萝卜的博客

X-Cut 用字幕，剪视频

本文包括以下主要内容：

X-Cut 2.1.0 更新

提升对低分辨率屏幕的适应性，避免占满窗口。
导出字幕默认格式从 VTT 改为 SRT。
以前下载视频，默认 VTT，便以为这是最普遍的了。但有用户使用会声会影时，发现不支持 VTT，只支持 SRT，了解之后，才知道，SRT 才是最普遍的字幕格式，VTT 是其改进版，支持网页标签，丰富样式。感谢反馈。

whisper 安装过程要下载几百兆的程序和数据，网络也经常不稳定，有时候要很长时间才能安装好。

即便安装好了，有些系统可能还会遇到缺少类库的问题。

whisper 默认使用高效的 small 模型，已经算是优化了速度。但对于大多数电脑来说，仍是很慢。

我的电脑是 17 年的 i5-7500 CPU，转录时间大概是视频时间的三倍，去掉时间戳，可以快一点，那字幕生成质量就不够好了。

X-Cut 号称轻量级视频剪辑软件，目标是让所有的电脑都能剪辑视频。从技术栈上讲，用 Electron，只要能运行浏览器，就能剪辑。

但转字幕，是个重体力活。高端的电脑，才能快速转码，据说新的 M 芯片，可以一分钟完成一小时的视频转录。

刚还说 M 系列性能强，怎么又慢呢？

最近至少三位朋友反馈这个问题。这个问题，主要是没有针对 M 芯片打包，软件是在我 17 年的 iMac 上打的包，虽然 macOS 可以自动处理芯片问题，但性能损耗还是挺大的。

对于上面的问题，我做了一些探索。

我试着接入语音转文字 API，如火山，但感觉其网站太乱了，新版旧版空闲版标准版极速版，让人头大，还死贵。罢了。以后研究一下如何融入 AI 代理之类的，据说有些可以直接转录的。敬请期待。

我尝试了 whisper.cpp，这个体积小，可以包含到软件中，性能也好，初步测试比 whisper 快三到五倍。但生成字幕的质量，不如 whisper，特别是对静音片段的处理。

未来我打算研究一下这个项目的源码，改善一下静音处理，针对 X-Cut 的需求进行优化。

X-Cut 用字幕剪视频，字幕越精确，效率越高，特别是中间的静音片段，这一点，目前的软件做得并不是很好，每次剪视频，都需要手动切分一些字幕来去掉静音部分。如果生成字幕时，能清晰地分离静音部分，将能很好地提高剪辑效率。

针对大部分电脑不胜任视频转字幕这件事儿，我打算开发一个转录服务器，部署改善后的 whisper.cpp 或其他转录软件进行转录，一个是提升字幕质量，一个是提高转录速度，应该能做到一小时视频几分钟转完的速度。

未来，部署网上，提供转录服务，以及卖给企业，为企业内部提供转录服务。

软件是免费的，转录服务器，估计能让我赚点钱。我也是要吃饭的，现在穷的真是快吃不起饭了。

M 芯片慢的问题，似乎是最容易解决的，搞个电脑，打个包就解决了。但，还是上面的问题，解决不了。

我需要三五台 M 芯片主机，可以是 MacBook Neon Air Pro，也可以是 Mac mini，用来打包软件，和验证转码服务的可行性。

如果您手头有闲置的机器，可以捐赠给我。我将在软件主页上，展示您为赞助商，以示感谢，以及赠送一定价值的转录服务（如果能实现的话）。

感谢支持，欢迎成为赞助商，您的支持很重要！