下面每一项都已经在真机上跑通。有截图的地方是 v1.0.0 的实际界面，没有截图的地方就直接写清楚它做了什么 —— 我们不用效果图凑数。
三设备速览
声落在手机、平板和 PC 上都是同一套离线引擎 —— 屏幕变大，工作流不用从头来。
选好音频或视频后，声落先用 VAD 把长音频切成一句一句的片段，再交给 SenseVoice-small 逐段识别。整个过程不发出任何网络请求 —— 你可以在转写开始后直接打开飞行模式，它会照常跑完。
识别结果自带时间戳，可以直接进入时间轴逐条核对，也可以先交给 AI 校对再看。
主界面 · 空态
把字幕真正压进画面，而不是生成一个需要播放器另行加载的外挂文件。烧完的视频发到任何平台都不会丢字幕，也不用担心对方播放器不支持 ASS 样式。
字体、字号、颜色、描边、位置在 App 内直接调，所见即所得。
libass 把字幕按样式绘制到每一帧画面上，与桌面端渲染同源。
ffmpeg 重新封装成视频文件，直接保存进系统相册。
这一项的产物是一段视频，静态截图说明不了什么 —— 所以这里不放图。
识别结果先过一遍规则清洗（去重复、并短句），再交给 Qwen3-1.7B 做语义级纠错：补标点、拆长句、修专有名词。模型通过 llama.cpp 在本机推理，同样不联网。
设置里能看到两个模型各自的来源与占用，也能随时删掉释放空间。删除校对模型后，基础转写功能不受影响。
设置面板 · 模型来源与占用
在电脑上选好素材，靠近手机轻碰一下，文件就过来了。不走聊天软件、不走网盘、不用数据线 —— 这条路径本身也是离线的。
一次丢进多个文件，声落按队列依次处理，每条各自显示自己的状态。中途切走做别的事，回来接着看进度。
同一份识别结果可以取 SRT、VTT、ASS 三种字幕格式，也可以只要一段不带时间码的纯文本。切换标签页就能预览，不必先导出再打开检查。
右边这张截图是 PC 主界面 —— SRT / VTT / ASS 标签、导出与烧录按钮都在同一屏。
PC 主界面 · SRT / VTT / ASS 标签与导出烧录入口
墨青、暮橙、月白、纯黑、纯白、幻夜、初音七套主题，外加 auto 跟随系统深浅色。每套都是完整的一整组配色，不是给同一个界面换个按钮颜色。还可以指定一张自己的图片做背景。
你现在看到的这个官网的青绿，就取自 App 默认主题「墨青」的主色 #35C9B5。
主题选择弹窗 · 7 套主题全览
不够格单开一张大卡，但少了它们会很难受。
字体、字号、主色与描边色、边距与对齐位置逐项可调。调好的样式会同时作用于导出的 ASS 文件和烧录进画面的硬字幕。
序号、开始时间、结束时间、文本四列并排，逐条核对与修改。长音频出错时不用整段重来，改一行就行。
手机、平板、2in1 三种形态各有各的布局。宽屏上分栏并排，窄屏上纵向堆叠，不是把手机界面拉大了事。
这些参数放在这里，是为了让你可以自己去核对，而不是相信一句「专业级」。
| 语音识别引擎 | sherpa-onnx + SenseVoice-small |
|---|---|
| 识别模型体积 | ≈ 200 MB |
| 语音活动检测 | silero-VAD |
| AI 校对模型 | Qwen3-1.7B · llama.cpp |
| 校对模型体积 | ≈ 1.03 GB |
| 音视频处理 | ffmpeg（Native C++） |
| 字幕渲染 | libass |
| 导出格式 | SRT / VTT / ASS / TXT |
| 界面框架 | ArkTS / ArkUI |
| HarmonyOS SDK | compatible SDK 6.1.0(23) |
| 支持设备 | 手机 / 平板 / 2in1 |
| 应用体积 | ≈ 1.2 GB |
| 包名 | shengluo.qinglanzhuma.huawei |
| 网络权限 | 不需要 |
应用体积偏大是因为两个模型都内置在安装包里。这是「离线」的代价，也是它能真的离线的原因。
