01阶段 01
1. 载入音频或视频轨道
将任意音频或视频录制文件拖入本地工作区。音频解码在内存中完成，不会向外部服务器上传任何字节。
本地 Whisper AI
本地 Whisper AI 语音转文字
通过 WebAssembly 在浏览器内直接运行 OpenAI Whisper 模型，完全离线高精度听写。
本地 Whisper AI 语音转文字
准备就绪，请载入本地音频或视频文件
浏览器本地音频引擎
正在扫描语音与静音停顿…
正在读取文件并计算 RMS 能量…
1读取文件
2解码音频
3扫描静音
4构建波形图
响度：-16.0 LUFS
峰值：-1.0 dBFS
已节省 0:00节奏预设
语音呼吸垫微调检测参数
平衡
平衡 (~-38dB)：经过校准的自然平衡，推荐用于播客、YouTube 视频和对话。
0.80s
0.20秒（所有细微停顿）2.50秒（仅长停顿）
0.32s
0.00秒（紧贴 / 跳剪）0.80秒（宽松）
自动删除第一句话之前和最后一句话之后的静音。
停顿 #01✂️ 建议剪切
00:14.2 → 00:16.8（2.6秒间隙）
1.6秒静音间隙；保留 0.32秒呼吸空间。
提示：按 Del 或 Backspace 剪切所选静音R 保留
静音地图 (0)
发现 0 处静音（0.0秒空白）· 将剪切 0 处，保留 0 处
作用范围所有片段
所有编辑均可撤销
工作室 DSP 与环境音机架
实时 DSP✨
一键彻底去除背景噪音
去除 80Hz 低频隆隆声、50/60Hz 交流嗡声、房间底噪与口腔杂音
防真空断层
使用从您的录音中合成的真实房间底噪填充缩短后的静音间隙，消除不自然的“真空断层”。
巴特沃斯
-40 dBFS
+2.5dB 清晰度
齿音
三次样条
-1.0 dBFS
字幕范围保护
保护有意保留的句子与停顿
导入字幕文本后，对话边界将被锁定，句子内部富有戏剧性的沉思和刻意的语音停顿永远不会被自动剪掉。
未加载字幕
犹豫音剪除（填充词与口吃）
移除口头犹豫声（嗯、呃、那个、就是）以及重复的口吃。
0 个填充词0 处口吃
已与声学剪切合并
音视频双系统同步
漂移校正剪辑证据与来源
清单 v1.0提案总数
0
生效剪切
0
已恢复停顿
0
受保护台词
0
导出结构校验：
✔ 零服务器上传（100% 客户端）
✔ 真峰值限制器上限 ≤ -1.0 dBFS
✔ 时长守恒已验证 (Δ ≤ 5ms)
✔ 8ms 过零点防爆音微淡变
媒体预检与功能
源格式：音频轨道
采样率：44.1 kHz
声道：立体声（双声道）
内存占用：~12 MB 内存
本地处理：100% 客户端
已验证的导出选项：
- ✔ 16 位 PCM WAV： 无压缩无损母带音频。
- ✔ Audacity 标签： 可拖放到 Audacity / Reaper 的标签轨。
- ✔ CSV 提示表： 带精确时间戳的表格式标记列表。
- ✔ EDL / FCPXML： 时间线剪辑列表：EDL 适用于 Premiere 和 Resolve，FCPXML 适用于 Final Cut 和 Resolve。
- ✔ 证据清单： 附带源文件 CRC-32 校验和的 JSON 与 CSV 审计记录。
单集节目笔记
检测到静音 #01 (00:04.4 → 00:05.0)
🎬序列轨道1 个片段
停顿地图与时间线
点击 / 拖动以定位0:000:00
✨
✨ 正在降噪...背景噪音消除器
多频段频谱维纳滤波与房间隆隆声去除
强 (75%)
0%（关闭）50%（平衡）100%（录音室最强）
Space 播放/暂停 · Del 剪切 · R 保留 · J/L 跳转 2 秒双击波形即可剪切
无损 16-Bit 母带音频与剪辑账本导出
在浏览器内存中应用 8ms 防爆音微淡变安全渲染。零服务器上传。
已从视频检测
在 Studio Flow 中串联时间线文件只按文件名引用你的媒体。Final Cut Pro、DaVinci Resolve 或 Premiere Pro 会提示你将片段重新链接到原始文件。
✨ 将鼠标悬停在工具图标上查看说明 · 点击启动
100% 浏览器本地处理 · 绝不上载任何文件至服务器
声学工程指南 · 底层架构
工具在浏览器内存中的工作原理
解析如何在零云端延迟下本地完成音频解码、智能分析与母带处理。
02阶段 02
2. 本地 Whisper 语音转文字
直接在浏览器的 WebAssembly 中运行量化版 Whisper 语音识别，生成带逐词时间戳的字幕条目。
03阶段 03
3. 编辑、保护与导出
复查检测到的语气填充词和口吃，保护对话中的停顿，并导出同步的 WebVTT、SRT 或 Audacity 标签轨。
配套对白精修工作流
探索用于杂音消除、语速节奏调整及母带处理的互补工具。
音频行业标准与研究
工程指南与进阶工作流
探索本工具背后的声学原理、ITU-R 响度标准及语速微调技术。
字幕校对阅读约 6 分钟
如何导入 SRT 或 VTT 字幕文件辅助审查并保护有意义的语音停顿
文本与音频对齐机制：导入带时间戳的字幕轨道，自动保护句子内部的必要思考间隙，并导出重新对齐的字幕。
字幕时间戳对齐阅读约 7 分钟
在大量删除静音死寂后如何确保 SRT/VTT 字幕与画面精准对齐不跑位
累积时间戳位移算法：依据被剪切的静音间隔毫秒数，按比例自动重算每条字幕的出入点时间码。
文本剪辑阅读约 8 分钟
基于转录文本的视频剪辑工作流：像编辑 Word 文档一样剪辑视频
文本时间轴引擎如何将字词级标记与视频关键帧精准对齐，智能保护完整语句并一键导出 NLE 工程。
常见问题解答
常见问题与技术解析
如何免费在线将音频转为文字？+
免费在线将音频转为文字的步骤：1. 将音频或视频文件拖入 AutoSilenceCut。2. 点击“AI 转写”，在浏览器本地运行 Whisper 语音识别。3. 复查逐词时间戳，并导出 W3C WebVTT（.vtt）或 SubRip（.srt）字幕文件。
语音转文字会把我的录音上传到云端服务器吗？+
不会。AutoSilenceCut 借助 WebAssembly 和 Web Workers，完全在你的浏览器内运行 Whisper 语音识别。你的音频录音、文稿和文件名都不会离开你的设备。
本地语音转文字引擎支持哪些语言？+
内置的浏览器本地模型针对英语语音识别进行了优化。对于其他语言或已有的文稿，你可以直接导入标准的 .vtt 或 .srt 字幕文件。
语音转文字与静音和填充词剪辑有什么关联？+
转写音频会生成逐词时间戳，自动识别犹豫类填充词（嗯、呃）、重复词口吃以及废镜头重录，同时锁定口述句子中的有意停顿。
可以导出哪些字幕和文本格式？+
你可以导出同步的 WebVTT（.vtt）字幕、SubRip（.srt）字幕文件、Audacity 提示标签轨（.txt），或符合 RFC 规范的 CSV 剪辑台账。