功能详情

下面每一项都已经在真机上跑通。有截图的地方是真机实际界面,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

同一套引擎,三种屏幕

音落在手机、平板和 PC 上都是同一套端侧引擎 —— 屏幕变大,工作流不用从头来。

00 / PROMPTER

口播提词

录口播不必再把台词背下来。导入一份文案,点开录制,屏幕变成提词器:3 秒倒计时之后文案开始自动向上滚动,当前要念的那一句高亮,你只管看着念 —— 竖屏取景,前置摄像头直接出人像画面。

录完的视频自动进入转写队列,同一套端侧引擎接着给它上字幕;成片可以顺手存进相册。提词器的配色跟随你当前的主题皮肤,不是另搞一套界面。

3 秒倒计时 当前句高亮自动滚动 竖屏人像录制 录完自动进队列

提词设置 · 视线位置三档

01 / ASR

端侧字幕识别

选好音频或视频后,音落先用 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。

sherpa-onnx SenseVoice-small silero-VAD 200MB

主界面 · 空态

02 / BURN-IN

硬字幕烧录

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。

01
定样式

字体、字号、颜色、描边、位置在 App 内直接调,所见即所得。

02
逐帧渲染

libass 把字幕按样式绘制到每一帧画面上,与桌面端渲染同源。

03
落盘入相册

ffmpeg 重新封装成视频文件,直接保存进系统相册。

ffmpeg libass ASS / SRT / VTT 保存到系统相册

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。

03 / PROOFREAD

AI 智能校对

校对走在线大模型,默认服务商是智谱 AI,模型 GLM-4.7-Flash(含免费档)。识别结果先过一遍本地规则清洗(去重复、并短句),再把你确认过的字幕文本发给你选定的服务商,逐句返回修改建议。改前改后并排对照,满意的行一键应用,不满意的直接丢掉。

这个功能默认关闭,只有你在设置里打开并自己填好 API Key 才会联网。服务商可切换智谱、DeepSeek、Kimi、阿里云百炼与硅基流动,密钥只存在本机,用来调用你自己申请的接口。校对只在文本层发生 —— 音视频文件始终不出设备。

在线大模型 智谱 GLM DeepSeek / Kimi 默认关闭 自带 API Key

设置面板 · 服务商与模型

最近任务

队列从首页抽出来,单独成页。待转写、转写中、已完成三种状态各归各位,一次丢进多个文件也会依次排队;中途切走做别的事,回来接着看进度。

待转写 / 转写中 / 已完成 批量排队

字幕工作区

校对、导出、烧录收进同一处,不用在页面之间来回找按钮。转写完成后直接在这里接着往下走,改完一行就能立刻看到它在成片里的样子。

校对 导出 烧录
04 / EXPORT

多格式导出

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。

SRT VTT ASS 纯文本

PC 主界面 · SRT / VTT / ASS 标签与导出烧录入口

05 / THEME

皮肤系统

墨青、暮橙、月白、纯黑、纯白、幻夜、初音等共八套主题,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。

8 套主题 auto #35C9B5 自定义背景图

主题选择弹窗 · 八套主题全览

字幕校对

改得动,也带得走

1.4.0 把字幕工作区补成了闭环:时间能精修、问题能检出来、改过的稿子存得住,也能变成一张图发出去。

时间轴精修

整体偏了就一键挪 ±0.2 或 ±0.1 秒;只有一句不准,就单独调它的起止。播放头停在哪,「对齐播放头」就把该句的开始或结束贴过去 —— 贴过头会告诉你最终取了哪个值,不会悄悄改。断行按 16 字规范来,合回一行或拆成两句都是一步操作。

对齐播放头 按 16 字断行 ±0.2s / ±0.1s

字幕质检

把看不出来的问题指出来:单句太长、读得太快、断行不合规。摘要行先给结论,下面逐条列出,点「去改」直接跳到那一句 —— 不用从头翻到尾去找哪儿不对。

超长 / 超速 / 断行 点击跳转 ≤9 字/秒

字幕资产库

最近 12 份字幕的文本与时间轴自动存档,重启应用也还在。想复用某一份,不必把原音视频再转一遍。只存文本和时间轴,不存媒体路径 —— 系统给的临时授权本来就撑不过重启。

最近 12 份 跨重启存档 SRT / VTT / ASS

字幕卡

把任意一句渲成一张 960×1200 的图片,直接存进相册或走系统分享发出去。做预告、做封面、贴到聊天里说明某一版字幕,都比截图干净。

960×1200 PNG 存相册 / 分享
时间轴精修 · 起止随手调
字幕质检 · 问题指给你看
字幕资产库 · 重启也还在
字幕卡 · 一句变一张图
更多能力

还有这几件小事

不够格单开一张大卡,但少了它们会很难受。

ASS 自定义样式

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。

ASS v4+

多设备适配

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。平板与 PC 还支持分屏与悬浮窗,窗口拖窄了会自动落回手机单栏布局。

手机 / 平板 / 2in1

鸿蒙系统能力

四件用到系统的地方:碰一碰把 PC 上的文件送到手机、桌面服务卡片一眼看队列、PC 桌面快捷栏一键入口,以及字幕朗读 —— 逐句念出声,校对长文时不用一直盯着屏幕。

碰一碰 服务卡片 PC 快捷栏 字幕朗读
免费与会员

用多少,随你

核心功能免费就能用。用得多了,会员把额度上限抬高。

免费使用

前三次转写不限时长,随便多长的音频都行。之后单个文件上限 5 分钟,一次批量最多 3 个文件 —— 识别引擎、多格式导出、皮肤系统不设限。

前 3 次不限时长

会员

会员只做一件事:抬高上面的额度上限 —— 单文件不再卡 5 分钟,批量也不再限制 3 个。转写本身仍是端侧跑的,和免费版完全一样。具体档位与金额,请在 App 内的会员页面查看。

额度不设上限

会员不影响隐私

订阅只改用量上限,不碰你的数据。转写照旧全程端侧,音视频文件不会因为它上不上传而发生任何变化 —— 这条规则对免费和会员一模一样。

识别始终端侧
技术规格

具体用了什么

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」。

音落技术规格参数表
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 校对模型在线大模型(默认智谱 GLM,自带 Key)
校对服务商智谱 AI / DeepSeek / Kimi / 阿里云百炼 / 硅基流动
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 SDKcompatible SDK 6.1.0(23)
支持设备手机 / 平板 / 2in1
应用体积≈ 200 MB(仅内置识别模型)
包名shengluo.qinglanzhuma.huawei
网络权限仅在线校对时使用

识别模型随包内置,所以安装包比纯在线方案大;这也是识别不联网也能跑的原因。校对模型不占安装体积 —— 它在线上,只在你手动开启时工作。

想看它是怎么一步步变成这样的?

从一个云端 ASR 工具,到今天这个识别全程端侧的版本,中间走了四个月。