

② 高精度量化（q8_0）—— 精度接近标准，体积约一半

模型	大小	建议显存	适合
Tiny (q8_0)	约 42 MB	约 350 MB	低配机上的高质量草稿
Base (q8_0)	约 78 MB	约 550 MB	简单内容的省空间之选
Small (q8_0)	约 252 MB	约 1.1 GB	推荐：几乎不损失精度
Medium (q8_0)	约 785 MB	约 2.2 GB	高要求、省一半空间
Large v3 Turbo (q8_0)	约 834 MB	约 2.8 GB	推荐：Turbo 的高精度版

③ 轻量量化（q5）—— 体积最小、速度最快

模型	大小	建议显存	适合
Tiny (q5_1)	约 31 MB	约 300 MB	极速草稿、老电脑
Base (q5_1)	约 57 MB	约 500 MB	简单内容
Small (q5_1)	约 181 MB	约 1 GB	日常首选（本机默认推荐）
Medium (q5_0)	约 514 MB	约 2 GB	省空间的高质量
Large v3 Turbo (q5_0)	约 547 MB	约 3 GB	高准确率首选，体积最小
Large v3 (q5_0)	约 1 GB	约 4 GB	最高准确率里最小的

④ 语音检测（VAD）

模型	大小	适合
Silero VAD	约 1 MB	静音过滤专用，配合"VAD 静音过滤"使用

选择建议：

不想挑：直接用默认推荐（CPU 机器推荐 Small (q5_1)，有显卡推荐 Large v3 Turbo (q5_0)）；
追求最高准确率：选「标准模型（未量化）」里的 Small / Large v3 Turbo / Large v3；
显存或磁盘紧张：选「高精度量化（q8_0）」，精度接近标准、体积约一半；
要最省空间、最快：选「轻量量化（q5）」；
需要"翻译为英文"：请用 Large v3 系列（Tiny、Base 的翻译效果不可用）；
想用静音过滤：需要额外下载 Silero VAD 模型。

模型文件较大，请预留足够的磁盘空间。软件内置了国内加速下载源。

7. 字幕工作台

7.1 导入文件

三种方式，效果一样：

拖拽：把文件或整个文件夹拖进虚线区域；
点击选择：点击虚线区域选文件；
选择文件夹：点「选择文件夹」，自动展开其中的音视频。

一次可选多个文件，形成批量队列，会按顺序逐个生成字幕；入队前后队列里可以单独移除某个文件，或「清空」。
点「批量生成字幕」入队成功后，待选列表会自动清空并跳到「任务列表」——任务都在那边排队，这里可以马上重新挑文件。
拖进去的文件夹会自动扫描（含子目录），把里面支持的文件都找出来。

7.2 字幕参数

参数	说明
模型	必选。用哪个模型识别
语言	自动检测 / 中文 / 英语 / 粤语 / 日语 / 韩语 / 德语 / 法语 / 西班牙语 / 俄语。已知语言时手动指定，准确率更高
翻译为英文	打开后，识别的同时翻译成英文。仅支持翻译成英文这一个方向
采样策略	「贪心」速度快；「Beam Search」更准但更慢，可调 Beam 宽度（1–8）

展开「高级参数」还有：

参数	说明
CPU 线程数	0 = 自动（约逻辑核心数一半）；调大可提速，但更占 CPU
最大断句长度	单段最大字符数，0 = 不限制
温度（temperature）	影响识别的"发散"程度，一般保持默认 0
热词 / 提示词	填人名、专业术语等，提升专有名词识别率，例如「王小明、YYKA、GPU 推理」
词级时间戳	开启后导出可获得更精细的时间轴
音量归一化	适合音量偏小、忽大忽小的录音
VAD 静音过滤	跳过静音段，减少空段与"幻听"。需先在模型页下载 Silero VAD 模型，否则开关不可点

7.3 字幕生成过程控制

可用按钮：开始生成字幕 / 批量生成字幕 / 暂停 / 继续 / 取消，以及完成后的「导出」「查看字幕」。

任务状态含义：

状态	含义
排队中	已加入队列，等待开始
解码中	正在读取音频
生成中	正在识别
已暂停	已暂停，可「继续」
已完成	生成成功
失败	出错，详情里可看原因
已取消	被手动取消

长时间音频放心暂停：软件会按静音点把音频切成小块、逐块保存进度，暂停/继续不会丢失已完成的部分。

8. 任务列表

所有任务（含批量与自动生成字幕的）都会汇总在这里。

表格列：文件名、状态、进度、时长、创建时间、操作。
操作：暂停、继续、取消、导出、详情。
队列控制：只要还有未完成的任务，工具栏就会出现「队列中 N 个未完成」以及三个按钮：
- 暂停队列：正在生成的任务在当前分段结束后停下，排队中的任务保持待命（已完成的进度都保留）。
- 继续队列：把刚才因「暂停队列」停下的任务接着跑；你自己单独暂停过的任务不会被它自动恢复。
- 全部停止：把所有未完成任务一次性取消，方便重新挑文件重来（会先弹确认框）。
筛选与批量：按状态筛选；勾选多个任务后可「批量导出 ZIP」「批量重跑」「批量删除」；右上角可「刷新」。

点「详情」打开右侧抽屉，可以看到任务详情（文件路径、进度、音频时长、分段数、模型、语言、生成耗时、创建时间）和分段预览，底部还有「重跑 / 导出 / 删除」。

若某个任务状态长时间没有变化，点一下「刷新」；仍无变化可重启软件（已完成的进度不会丢失）。

9. 字幕编辑

从任务列表或字幕工作台的「查看字幕」进入。这一页用来精修字幕：

顶部显示任务名、状态、时长、模型、分段数、语言；
中间是音频播放器，下方是字幕面板；
可边听边改每一段的文字；
支持循环播放某一段，方便反复听清再改；
改完点保存，再点「导出」即可输出成品。顶部还有「返回」「刷新」。

10. 导出字幕

在字幕工作台、任务列表详情、字幕编辑页都能找到「导出」。

导出格式

格式	用途
SRT 字幕	最通用，几乎所有播放器、剪辑软件都支持
WebVTT	网页视频字幕（`.vtt`）
纯文本	只要文字稿；可勾选「纯文本导出时附带时间戳」
JSON	给程序处理的结构化数据
LRC 歌词	音乐播放器歌词
TSV 表格	用 Excel 打开，分段列表
ASS 字幕	带样式的字幕，适合动漫/特效字幕
EDL 时间线	剪辑软件的时间线 + 标记
Premiere / Resolve XML	剪辑软件的时间线 + 标记

一键预设

不想逐项设置，可以直接选「导出预设」：

预设	效果
通用	SRT + UTF-8 with BOM + CRLF，最稳妥
剪映（SRT 适配）	SRT + UTF-8 + LF，并自动合并为单行，导入剪映不串行
Premiere / DaVinci（EDL 时间线）	输出 EDL
Premiere / DaVinci（XML 标记）	输出 XML

细项设置

编码：UTF-8 / UTF-8 with BOM / GBK（国产播放器兼容）。中文在老旧播放器里显示乱码时，换 GBK 或 UTF-8 with BOM。
换行符：CRLF（Windows）/ LF（macOS、Linux）。
帧率：仅在导出 EDL / XML 时出现。要与剪辑工程的帧率一致（23.976 / 24 / 25(PAL) / 29.97 / 30 / 50 / 59.94 / 60），否则时间码会对不上。
合并为单行：把段落内的换行折成空格，导入剪映等更兼容。
导出位置：
- 源文件目录（默认）：直接就在原音频旁边生成字幕文件，文件名自动取任务名。
- 自定义目录：点「导出」时会弹出系统的**「另存为」窗口**，你可以自己选文件夹、自己起文件名（也可以新建）。
批量导出：多选任务导出时，会打包成一个 ZIP（重名文件自动加序号）；选「自定义目录」时用「选择输出目录」按钮先挑一个文件夹。

⚠️ 关于 EDL / XML：它们是「时间线 + 标记」的载体，导入 Premiere / DaVinci 后，每段字幕会出现在素材标记上，不是原生字幕轨。字幕本体请同时另外导出一份 SRT。

11. 自动生成字幕（监听文件夹）

想让软件"盯着"一个文件夹，只要有新音频进来就自动生成字幕？用这个功能。

在 系统设置 → 自动生成字幕 中设置：

设置项	说明
启用自动生成字幕	总开关
监听目录	选择要盯住的文件夹
包含子目录	打开后，子文件夹里的文件也会被处理
使用模型	留空则跟随「字幕引擎」里的默认模型
运行状态	显示「监听中 / 未运行」与「已入队 N 个」

使用说明：

只处理开启监听之后新增或改动的文件；
已经生成过的文件不会重复入队；
往监听目录里复制 / 下载音频、视频后，会自动加入字幕生成队列，在任务列表里可以看到进度；
生成字幕使用的语言等参数，沿用「字幕引擎」里的默认设置。

适合：录播/直播自动落盘、素材导入即出稿、监控目录批量收稿。

12. 替换词典

用于批量修正固定的错词，比如人名、专有名词、品牌名被识别错。

添加词条：填写「原文」和「替换为」，并启用它；
只有"启用"状态的词条才会生效；
替换由你手动触发，不会自动改历史结果；
替换只修改文字内容，不改时间轴，并且不可撤销，执行前请确认。

13. 系统设置

左侧分区依次为：

主题设置

浅色 / 深色 / 跟随系统。

字幕引擎

设置项	说明
默认模型	新建任务默认使用的模型
默认语言	默认识别语言
CPU 线程数	0 = 自动
GPU 加速	自动 / 强制 GPU / 强制 CPU（见第 14 节）

导出设置

默认导出格式、默认编码、默认换行符、默认帧率、导出时合并相邻重复分段、导出后自动打开目录、默认导出目录——把常用偏好设一次，之后导出就用这些默认值。

自动生成字幕

见第 11 节。

替换词典

见第 12 节。

许可证

显示激活状态，提供「立即激活」「解除激活」。

日志

用于排查问题。可查看运行日志、打开日志所在目录。反馈问题时，请把日志一并提供给运营咖客服，能大幅加快定位。

关于

软件版本与相关信息。

14. GPU 加速怎么选

在 系统设置 → 字幕引擎 → GPU 加速 里三选一：

模式	说明
自动（推荐）	检测到可用显卡就用 GPU，否则自动用 CPU
强制 GPU	强制使用显卡；显卡不支持时会失败
强制 CPU	完全不用显卡，兼容性最好、速度较慢

有 NVIDIA / AMD / Intel 独立显卡（支持 Vulkan）时，速度提升明显；
显卡显存不足会提示，建议改用更小的模型或切换到 强制 CPU；
集显或老显卡建议用「自动」，让软件自己判断。

15. 常见问题

Q：按钮点不动 / 提示"软件未激活"？
A：先在 系统设置 → 许可证 完成激活（见第 3 节）。

Q：点开始生成字幕提示"请先选择模型"？
A：先去 模型管理 下载至少一个模型，或在参数里选择已下载的模型。

Q：提示"模型加载失败"或"模型文件缺失"？
A：到模型管理页「刷新」看一下模型是否还在，必要时重新下载。

Q：提示显存不足？
A：换一个更小的模型（如 Small / Base），或把 GPU 加速改成「强制 CPU」。

Q：我拖进去的文件没被识别？
A：请确认格式在支持列表内（见第 16 节）。不支持的格式可先转成 wav 或 mp3。

Q：识别不准怎么办？
A：按优先级尝试——① 换更大的模型；② 手动指定语言；③ 在「热词/提示词」里填人名和术语；④ 打开「VAD 静音过滤」减少空段；⑤ 打开「音量归一化」。

Q：字幕时间对不上画面？
A：导出 EDL / XML 时，把「帧率」调成和剪辑工程一致；SRT 一般不需要设置帧率。也可以开启「词级时间戳」再导出。

Q：导出的字幕在播放器里是乱码？
A：把导出编码改成 GBK 或 UTF-8 with BOM 再导出。

Q：某个任务一直"排队中"没反应？
A：点任务列表的「刷新」；如果开着「自动生成字幕」且一次进来很多文件，会逐个排队执行，请稍候。仍无变化的，重启软件后会自动恢复到可继续的状态。

Q：暂停后关掉软件，进度会丢吗？
A：不会。软件会保存已完成的进度，重新打开后可继续。

16. 支持的文件格式

可导入并生成字幕

类型	扩展名
音频	`wav`、`mp3`、`flac`、`ogg`、`m4a`、`aac`
视频	`mp4`、`mkv`、`webm`

视频文件会自动提取其中的声音，只识别语音生成字幕。

可导出

SRT、WebVTT、TXT、JSON、LRC、TSV、ASS、EDL、XML

17. 数据与隐私

全程本地处理：音频、视频不会被上传到任何服务器。
需要联网的只有两件事：下载模型、检查模型清单更新。
模型、任务记录、日志都保存在本机。可在设置里查看模型目录与日志目录。
生成的字幕文件由你自行决定保存位置，软件不会额外上传。

使用中遇到问题，请通过 系统设置 → 许可证 页面中的客服微信、公众号、邮箱或官网联系我们，并附上「日志」以便更快定位。

YYKASubtitle离线字幕工具 推荐

核心功能

详细介绍