给视频加字幕，视频不用上传：这个开源工具在浏览器里跑 Whisper

给视频加字幕这件事，卡在一个尴尬的地方。

用在线工具吧，得把视频传上去。如果是会议录像、内部培训、或者任何带点隐私的内容，传到别人服务器上总让人心里不踏实。而且大文件上传慢，等云端处理完再下载，来回折腾。用本地软件吧，得装个几百兆的剪辑工具，只为了加个字幕，杀鸡用牛刀。

OpenSubs 想绕开这个两难。它在浏览器里直接跑 Whisper 模型，视频文件从头到尾留在你电脑上，不经过任何服务器。转写完了还能直接把字幕烧录进 MP4。AGPL-3.0 开源。

作者在论坛上自荐时的说法很直接：视频没有地方可传，因为它根本没离开过本机。

这是什么

OpenSubs 是一个隐私优先的开源 AI 字幕工具。核心能力就四件事：从视频里识别语音、翻译字幕、套用样式、把字幕烧进视频。全部在客户端完成。

技术上，核心引擎用 Rust 写成，编译成 WebAssembly 跑在浏览器里。网页端用 Svelte 5 + Vite 构建，视频处理走 WebCodecs API，字幕渲染用的是 libass 编译的 WASM 版本——和 ffmpeg 用的是同一个渲染器。桌面端和命令行版本则用原生 ffmpeg。

一共四种形态：网页版、浏览器扩展、桌面应用（macOS/Windows/Linux）、命令行工具。核心引擎共享，界面不同，场景不同。

浏览器里跑 Whisper

Whisper 是 OpenAI 开源的语音识别模型，通常得在本地装 Python 环境跑。OpenSubs 把它搬进了浏览器。

三种模型尺寸可选：Tiny 约 40MB（只支持英文）、Base 约 80MB、Small 约 250MB。首次使用时从 Hugging Face 下载，之后浏览器会缓存，不用重复下载。

推理有两条路径：有 GPU 就用 WebGPU，没有就退回 WebAssembly。这个设计有个实际的故事——论坛上一位用户反馈，他的 Intel 核显用 WebGPU 反而比 WASM 慢，作者随后修复了这个问题，现在 Intel 核显默认走更快的后端，模型选择器旁边也加了手动切换 GPU/CPU 的开关。

转写时模型每 4 秒自动检测一次语言，所以多语言混合的视频也能处理。

视频不出本机

这是整个工具最核心的价值。

你打开 opensubs.app，把视频拖进去，剩下的全部在浏览器里完成。文件读取走本地 API，不发送到任何服务器。没有账号，没有上传，没有云端队列。内容涉及隐私的视频——内部会议、客户资料、个人素材——都可以放心处理。

对比一下在线字幕工具的流程：选文件、上传、等待、云端转写、下载字幕、下载视频。OpenSubs 的流程是：拖进去、本地转写、导出。没有上传和下载这两步，大文件也不用等网络。

直接烧录进 MP4

生成字幕后，多数工具就到此为止了，你还得再找个软件把字幕压进视频。OpenSubs 把这个环节也做了。

它用 WebCodecs 把字幕直接编码进视频像素，导出一个带字幕的 MP4 文件，没有水印。整个过程在浏览器内完成，和转写一样不上传。

如果不想烧录，也可以导出 .srt、.vtt、.ass 这三种字幕格式，拿去别的工具用。

12 种字幕样式

内置 12 种字幕样式预设，从传统广播字幕风到社交媒体风格都有，样式能实时叠加在视频画面上预览，不用导出才知道效果。

其中有个逐词高亮效果值得单独说——就是短视频里常见的那种，说到哪个词哪个词就放大或发光，跟着语音节奏走。以前做这个效果得用专业剪辑工具打关键帧，现在选个预设就行。

20 种语言的翻译

转写完可以翻译成 20 种语言，包括简体中文、繁体中文、日文、韩文、阿拉伯文、印地文，非拉丁字体都打包在工具里，不会出现方块字。

免费路径用的是 Chrome 内置的端侧翻译，同样不上传内容。如果想要更好的翻译质量，可以自己填 Claude、OpenAI 或 DeepSeek 的 API Key，走云端翻译——这部分是可选的，默认关闭。

字幕可以只显示译文，也可以双语对照，原文和译文上下叠放。

还能当字幕编辑器用

OpenSubs 内置了字幕编辑功能。转写结果里识别错的字，直接在文本框里改；点时间戳，视频会跳到对应位置，方便核对。

它还能打开已有的 .srt 或 .vtt 文件（会自动识别编码），不加载视频也能翻译、改样式、转格式。手里有现成字幕文件、只是想翻译一下的场景，用这个很顺手。

四种形态

网页版最轻，打开就用，适合偶尔处理一两个视频。

浏览器扩展（Chrome、Edge、Firefox）能给正在播放的视频实时叠加字幕，看外语视频时有用。目前还没上架应用商店，需要从 GitHub Releases 下载 zip 手动加载。

桌面应用支持 macOS、Windows、Linux，适合处理长视频和批量转写。macOS 版从 v1.0.1 起做了开发者签名和公证。

命令行版一个命令处理一个文件，方便写脚本、接 CI。

实际用起来

打开 opensubs.app，把视频拖进去，选模型尺寸，点开始。首次会下载模型（40MB 到 250MB 不等），之后就缓存在浏览器里了。

转写等一会儿——具体时间取决于视频长度和你的硬件。有独立显卡的话 WebGPU 会快很多。转写完成后字幕出现在编辑区，可以逐条修改，然后选样式、决定是否翻译，最后导出字幕文件或烧录 MP4。

几个细节。模型下载是一次性的，第二次用同一个模型就不用等了。转写和烧录都在本地跑，CPU 占用会高一些，处理长视频时电脑风扇会响。整个过程浏览器标签页要开着，关了就中断了。

现在还不完善的地方

项目很新，v1.0 是 2026 年 9 月发布的，有些地方还需要打磨。

只接受视频文件，纯音频不行。字幕的时间轴不能编辑——文字能改，但每条字幕的开始和结束时间是固定的。字幕条也不能新增、删除或合并。界面有简体和繁体中文，但少数文案还是英文。

另外，官方说明当前版本是 release candidate 状态，功能和稳定性还在收敛。

和其他方案比

和在线字幕工具比：那些工具必须上传视频，OpenSubs 全程本地，隐私上有本质差别，大文件也不用等上传下载。

和剪映这类剪辑软件比：剪辑软件功能更全，但要装几百兆的软件，为了加个字幕不太划算。OpenSubs 打开网页就行。

和本地跑 Whisper 命令行比：命令行版本效果一样但要配 Python 环境，网页版省掉了这一步。

适合什么人

如果你符合这几条，OpenSubs 值得试试：经常要给视频加字幕；处理的内容有隐私顾虑，不想上传；想省掉”转写工具 + 烧录工具”两道流程；需要把字幕翻译成其他语言。

几个提醒。这是新项目，GitHub 上 25 Star，2026 年 9 月发布首个稳定版，功能完整但还在迭代。所有端侧功能永久免费、无需账号；云端翻译是可选的付费项，5 美元 1000 积分，积分不过期。命令行和桌面版从 GitHub Releases 下载。

获取方式：直接打开 opensubs.app 使用，或 GitHub 仓库 github.com/open-subs/opensubs。

给视频加字幕不该以交出视频为代价。把模型搬到浏览器里跑，这个思路值得一试。