是的~目前看到的主流解决方案都是用 whisper，楼上提到的 VideoLingo 应该就是一个打包版
感谢！这个教程写得非常清楚，回头试试；这个网站做的也很不错，感谢推荐！
我试过 5 个小时的视频，就是要把字幕分割，然后把英文翻译为中文，再把中文对齐时间轴，然后再全部合并，用 AI + 脚本 基本可以 80%以上 完成度，质量也比机翻高的多，回看视频的时候顺便调整有问题的地方。
现在最头疼的还是 whisper 幻觉和正确率问题还是有待解决，转录的英文还是会受很多因素出现差错，基本无解
ffmpeg 提取音频，再转录成文字
之前用过个项目，本地可直接生成字幕文件，当然对准确度有要求需要再校对。
你也没找到其他的，我回头给你找找项目名称，不常用所以没记住名字
确实，VideoLingo 处理短视频已经非常方便了；但是似乎处理长视频（1 小时以上）还是没有很理想的解决方案。目前我也是把一个视频拆成几段处理的 
上边提到的 VideoLingo 就是按这个思路来的，确实很方便