AI 創作工作流程

韻詞字幕內建了三項 AI 功能，涵蓋字幕製作中最花時間的三個環節：

三項功能都在 AI 助手面板裡完成，一般幾分鐘就能處理完一段影片。AI 給出的是一份高品質的初稿，再配合建立與編輯字幕裡的校對方法稍加修改，就能交付使用。

👑 語音轉錄、文字轉軸、AI 翻譯均為 VIP 功能，啟用方法見註冊與登入。

前期準備

第一次使用 AI 功能前，需要做兩項準備：語音轉錄和文字轉軸需要語音模型，AI 翻譯需要 DeepSeek API Key。兩者都只需設定一次，之後就不用再管了。

如何下載並設定語音模型

在韻詞字幕中，影片轉錄和文字轉軸使用安裝在本機的 Whisper 語音模型。軟體已內建 Small 模型，開通 VIP 後即可直接使用；想要更高的辨識準確率，可以另外下載更大的模型，放進軟體安裝目錄下的 resources\whisper_Models 資料夾。

語音辨識全程在您的電腦上完成，影片和音訊不會上傳到任何伺服器。模型越大，辨識越準，但對電腦規格的要求也越高。各模型的品質和系統要求如下，請根據電腦規格選擇：

本軟體在安裝時已經內建了 Small 模型，開通 VIP 後，即可使用。

若您的電腦記憶體 ≥ 8 GB，建議另外下載 Medium 模型，以提升轉錄品質，滿足大部分場景。若追求最高準確率且視訊記憶體 ≥ 8 GB，可選擇 Large-v3。

模型下載地址：http://www.shinesoft.cn/download/models/

下載完成後，請放到軟體安裝目錄下的 resources\whisper_Models 目錄中，軟體會自動辨識。

如果想把模型放在其他位置，比如空間更大的資料磁碟，需要把模型目錄指向它：

1. 選擇選單 偏好設定 > AI 模型設定說明。也可以從 AI助手 > AI語音轉錄 開啟轉錄面板。
2. 在右側 資訊提示 欄的 系統設定 中：
   • 轉錄引擎：選擇轉錄引擎，預設為 Whisper_fast（預設）。
   • 模型目錄：點擊右側的瀏覽圖示（📂），選擇您存放模型的目錄（見圖 6.1）。

結果：設定好目錄後，在轉錄或文字轉軸時把精度選為自訂，即可使用該目錄中的模型。

如何取得 DeepSeek API Key

在韻詞字幕中，選擇選單 偏好設定 > API 金鑰設定說明，跟著引導註冊 DeepSeek 開放平台、建立 API Key，最後貼回軟體即可，整個過程大約兩分鐘。

AI 翻譯使用的是 DeepSeek 大型語言模型。API Key 相當於一把「鑰匙」，軟體用它代表您向 DeepSeek 傳送翻譯請求，費用按實際用量從您的 DeepSeek 帳戶中扣除。引導的具體步驟如下：

1. 引導首先播放一段教學影片，可以點擊跳過影片，直接繼續。
2. 點擊下一步：取得 API Key，按以下步驟操作：
   • 點擊按鈕，跳轉到 DeepSeek 官網金鑰建立頁面。
   • 註冊／登入後點擊「建立 API Key」，按提示完成實名認證和儲值（首次使用通常有贈送的免費額度，可以先小額儲值測試）。
   • 複製產生的字串（以 sk- 開頭），回來點下方按鈕。
3. 點擊我已複製 Key，去貼上 →，軟體會自動定位到 API Key 輸入框，貼上即可。

也可以手動操作：前往 DeepSeek 開放平台 https://platform.deepseek.com ，註冊登入後在「API Keys」頁面建立金鑰。

⚠️ 金鑰建立後只顯示一次，請立即複製並妥善儲存。API Key 和提款卡密碼一樣，不要發給別人，也不要貼在公開的地方。

關於本機 AI 翻譯大型語言模型，我們正在開發相關功能（介面中的本機大模型按鈕目前標記為Beta，即將推出）。屆時無需額外購買 API Key，資料檔案也將全程在本機處理，資訊安全更有保障。

如何在軟體中填寫 API Key

在韻詞字幕中，開啟 AI 翻譯面板，把 API Key 貼上到右側 資訊提示 欄的輸入框裡即可。如果是透過上一節的引導取得的金鑰，軟體已經幫您定位好輸入框了。

1. 從選單 AI助手 > AI 翻譯 開啟 AI 翻譯面板。
2. 在右側 資訊提示 欄的 DeepSeek 系統設定 中，將 API Key 貼上到輸入框（見圖 6.2）。

結果：之後每次使用 AI 翻譯，軟體都會自動使用這個金鑰，不需要重複填寫。

如何用 AI 把影片語音轉成字幕

在韻詞字幕中，開啟影片後點擊 AI 助手，在 語音轉錄 分頁選擇影片裡說話的語言，點擊 開始轉錄，幾分鐘後帶時間碼的字幕就會自動出現在對話軌上。

什麼時候用：手上只有影片、沒有任何文字時，這是最快的字幕建立方式。對於口說影片、訪談、課程、Vlog 這類人聲清晰的影片，AI 轉錄的結果往往只需少量修改就能直接使用，比手動打軸快得多。

1. 點擊 檔案 > 開啟影片，確認影片已正確載入並產生了波形。
2. 點擊軌道檢視左上角的 AI 助手，開啟 AI 助手面板。
3. 確認目前處於 語音轉錄 分頁（見圖 2.19）。

4. 選擇影片語言：简中、繁中、英文、韓文、日文或自動偵測。指定語言通常比自動偵測更準確，尤其是影片開頭沒有人聲，或者夾雜多種語言的時候。
5. 選擇辨識精度：
   • 快速：快速模式：使用 Whisper small 小型模型，速度快、系統需求低，精度略低。
   • 標準：標準模式：使用 Whisper medium 中型模型，兼顧速度與準確率，適合大部分情境。
   • 自訂：自訂模式：使用您在系統設定中指定目錄內的自訂模型，適合有特殊需求或已下載特定訓練模型的使用者。選擇後可在自訂語音模型下拉式清單中選取模型。
6. 視需要調整 進階設定（一般保持預設即可）：
   • 智慧靜音偵測：過濾無聲片段，減少空白轉錄。影片中有較長靜音或只有背景音樂的片段時可以開啟，避免產生空字幕或「幻聽」字幕。開啟後可調整靈敏度和最短片段。
   • 合併過短字幕：字數不足時併入下一句。字幕條過短、切換過於頻繁時開啟，最少字數一般建議設為 2 ~ 4。
   • 時間軸精校：穩定字幕時間戳，對齊更準確。
   • 自訂提示詞：降低 5-15% 詞錯誤率，尤其改善同音字。可以直接輸入要求，也可以點擊快速範本：標點符號、中英混用、有背景音、多人對話、日常Vlog，點擊清空可清空提示詞。
7. 點擊 開始轉錄。資訊提示欄的執行進度會即時顯示處理狀態。
8. 處理完成後，字幕自動填入對話軌並顯示在時間軸上。此時點擊儲存文稿，可將轉錄文稿（不含時間碼）儲存為 Word 檔案，方便用作文字稿或會議記錄。
9. 點擊 字幕精修 返回軌道檢視，即可在影片中看到產生的字幕。

結果：影片裡的每一句話都變成了帶時間碼的字幕。接下來建議通讀一遍，重點檢查人名、專有名詞和同音字，這些是 AI 最容易聽錯的地方，校對方法見在清單中校對字幕。

💡 若想中途停止，點擊 停止。已辨識的部分會保留，未處理完的部分不會填入。在軌道頭上點擊右鍵，選擇 清空軌道 即可清空內容重新開始。

⚠️ 轉錄品質受影片音質影響較大。對於錄音嘈雜、口音較重或語速極快的影片，辨識準確率可能偏低，需要手動校對。這類影片可以試試把精度提高到標準或更大的模型，或者在自訂提示詞中寫明影片的主題和常見專有名詞。

如何把已有文稿自動對齊到影片

在韻詞字幕中，開啟 AI 助手 的 文字轉軸 分頁，匯入 .txt 文稿、選擇文稿語言後點擊 開始轉軸，軟體會把文稿的每一句自動對齊到影片裡對應的語音上。

什麼時候用：演講稿、課程講義、配音台本這類「先有稿子、後錄影片」的內容，文字是現成的、也是準確的，缺的只是時間。和轉錄相比，文字轉軸不需要 AI 去「猜」內容，只需要找到每句話出現的時間，所以字幕文字和原稿一字不差。

1. 開啟 AI 助手 面板，切換到 文字轉軸 分頁。

   也可以先從 檔案 > 開啟字幕、歌詞或文字 選擇文稿檔案，在彈出的打軸暫存面板中點擊AI 自動打軸，介面會自動跳轉到文字轉軸分頁（見圖 6.4）。

2. 點擊匯入(.txt)，選擇 .txt 格式的文字稿。
3. 選擇文稿語言。
4. 選擇比對精度：
   • 快速：使用 Whisper small 小型模型，速度快。
   • 標準：使用 Whisper medium 中型模型，對齊精度更高，速度略慢。
   • 自訂：使用您在系統設定中指定目錄內的自訂模型（與「字幕精修」共用同一個模型目錄）。
5. 選擇對齊方式：
   • 轉錄對齊：先實際轉錄取得時間軸，再把字幕文字替換成文稿原文。文字與文稿逐字一致，時間精度≈音訊直接轉錄。中英日等情境首選。
   • 強制對齊：強制對齊備援：不依賴語音辨識是否聽對，直接把文稿定位到音訊。適合小語種、重度雜訊或方言等轉錄不可靠的素材。
6. 視需要，在進階設定中調整合併過短字幕和自訂提示詞（一般無需修改）。
7. 點擊 開始轉軸，處理完成後字幕會自動顯示在時間軸上。

結果：文稿的每一句都帶上了時間，字幕文字和原稿完全一致。

📝 文字轉軸要求音訊中的說話內容與文稿高度一致。如果文稿與錄音存在增刪或改動，比如講者臨場發揮、跳過了幾句，對齊效果可能不理想，需要手動調整部分字幕的時間。匯入前先把文稿和影片對照一遍，刪去沒有唸到的部分，效果會好很多。

如何用 AI 翻譯字幕

在韻詞字幕中，開啟 AI 助手 的 AI 翻譯 分頁，選擇目標語言和 DeepSeek 模型後點擊 開始翻譯，譯文會自動填入翻譯軌。

什麼時候用：需要做雙語字幕，或者把影片介紹給其他語言的觀眾時。和免費翻譯相比，DeepSeek 大型語言模型會結合上下文理解整段內容，更擅長處理口語、俚語和語氣，譯文讀起來更像人寫的；還可以用「翻譯要求」指定風格，比如更口語化或更正式。

開始前，請先按取得 DeepSeek API Key準備好 API Key，並確認原文字幕已經校對過。原文裡的錯字會被原樣帶進譯文。

1. 開啟 AI 助手 面板，切換到 AI 翻譯 分頁（見圖 6.5）。

2. 如尚未設定 API Key，請貼上到 資訊提示 欄的 API Key 輸入框中。

3. 選擇目標語言：可直接點擊繁體中文、英語、日語、韓語、法語、俄語，也可以在旁邊的「更多語言…」下拉式選單中輸入關鍵字搜尋，從 100 餘種語言中選擇。

4. 確認翻譯引擎為 DeepSeek。

5. 選擇翻譯模型：

   • deepseek-v4-flash（快速．便宜）
   • deepseek-v4-pro（高品質）

   不同模型的翻譯品質和消耗的 Token（詞元，可簡單理解為計費單位）不同，具體請參考 DeepSeek 官網：https://platform.deepseek.com/usage

6. （選用）在進階設定的DeepSeek設定中填寫翻譯要求，或點擊預設：

   • 通順易讀：優先確保譯文自然流暢，適合一般觀眾。
   • 正式風格：用詞嚴謹，適合商務、學術情境。
   • 技術文件：保留專業術語，適合技術類內容。
   • 口語化：貼近日常對話，適合訪談、綜藝類內容。
   • 創意風格：譯文更具文學感，適合影視、廣告類內容。

7. （選用）在資訊提示欄調整：

   • 區塊大小：每批合併傳送給 DeepSeek 的字幕條數。行數越多，模型能看到的上下文越多、譯文更連貫一致；但單批出錯時需要重試的內容也越多，字幕行較長時建議適當調小。
   • 延遲 (ms)：每次請求之間的間隔時間，避免觸發 API 頻率限制。
   • 點擊查詢餘額可跳轉至 DeepSeek 平台查看帳戶餘額。

8. 點擊 開始翻譯。翻譯完成後，譯文將自動填入翻譯軌道，可在時間軸上與原文對照編輯。

結果：譯文自動填入翻譯。在字幕清單中同時勾選對話軌和翻譯，就能左右對照著檢查譯文。

💡 如果影片裡有固定的人名、品牌名或專業術語，可以把它們寫進翻譯要求，比如「人名保留英文原文，不翻譯」，譯文會更統一。

📝 進階設定中的術語設定（產生術語、匯入術語、檢視術語）將在後續版本中完善。

常見問題

沒有開通 VIP，能用 AI 功能嗎？

不能。語音轉錄、文字轉軸和AI 翻譯都是 VIP 功能，啟用方法見註冊與登入。不開通 VIP 時，仍然可以手動打軸、匯入現有字幕，並使用免費引擎翻譯，見如何用免費引擎翻譯字幕。

語音轉錄會把我的影片上傳到網路上嗎？

不會。語音轉錄和文字轉軸使用安裝在本機的 Whisper 語音模型，辨識全程在您的電腦上完成。只有 AI 翻譯需要連網，把字幕文字傳送給 DeepSeek 進行翻譯。

轉錄出來的字幕錯字比較多，怎麼辦？

可以從三個方向改善：在辨識精度中換用更大的模型（如 Medium 或 Large-v3）；明確指定影片語言，不要用自動偵測；在自訂提示詞中寫明影片主題和常見專有名詞。錄音嘈雜、口音較重的影片，轉錄後仍需手動校對。詳見如何用 AI 把影片語音轉成字幕。

轉錄結果裡出現了空字幕，或者沒人說話的地方也有字幕？

這通常出現在長時間靜音或只有背景音樂的片段。在進階設定中開啟智慧靜音偵測後重新轉錄，即可過濾掉這些無聲片段。

下載的大型模型放在哪裡，軟體才能找到？

放在軟體安裝目錄下的 resources\whisper_Models 資料夾中，軟體會自動辨識。也可以放在其他位置，再透過選單 偏好設定 > AI 模型設定說明 把模型目錄指向它，轉錄時選擇自訂即可使用。詳見如何下載並設定語音模型。

文字轉軸後，有些字幕的時間對不上？

文字轉軸要求錄音內容和文稿高度一致。如果講者臨場增刪了內容，那幾句就容易對不準。可以先把文稿和影片對照一遍，刪去沒有唸到的部分後重新轉軸；個別對不準的字幕，在時間軸上拖曳邊緣手動調整即可，見如何調整字幕的開始和結束時間。

DeepSeek API Key 忘記儲存了，怎麼辦？

金鑰建立後只顯示一次，無法再次查看。登入 DeepSeek 開放平台 https://platform.deepseek.com ，在「API Keys」頁面重新建立一個新的金鑰，再貼上到軟體裡即可。

AI 翻譯要花多少錢？

費用由 DeepSeek 按實際消耗的 Token（詞元）收取，從您的 DeepSeek 帳戶中扣除，不同模型的價格不同，具體以 DeepSeek 官網為準：https://platform.deepseek.com/usage 。在軟體中點擊查詢餘額，可以隨時跳轉查看帳戶餘額。