在github上闲逛的时候，我无意间发现了一个给无字幕视频添加字幕并翻译成中文的软件，一段时间的使用之后，感觉对于我学习外语非常有帮助，看日语视频感觉理解更加深刻了。
 |
今天我就把它分享给大家，它就是卡卡字幕助手，是一名中国在校大学生开发的AI字幕神器，目前在github上已经收获了7000+的小星星，这意味着卡卡字幕助手是一个还不错的项目。
你是否曾因为外语视频没有字幕而错过精彩内容？或者为了学习外语，却苦于没有合适的工具？接下来我将从软件下载与安装，字幕样式的设置，大语言模型配置，本地视频添加翻译字幕，卡卡字幕助手官方API平台配置这几方面来介绍一下这个软件。
1、软件下载与安装
首先打开这个项目的github主页，在右侧的侧边栏，有个release，可以看到目前最新的版本是V1.3.3，点击进去，就来到了下载页面，我们选择win64这个exe文件下载即可，这个软件非常的轻量化，仅有57.1Mb，对软件的源码感兴趣，想研究一下的，也可以下载这个source code，也就源代码。不方便到github下载软件的朋友，我会把下载好的软件放到我的夸克网盘，然后链接放在视频的说明区。
下载完成后，我们双击打开，这时候它会提示你系统风险，不用担心，我们呢点击更多信息，然后呢点击仍要运行，设置语言，这里我默认简体中文，点击确定，还是我一贯的建议，不要安装在C盘，我们将它安装到d盘，然后点击下一步，桌面快捷方式这一项，可选可不选，安装软件的时候一直不选，桌面就会一直保持整洁，否则就会像我的桌面一样，乱七八糟了。最后点击完成，这里显示了这个最新的版本相对上一个版本的修改。我们可以看到，软件的界面非常简洁，一共有主页也就是主工作区，批量处理，字幕样式设置，软件设置这么几个模块。
2、字幕样式设置
鼠标先点击这个T的图标，就进入到字幕设置的菜单，这里可以设置字幕的字体，颜色，设置之后，在这边会同步显示设置的效果，首先字体，我建议大家还是要使用免费可商用的字体，特别是有些要用来做自媒体的朋友。这里插一句，推荐一个我常用的字体网站给大家，
100front，网址我也会放在视频的说明区，这是一个免费可商用字体收集网站，收集了超级多的免费可商用的字体，汉语，英语，韩语，日语字体统统都有，选择喜欢的，点击进去，我们可以看到，这个网站是提供了字体的打包下载的，也可以单独下载某一个字体，在这里输入我们的文字，可以设置字体颜色，背景颜色，字号，然后点击预览，就可以看到字体的显示效果。页面的最下方，有个夸克网盘的链接，我们点击下载保存到电脑上就得到一个压缩包，解压后，是一个ttf的字体文件，ttf这个格式是应用最广的字体文件格式，微软，苹果的系统都支持。然后点击右键，安装字体，这个字体就被安装到了我们的电脑上。我们回到卡卡翻译助手，关闭后重新打开软件，我们刚才安装的字体就显示在这里了，选择我们刚刚安装的字体，然后设置一个自己喜欢的颜色，这样，我们就设置好了字幕样式。
3、大语言模型配置
点击小齿轮，进入到设置菜单，首先要配置的就是转录模型，它的主要作用是把视频中的语音转化成原声字幕。我们可以看到，一共有5个选项，从项目的github主页介绍里可以看到，B接口和J接口，仅支持中文和英文，whisper和fastwhisper支持主流的99种语言，比如中日韩英等等，官方推荐使用fastwhisper，支持CUDA,速度更快，转录准确。时间戳也非常准确，这里我们就选择fastwhisper模型。
接下来是大语言模型的设置，大语言模型在整个软件处理流程中负责字幕断句、字幕优化、以及字幕翻译，可选项也非常多，openai，硅基流动，deepseek官方api，gemini，cloude等都可以使用，你可以看到，最下方是官方的内置公益模型，当下就不推荐使用了，非常的不稳定。公益模型使用的是gpt 4o mini模型，翻译质量也比较一般。它唯一的优点就是便宜。目前翻译质量最好的是clude sonnet，deepseek翻译质量也不错，和gemini同处第二梯队。
现在我就给大家演示一下，如何把硅基流动的付费deepseek api配置到卡卡字幕助手中，我们先在下拉框中选择硅基流动，然后打开硅基流动的主页，然后登陆自己的账号，如果是第一打开这个网站，需要先注册一下，
使用我评论区的老马视角专属链接注册，可以获得2000W token的免费赠送，相应的我也会获取部分token的奖励，这也是对我的频道的支持，感谢。注册完以后，我们在这个位置可以看到对应的奖励，这个只能以api的形式使用，不能提现。点击左侧的API密钥，然后新建API密钥，描述这里随意填写，我们自己能够分辨即可，比如就填写卡卡字幕助手，然后把密钥复制一下，回到卡卡助手页面，黏贴到这个位置，base url是软件默认配置好的，模型，一共有80多个可选，我们选deepseek v3，然后检查链接，出现这个提示，表示大语言模型已经配置成功了。
4、本地视频翻译
这是一段日语的视频，只有语音，没有字幕，现在我就演示给这段视频添加字幕的完整过程。直接把视频拖入这个窗口，或者这点后边的按钮，选择要添加字幕的视频，然后点击这个开始图标，会弹出一个源语言设置窗口，支持的语言非常的多，英语，德语，法语，日语，等等，常见的语言都是支持的，我们选择日语，
如果是第一次使用，我们还需要把whisper程序以及语音识别模型下载到本地，可以根据自己的硬件配置来选择，官方推荐是large-v2的效果最好，如果想把中文视频添加英文或者其他语言的字幕，最低要选择medium模型。作者应该是做了国内的镜像，模型下载速度非常快，也不需要特殊的上网方式。
下载完成后，就自动来到语音转录界面，等待语音转录完成，这个速度和自己的电脑配置相关，因为是本地运行的whisper模型来处理的，一分钟的视频，大概20多秒，就完成了转录，可以看到，在视频同文件夹中，生成了一个srt的文件，我们用文本编辑器打开，可以看到是带有时间戳的日语字幕，接着软件跳到了字幕优化与翻译窗口，可以看有字幕优化，这里主要做的是断句，上下文的语境理解以及最后再翻译成中文，翻译的速度非常快。最后一步就是视频合成了，这里我建议不要勾选软字幕，因为有些播放器是无法支持软字幕的，然后就等待合成视频，一分钟的视频，大概要两三分钟的时间，才能合成好。现在合成了字幕的视频已经生成了，带卡卡开头的这个就是新生成的视频，我和上期使用potplayer调用potplayer chatgpt translate生成的字幕信息做了对比，卡卡翻译助手确实表现更加出色，感兴趣的朋友，可以拿我上一期的视频做个对比，它的优势就在于音频转录后的字幕通过大模型做了字幕断句，字幕优化，上下文语境的结合非常好。并且费用非常的便宜，翻译这条一分钟的视频，才花费了2分钱。在本地视频翻译结束后，可以说：“有了卡卡字幕助手，从此告别听不懂的烦恼，看外语视频就像看中文一样轻松！
5、卡卡字幕助手官方API配置
如果对翻译的要求比较高的朋友，可以使用使用claude大模型来进行字幕识别和翻译，之前使用的是硅基流动平台是没有clude api服务的，这里我们可以使用卡卡字幕助手的方api平台videocaptioner API，官网链接我同样会放在视频说明区，目前平台做活动，充值1人民币直接给转化成一美元的余额，相当一块当作7块2来花，并且平台支持的模型非常多，像openai，gemini，claude，midjourney都是支持，如果经常用到的朋友，可以趁着现在有活动，充一些备用还是可以的，活动说不定什么时候就结束了。我这次打算翻译这个比较长的视频，有三分多钟，先充值10块看够不够用，选择自定义金额，然后填入10块，微信，支付宝都可以支付，好的，充好了，可以看到余额是10美元，我们现在先创建一个令牌，添加令牌，名称就写卡卡翻译助手，然后永不过期，提交，现在把令牌复制一下。回到卡卡助手设置页面，点击小齿轮，语音转录依然选择faster whisper，然后大模型这里选择open ai，然后输入我们复制过的密钥，base url要选择videocaptioner这个，记得右边的反斜杠v1不要漏掉，模型这里我们可以看到有非常多的选择，openai，gemini，claude，deepseek，一共有290多个，我们选择最新的claude，点击测试，出现这个提示就表示配置成功了。
在这里呢，我准备了一段英伟达2025年发布会的视频，老黄在介绍DGX1，我这个视频三分多钟，由于我的电脑配置一般，已经用了五六年的老电脑，耗时可能有点久，我们也不用一直等着，可以喝杯咖啡休息一下，漫长的等待后，进入到字幕优化和翻译环节，对原有字幕进行拆分重组，这就为下一步的翻译质量奠定了基础，最后翻译，合并视频的过程都和之前是一样的，我们一起来看一下字幕的效果。感觉怎么样？这个使用claude翻译的花费的就相对deepseek要贵一些，不过整体来看，还是相当便宜的，3分多钟的视频花费了0.1人民币，其实花费是非常少的，很少的花费就实现了字幕自由。
本来这个章节是要给大家介绍使用卡卡字幕助手给youtube等在线视频添加字幕翻译的，但由于youtube平台的更新，现在卡卡字幕助手的下载功能无法使用了，等这个软件有更新，我也会第一时间通知大家。
好的，今天的视频就讲到这里了，如果我的视频对你有所帮助，不妨给我的视频点个赞，如果不想错过我更加精彩的视频，不妨订阅和关注一下我，我们下期视频见，88