Windows 原生桌面字幕工作站 · Qt 6 · 本地 AI 語音轉文字 → 字幕編輯 → 匯出影片，一條龍完成
Yumu Studio 是一套在 Windows 上運行的影音轉寫／字幕編輯／成品匯出工具。所有 AI 辨識與翻譯都在外部程序中執行，不綁定特定引擎，也不需要額外安裝 Python。只要進入「設定 → 引擎」安裝需要的後端，就能離線使用，字幕與模型都留在自己的電腦上。
前往 Releases 下載對應版本。v2 同時提供安裝檔與便攜包。
下載 YumuStudio-2.0.0-Setup.exe（約 46 MB），雙擊執行：
- 跟隨安裝精靈選擇安裝路徑（預設
C:\Program Files\Yumu Studio）。 - 可選建立桌面捷徑與開始功能表項目。
- 安裝完成後從開始功能表或桌面捷徑啟動。
- 首次啟動會開啟設定頁引導硬體偵測，之後不會再打擾。
- 到「設定 → 引擎」選擇並安裝變體，同一頁下載模型。
- 回到工作區載入影片，按
Ctrl+G開始轉寫。
安裝版會在控制台建立解除安裝項目，日後移除更整齊。
下載 YumuStudio_Portable.zip（約數十 MB）：
- 解壓到任意可寫入資料夾（不建議放在
C:\Program Files，因為需要寫入權限）。 - 執行
YumuStudio.exe。 - 後續步驟同上（首次引導 → 安裝引擎 → 載入影片 → 轉寫）。
Tip
便攜版靠 portable.flag 觸發，所有設定與模型都保存在程式旁的 config/ 與 models/，整個資料夾可直接複製到 USB 隨身碟使用。
| 動作 | 快捷鍵 |
|---|---|
| 開啟影片 | Ctrl+O 或拖放檔案 |
| 儲存 SRT | Ctrl+S |
| 開始轉寫 | Ctrl+G（可隨時停止） |
| 翻譯 | Ctrl+T |
| 翻譯預覽微調 | Ctrl+Shift+T |
| 字幕時間微調 | Alt+← / Alt+→（±100ms，加 Shift → ±10ms） |
| 刪除字幕 | Delete |
| 搜尋／取代 | Ctrl+F / Ctrl+H |
| 復原／重做 | Ctrl+Z / Ctrl+Shift+Z |
| 簡易匯出 | Ctrl+E |
- ✨ 7 種轉寫引擎，15 個變體：whisper.cpp、faster-whisper、FunASR、Fun-ASR-Nano、Parakeet、Qwen3-ASR、FireRedASR，支援 CPU / CUDA / Vulkan 加速。首次啟動時自動偵測硬體並建議最佳組合。
- ✨ Pastel 介面：粉彩雙主題（淺色／深色），配備漢堡選單、檔案工具列與可調式 3:2 工作區。
- ✨ 預覽與時間軸：硬體解碼（GPU）或軟體解碼（CPU）雙路徑預覽、真實音波時間軸、1×–64× 縮放、磁吸對齊、場景切點偵測。
- ✨ 字幕編輯：SRT / VTT / TXT 匯入匯出、全文時間位移、搜尋取代、智慧分段、AI 校正、復原／重做。
- ✨ AI 翻譯與校正：OpenAI / Anthropic / Ollama / Gemini 四種後端，可批次翻譯與潤稿。
- ✨ 樣式工坊：內建 6 組預設樣式，可自訂字體、顏色、描邊、陰影與九宮格定位，預覽即時同步。
- ✨ 匯出：SRT / VTT / TXT 一鍵下載、MP4 字幕燒錄、ProRes 4444 透明字幕 MOV。
- ✨ 安全強化：輸入路徑驗證、下載白名單、SHA-256 驗證、API Key 加密儲存、錯誤訊息自動遮蔽敏感資訊。
- 便攜模式：
portable.flag存在時，所有設定與模型都留在程式資料夾內，可隨身攜帶使用。 - ✨ 雙發行格式：v2 同時提供傳統安裝檔（
.exe）與免安裝便攜包（.zip），可按喜好選擇。
| 項目 | 最低 | 推薦 |
|---|---|---|
| OS | Windows 10/11 64-bit | Windows 10/11 64-bit |
| CPU | x86-64 4 核心 | 8 核心以上 |
| 記憶體 | 4 GB | 8 GB+ |
| 顯示卡 | 無（可用 CPU 模式） | NVIDIA（CUDA 12）或支援 Vulkan 1.1+ |
| 硬碟空間 | 2 GB | 5 GB+（含模型與引擎） |
| 項目 | 要求 |
|---|---|
| OS | Windows 10/11 64-bit |
| 編譯器 | Visual Studio 2022（「使用 C++ 的桌面開發」工作負載） |
| Qt | 6.7 – 6.11，MSVC 2022 64-bit 元件 |
| CMake | 3.20+（VS 2022 已內建） |
Important
無需預先準備 whisper.cpp、CUDA Toolkit 或 Vulkan SDK。轉寫引擎均為預編譯包或 pip 套件，在應用內按需要取得；建置只需 Qt 6 + MSVC。
cd <專案根目錄>
powershell -ExecutionPolicy Bypass -File scripts\rebuild_all.ps1
# 參數：-QtPath "C:\Qt\6.11.0\msvc2022_64" -Clean -Launchcmake -B build -S . -DCMAKE_PREFIX_PATH="C:\Qt\6.11.0\msvc2022_64"
cmake --build build --config Release --parallel以下問題已確認並正在處理中。歡迎透過 Issues 提供意見或 workaround。
| # | 類型 | 說明 | 狀態 |
|---|---|---|---|
| 1 | Bug / UX | 影片／音訊播放進度條操作不便 — 拖曳軸缺乏精細控制、懸停時不顯示時間戳、長片播放時更新不流暢。 | 已修復 |
| 2 | 功能缺失 | SRT 字幕燒錄尚未支援 — 目前 .srt 字幕檔無法直接燒錄進輸出影片。可單獨匯出 .srt，但尚未實作透過 FFmpeg subtitles filter 疊加為永久字幕。 |
已新增 |
如遇到其他問題或有功能建議，歡迎開立 Issue。
- 介面改為 Pastel 粉彩雙主題
- 新增 Setup 安裝檔（
.exe），同時保留便攜包（.zip） - 7 引擎 × 15 變體、硬體自動偵測與建議
- 新增 Gemini 翻譯／校正後端
- 字幕編輯器新增搜尋取代、全文時間位移
- 安全強化：路徑驗證、下載白名單、SHA-256、API Key 加密
- 中／英介面執行期切換
- 時間軸加入時間標記 — 在時間軸上新增時間戳指示器，方便準確導覽與調整播放位置
- 修復 SRT 字幕燒錄進輸出影片 — 解決
.srt字幕檔無法正確燒錄（嵌入／疊加）到匯出影片的問題 - 新增 Ollama 本地模型翻譯支援 — 翻譯功能現可連接本地 Ollama 實例，無需外部 API Key 即可使用本地 LLM 模型翻譯字幕
- 編輯器新增翻譯預覽欄 — 字幕編輯介面新增獨立翻譯欄，可直接在原文旁預覽譯文
- 更新 whisper.cpp 至上游最新版
- 改善 Vulkan GPU 記憶體管理
- 修復特定容器格式下的 FFmpeg 音訊流處理問題
- UI 效能改進
歡迎提交問題回報、功能建議或程式碼貢獻！
FFmpeg LGPL 合規：本專案動態連結 FFmpeg（
libavcodec等）。源碼與二進位檔可從 https://ffmpeg.org 取得。
本專案採用 GNU General Public License v3.0 授權 — 詳見 LICENSE 檔案。