功能
该做的事，都在同一条流水线里
不做「能识别就行」的半成品。识别前后该做的事 —— 语音切分、电平归一化、 专有名词校正、字幕规格校验 —— 都在同一条链路里。
拖进来就能开始
六种音频格式直接读，不用先转格式。识别语言、推理深度、领域词库、 字幕规格都在同一屏里，改完立刻生效，不用来回翻页面。
- MP3、WAV、FLAC、OGG Vorbis、Opus、AIFF
- 长音频按语音活动自动切段，减少漏句
- 五个领域词库与自定义热词
AI 校对，把难以避免错误交给你的 AI 处理
提示词按你本地的设置组建，经系统剪贴板交给你自己选的AI大模型， 结果再复制回来一键覆盖。软件不代你发送、也不保存内容 —— 从粘贴那一刻起，内容由你选择的那家 AI 服务处理。
- 标点习惯、字幕规格、勾选的词库都会反映进提示词
- 取回时先给出逐条预览，确认无误再写回字幕
- 支持通过 Ctrl + Z 撤回 AI 操作
模型自己选，大小自己定
安装包不内置模型，首次启动会自动引导模型页配置。使用什么模型， 由你来定；你也可以自由地使用自己的 ggml 模型。
- 模型名不限定，任何 .bin 都能被识别
- 模型目录支持更换
- 识别全程在本机运行
- 剪辑式时间轴
- 六类字幕规格校验
- SRT / VTT / ASS / TXT 导出
- UTF-8 / 带 BOM / GBK 编码
- 15 步撤回重做
- 查找替换与批量文本工具
下载
下载安装包
当前是公开测试版。安装包未做数字签名，首次运行 Windows 可能提示「未知发布者」， 选择「更多信息」后再点「仍要运行」即可。
XBAOS 字幕生成器
识别模型不随安装包分发，需要单独获取。软件运行需要 Windows 10 1809 及以上 64 位系统、 建议 8 GB 内存；核显即可运行，支持 Vulkan 的显卡会明显快一截。
常见问题
你可能想先问清楚的事
会上传我的音频吗？
不会。音频的解码与语音识别全部在本机完成，软件不会把音频、片段或识别结果发到任何服务器， 也不包含统计与埋点组件。
目前软件会联网的地方只有两个：启动时读取版本清单的「检查更新」（默认开启， 可在设置里关闭），以及你下载识别模型时访问模型仓库。
这两件事都不影响核心功能：断网、或者关掉自动检查之后，识别与导出照样能完成。
AI 校对和翻译会联网吗？
软件不代你发起请求：它只组建提示词并写入系统剪贴板，由你自己粘贴到所选的在线 AI 服务里， 再把结果复制回来。软件不接收、也不存储这些内容。
但要留意，从你把提示词发送到第三方平台的那一刻起，内容就已经离开了本机， 之后的处理适用那家 AI 服务自己的用户协议与隐私政策。涉及他人隐私或未公开信息的内容，请谨慎粘贴。
为什么要单独下载模型？
识别模型动辄几百 MB，随安装包分发会让安装包涨到一倍以上。现在安装包约 110 MB， 首次启动时软件会自动加载模型页，你可以自由地选择配置相关模型，或者把你自己手头的 ggml 模型文件 放进模型文件夹。
我们推荐使用的Whisper.cpp模型采用 MIT 许可，版权归其各自权利人所有。装好之后识别全程在本机运行，断网也能使用。
支持 M4A、AAC 吗？
不支持。AAC 的部分专利尚未到期，软件为了保证完全免费可商用，不内置任何需要付费授权的解码器。 M4A、MP4、WMA、AMR、DTS 同理。
遇到这些格式，先用别的工具转成 MP3、WAV、FLAC、OGG 或 Opus 再导入即可。 强制导入不受支持的格式会导致报错。
软件收费吗？可以商用吗？
免费，可商用。软件不含任何需要付费授权的组件，也没有需要付费授权的音频解码实现， 我们推荐使用的识别引擎与所用模型权重均为 MIT 许可。
完整的第三方组件与许可清单可在软件的「关于」中查看。 源代码依 Apache 2.0 开源。