Whisper 系列
由 OpenAI 開發的標竿級多語系模型,具備優異的抗噪能力與極高的準確度。
運用頂尖 ASR 模型的強大能力,將原始音訊無延遲地轉換為結構化、高保真度的文字。
點選左側的工作流程,看看每一種在 Scribis 裡怎麼運作。
ASR ENGINE
高精度轉錄,支援多種音訊格式。
支援批次處理、自動標點與專有名詞辭典。
透過實機操作影片,快速了解 Scribis 如何利用 VibeVoice 與 Parakeet 進行高速轉錄、字幕音畫同步微調與 AI 剪輯。
提供多款針對不同場景優化的頂尖模型,從輕量化即時辨識到精準的多語系轉錄一應俱全。
由 OpenAI 開發的標竿級多語系模型,具備優異的抗噪能力與極高的準確度。
針對歐美語言深度優化的高速 ASR,支援超過 25 種語言,處理長音頻效率極高。
阿里巴巴研發的高速模型,支援多種語言及音訊事件偵測,速度驚人且低延遲。
聯發科與台大開發,專為台灣在地化場景優化,完美支援中英文混合辨識。
阿里雲開源模型,支援 30 多種語言,具備卓越的多語系實力與語音對齊能力。
微軟開源的 7B 語音大模型,支援單次 60 分鐘長音訊處理,整合語音辨識、角色標記與時間戳記,生成結構化對話日誌。
Mistral AI 研發的 3B 輕量級多模態模型,結合語音轉錄與語言理解,支援直接對著音訊提問並執行複雜的函數調用。
Mistral AI 研發的原生即時語音模型,具備低於 500ms 的極低轉錄延遲,採用因果音訊編碼與適應性延遲控制。
用一段文字描述設計新聲音,或用參考音訊克隆講者的聲音,支援中、英、日、韓、德、法、俄、葡、西、義 10 種語言。
支援 30 種語言與 9 種中文方言,可設計聲音或以 WAV 參考音訊克隆,輸出 48 kHz 音質。
本機模型之外,也能用自己的 API 金鑰接上雲端服務;會議一開始,Scribis 會用系統通知提醒你錄音。
轉錄、翻譯、語言模型與語音合成,填入 API 金鑰即可使用。
也支援 OpenAI 相容的自訂端點。
偵測到會議 App 開始使用麥克風時,跳出系統原生通知。Scribis 不會自行開始或停止錄音。
網頁會議可在 Chrome、Safari、Edge、Arc、Firefox、Brave 中偵測。支援 Windows 與 macOS 14.2 以上,Mac App Store 版不提供。
Scribis 不只產生逐字稿:可用原稿和畫面字幕校對內容、翻譯字幕、保留講者參考音色,並把成品整理匯出。
選擇本機辨識模型,在自己的裝置處理音訊;需要時也能切換雲端服務。
建立術語替換和發音字典,支援 IPA、注音與拼音,讓常見專有名詞更容易辨識正確。
修改字幕並對齊波形、用文字粗剪片段,再加入畫面縮放或馬賽克,最後匯出字幕或影片。
匯入影片連結並擷取或翻譯字幕;設定 Gemini 後,可向影片提問、生成摘要與時間戳重點,也能分析指定畫面。
素材與逐字稿、預覽、場景風格和時間軸,都在同一個編輯器視窗裡完成。
Scribis 影片編輯器:左側是素材與逐字稿,中間是預覽,右側是場景與動態圖像風格設定,下方是分鏡與時間軸。
毫秒級時間碼,拖曳即可讓每句字幕對齊音訊。
原文與譯文並列顯示,雙語字幕一次完成。
合併、分割與批次修正,校對字幕更省時。
看著你的想法化為現實。我們獨家的邊緣運算網路,讓無延遲處理管線在你開口的瞬間,同步渲染出文字。
字幕直接燒錄進每一個影格
從官網直接下載安裝檔
僅支援 Apple Silicon 晶片
建議配置:僅轉錄時,Parakeet 與 SenseVoice 可用 CPU 運行,其餘建議 VRAM 4GB+;搭配翻譯功能則建議 VRAM 8GB+ (CUDA)。