AI 字幕

Beam 會從啟用的音訊片段在本地生成語音字幕。它會下載選定的 Whisper 模型，在裝置上進行轉錄，並在時間線上建立可編輯的字幕片段。

字幕面板

Screenshot pendingAdd the image at:website/docs/public/screenshots/editor/captions-panel.webp

生成字幕前，選擇已啟用的音訊來源和本地 Whisper 模型。

音訊來源

來源	出現條件	選擇規則
系統音訊	存在一個啟用且角色為 System 的片段。	標識為 System Audio。
麥克風	存在一個啟用且角色為 Microphone 的片段。	標識為 Microphone。
匯入的音訊	存在一個啟用的匯入音訊片段。	使用片段名稱。
重複的媒體 URL	兩個啟用的片段引用相同的音訊 URL。	只提供第一個來源。
沒有可用來源	沒有啟用的音訊片段擁有可讀取的資源 URL。	無法生成字幕。

Whisper 模型

模型	語言	效能說明
Tiny	多語言	預設模型。
Tiny .en	英語	僅支援英語的模型。
Base	多語言	沒有額外警告。
Base .en	英語	僅支援英語的模型。
Small	多語言	沒有 WebGPU 時可能較慢。
Small .en	英語	沒有 WebGPU 時可能較慢。
Medium	多語言	下載量較大；建議使用 WebGPU。
Medium .en	英語	下載量較大；建議使用 WebGPU。
Large v3	多語言	沒有 WebGPU 時下載量非常大且速度較慢。

模型下載和刪除

狀態或操作	行為
缺失	可以為選定的模型下載模型。
下載中	Beam 會透過進度條報告已下載位元組數和總位元組數。
就緒	勾選標記會標識已安裝的模型，並且“刪除模型”變為可用。
刪除模型	在下載、刪除或轉錄期間不可用。
下載錯誤	錯誤會顯示出來，並且可以複製用於診斷。

生成和重新生成

1. 選擇一個已啟用的音訊來源。
2. 如果 Whisper 模型尚未就緒，請選擇並下載一個模型。
3. 選擇“生成字幕”。Beam 會解碼來源，將其轉換為單聲道 16 kHz 音訊，並將其限制在時間線時長內。
4. 處理繼續進行時，部分轉錄結果會更新編排。
5. 執行完成後，會選擇第一條生成的字幕以便編輯。

行為	規則
句子分組	在標點處或達到 12 個詞後結束字幕短語。
生成片段的最短時長	40 ms。
重新生成	替換已有的 AI 生成字幕，同時保留手動字幕。
取消	停止模型載入或轉錄。
關閉面板	取消當前正在進行的轉錄。
診斷	報告耗時，並在處理後提供可複製的轉錄報告。

本地轉錄

Whisper 在裝置上執行。生成字幕不需要上傳到雲端或使用 API 金鑰。

編輯生成的字幕

生成的字幕是標記為 AI 生成的普通可編輯字幕片段。生成後，可以透過片段面板和時間線調整其文字、時序和視覺樣式。