工作流程
VideoCaptioner 将“字幕内容处理”和“字幕样式呈现”分开。各阶段交换字幕文本、 时间轴和单双语结构；SRT 是默认阶段交付格式，ASS/VTT 在导出或视频合成时生成。
完整流程
音视频输入
→ ASR 转录与字词级对齐
→ 本地聚合或 LLM 语义断句
→ 字幕优化
→ 非 LLM / 单 LLM / 双角色 LLM 翻译
→ 字幕后处理与质量审计
→ 软字幕封装或硬字幕合成
【转录字幕】SRT
↓
【初版字幕】SRT + 可选术语表/翻译审计
↓
【后处理字幕】SRT + 可选 QA/时间证据字幕后处理在完整 workflow 中默认开启，但可以关闭。它接收已经完成优化、翻译和前置 断句的初版字幕，再进行标点清理、短间隙闭合、单句时长治理、时间轴平滑、 阅读速度优化、可选语义修复和质量审计。 后处理失败时保留初版字幕，并允许后续阶段继续使用初版结果。
完整 workflow 在内存中把字幕数据直接传给下一个模块，不会为了阶段交付而反复读取 刚写出的 SRT。与此同时，每个实际完成的字幕阶段都必须保存一份规范 SRT 检查点， 便于用户查看结果或从某个阶段手动恢复工作。
转录与时间证据
MiMo 与 Qwen 路线可以使用 Qwen3-ForcedAligner 生成字词级时间戳。VAD 只负责 识别语音范围、寻找分块边界和跳过静音，不等同于词级对齐。对齐异常会先重试或拆分 窗口，仍失败时才生成受语音区间约束的降级时间轴，并在阶段摘要中明确标记。
翻译产物
增强型翻译在初版字幕之外还会生成：
.vcglossary.json项目术语表- Markdown 翻译审计报告，内附按角色与阶段汇总的 token usage
必要翻译阶段失败时不会把部分结果当作成功，也不会继续进入后处理。完整说明见 翻译模式与双角色校对。
阶段自动导出
任务创建页和批处理页提供一个“每个字幕阶段自动导出”开关。启用后，可统一选择 ASS 或 VTT；每个实际完成的字幕阶段都会额外导出一次，并使用相同的格式、布局和样式。 这些设置会在任务开始时冻结，避免长任务执行期间修改设置导致各阶段成品不一致。
- 规范 SRT 始终保存，不能关闭。
- ASS/VTT 自动导出失败只产生警告，不撤销已经成功的 SRT 阶段结果。
- ASS 使用当前字幕样式设置；VTT 不使用 ASS 样式。
- 文件通过
【转录字幕】、【初版字幕】、【后处理字幕】前缀区分。
单独处理已有字幕
不运行完整 workflow 时，可以按需使用独立页面：
- 在“字幕优化与翻译”页面导入字幕，完成前置拆分、断句、优化和翻译，得到初版 SRT。
- 在“字幕后处理”页面导入已经成型的字幕，调整速度、时间轴和文本清理。
- 保存规范 SRT 工作稿，或按需导出 ASS/VTT 等观看格式。
后处理不会回到上游重新执行翻译或字数上限断句。它可以大幅重组已经交付的字幕， 但只在用户开启相应能力时进行。详细说明见字幕后处理。
合成与导出
软字幕通过 FFmpeg 流复制快速封装；ASS 硬烧和圆角背景使用集中编码引擎。GUI 可以检测 硬字幕编码器是否真正能在当前硬件初始化，预览命令并控制运行；CLI 可为硬字幕打印命令 或透传额外参数，并提供原始命令入口。详细说明见 FFmpeg 合成导出。
相关文档：