做视频的朋友都知道，剪片最折磨人的不是剪辑本身，是字幕。 剪映的AI识别确实能用，但免费版处处设限，导出带水印、时长卡得死死的，开通会员一年小几百。 要么就老老实实逐句敲字，对着时间轴反复核对，半小时的内容能折腾大半天。 要是碰上访谈、播客这种多人对话，区分说话人、对齐节奏，眼睛看花了不说，心态先崩一半。 最近我在GitHub上挖到一个3.2K标星的项目，叫AutoSubs。 用完之后我直接把剪映