第十一章  完整操作流程实战

11.1 第一次使用 Whisper

1. 启动 Voxly 并完成授权。
2. 打开“工具 > 偏好设置 > 依赖管理”，确认依赖目录有足够空间。
3. 选择 Whisper，下载基础依赖、运行时和推荐的 Large V3 Turbo；需要兼容旧结果时可改选 Medium。已有任意 Whisper 模型时不会强制下载。
4. 返回基本设置页，导入音频或视频，选择语言和输出格式。
5. 点击开始转录，等待进度完成。
6. 在字幕编辑页检查时间轴和文本，必要时用 F2 编辑、拆分或合并字幕。
7. 使用 Ctrl+S 保存，Ctrl+E 导出其他格式。

11.2 第一次使用 Qwen3-ASR

1. 打开“偏好设置 > 依赖管理”，选择 Qwen3-ASR。
2. 下载基础依赖、Qwen 运行时、Qwen3-ASR 0.6B 和 ForcedAligner 0.6B。
3. 在“通用设置”选择 Qwen3-ASR 为默认引擎，或只在基本设置页临时切换。
4. 在“高级设置 > Qwen3-ASR”选择 NVIDIA GPU 或 CPU，设置分段时长和最大生成长度。
5. 导入媒体并开始转录。Qwen 会逐段输出并生成词级时间戳。
6. 若 NVIDIA GPU 初始化或显存不足，按提示改用 CPU 重试；AMD 设备请直接使用 CPU 或 Whisper AMD 模式。

升级后若程序提示“Qwen3-ASR 需要重新下载”，说明检测到旧版部署并已自动清理。返回“依赖管理”重新下载即可；Whisper、FFmpeg 和用户任务不受影响。

11.3 低配置电脑使用 SenseVoice 或 FireRedASR2

1. 在“依赖管理”选择 SenseVoice 或 FireRedASR2 并下载。
2. 普通多语种、低占用批量任务优先 SenseVoice；中文、方言、会议或实时语音优先 FireRedASR2。
3. 两者当前都使用 CPU，不需要 NVIDIA 或 AMD GPU。
4. 在“通用设置”设为默认引擎，或在基本设置页临时切换后开始转录。

11.4 资源管理器右键转录

安装包会为音频和视频文件、文件夹以及文件夹空白处注册“用 Voxly 转录”。

单文件：在媒体文件上右键选择“用 Voxly 转录”。
文件夹：在文件夹上右键选择“用 Voxly 转录”，程序会处理该文件夹当前层级的媒体。
空白处：打开文件夹后在空白处右键选择“用 Voxly 转录”，目标为当前文件夹。

三种入口都会打开标题为“Voxly”的命令行窗口，按提示选择：
  - Whisper、Qwen3-ASR、SenseVoice 或 FireRedASR2
  - GPU 优先或 CPU
  - SRT、TXT、VTT、JSON、LRC，可组合
  - 输出目录
  - 语言
  - 是否执行 AI 校对

默认值是 Whisper、GPU 优先并自动回退 CPU、SRT+TXT、媒体所在目录、不进行 AI 校对。默认值可以在“偏好设置 > 命令行转录”修改。命令行会显示进度和失败原因，完成后显示成功/失败数量。

11.5 前台会议转录和后台按住说话

1. 先在“依赖管理”安装 FireRedASR2。启动 Voxly 后等待状态区显示实时转录引擎已就绪。
2. 按 Ctrl+Alt+R，或点击实时转录按钮，开始前台会议转录。
3. 停止后，识别结果会带时间戳进入字幕编辑页并保存 SRT。
4. 在“偏好设置 > 实时转录”启用全局按住说话后，可在其他程序输入框中按住 Ctrl+Alt+Space 说话，松开后插入文字。
5. 可口述逗号、句号、问号、感叹号和换行。启用自动 AI 校对后，后台校对与插入不弹通知。

11.6 编辑和 AI 校对

转录完成后先检查明显的错字、断句和时间轴。可以使用 Ctrl+F8 校对选中字幕，或 Ctrl+Shift+F8 校对全部字幕；也可以打开 AI 智能助理，选择双语、标点、风格、填充词、摘要等操作。

执行云端 AI 前先在“高级设置 > AI 服务”配置 DeepSeek 或 OpenAI 兼容接口。若使用术语或固定人名，先在知识库管理中添加专有名词和纠错记忆。

11.7 翻译和导出

1. 在翻译接口配置中选择 DeepSeek、OpenAI 兼容接口、百度翻译或有道智云。
2. 进行参数检查并保存启用。
3. 使用全文翻译或翻译选中字幕。
4. 检查结果后导出 SRT、TXT、VTT、JSON 或 LRC。
5. 需要恢复时选择恢复全部，回到翻译前内容。

11.8 视频字幕合成器

完整包中包含独立的 VideoSubtitleSynth.exe 和 libvlc 目录。它不替代 Voxly 的本地转录，而是用于把已有媒体、SRT 和图片合成为 MP4。


1.在桌面双击视频字幕合成工具即可启动。
2. 导入视频或音频；音频模式下可导入一张或多张图片作为画面。
3. 导入一个或多个 SRT 字幕文件，在字幕页检查时间轴和文本。
4. 在字幕外观页选择画幅、预设、字体、颜色、背景、边框、位置和粗体。
5. 使用 F5 预览效果；使用 F7 设置封面，使用 F8 配置转场、特效和模板。
6. 点击开始合成，选择 MP4 输出位置并等待 FFmpeg 完成。
7. 需要下次继续编辑时，保存 .vsp 视频字幕合成工程。

11.9 REAPER 工作流

先在偏好设置安装 REAPER 插件，再在字幕编辑页选择发送到 REAPER。快速场景使用自动导入，需要自定义轨道和样式时选择手动设置。
