用Python本地搭建短剧AI自动字幕工具

先把依赖环境配好

1. 先装Python，选3.9-3.11区间的版本就行，安装的时候务必勾选Add Python to PATH选项，不然后续终端识别不到Python命令。
2. 打开系统终端（Windows是cmd或者PowerShell，Mac是终端），执行依赖安装命令：

   pip install openai-whisper ffmpeg-python

3. 装完Python依赖后补装ffmpeg：Mac用户直接执行brew install ffmpeg；Windows用户去ffmpeg官网下载预编译的二进制包，把bin目录路径加到系统环境变量里就行。

别头铁装Python3.12及以上版本，目前部分AI依赖包还没做适配，装的时候卡半天装不上，我上周刚踩过这个坑。

核心代码不到二十行

新建一个后缀为.py的文件，把下面的代码粘进去就行，不需要改复杂逻辑：

import whisper
import os

# 模型选择，第一次跑先用base，模型小下载快
model = whisper.load_model("base")
# 把引号里的文件名换成你自己的短剧片段路径
result = model.transcribe("duanju.mp4")

# 输出标准srt格式字幕文件
with open("output.srt", "w", encoding="utf-8") as f:
    for idx, segment in enumerate(result["segments"], start=1):
        # 格式化时间戳适配srt规范
        start_ts = f"{int(segment['start']//3600):02d}:{int((segment['start']%3600)//60):02d}:{int(segment['start']%60):02d},{int((segment['start']%1)*1000):03d}"
        end_ts = f"{int(segment['end']//3600):02d}:{int((segment['end']%3600)//60):02d}:{int(segment['end']%60):02d},{int((segment['end']%1)*1000):03d}"
        f.write(f"{idx}\n{start_ts} --> {end_ts}\n{segment['text'].strip()}\n\n")
print("字幕生成完成，同目录下找output.srt就行")

第一次运行的时候会自动下载你选的对应模型，不用手动找资源下。如果你的设备是N卡、显存够8G左右，可以把load_model里的"base"换成"small"或者"medium"，识别准确率会好不少，运行速度看设备配置，别着急关终端窗口。

几个容易踩的小问题

• 如果终端提示找不到ffmpeg，先重启终端再试，还是报错就去检查环境变量的路径是不是写到了bin目录这一级，别写错上层目录。
• 要是识别出来错字特别多，要么是短剧片段背景音太杂盖过人声，要么是选的模型太小，换大一级的模型大多能改善。
• 待处理的视频文件名别用全角特殊符号，改成英文、数字或者普通中文命名最稳妥，能避免很多奇怪的读取报错。

反正生成的srt文件直接拖到剪映、PR里就能对齐时间轴用，省下来的上传、等平台处理的时间，多剪两条片段不香吗？