Motionbear

它主要做两件事：把视频或音频里的人声自动转成带时间轴的文字稿，再把文字稿翻译成其他语言并生成字幕。你可以把它理解成「自动听打加自动翻译」的组合，用在给片子配字幕、给播客出文字稿、给同一条视频做多语言版本这些场景。

它不是剪辑器，负责的是剪辑完成之后的字幕与翻译环节。通常做法是把素材交给它转录并生成字幕，导出字幕文件后再导回剪映、Premiere、Final Cut 这类软件里合成成片，两者是配合而不是替代关系。

清晰的口播素材结果通常比较接近可用，但仍建议逐条过一遍。常见要改的地方是同音字、人名和品牌名、专有术语，以及断句位置不合适导致字幕闪得太快或停留太久。译文同样需要人工核对，尤其是行业内容里的固定说法。

以单一清晰人声为主的素材最合适，比如口播讲解、单人对谈、播客录音。反过来，背景音乐压过人声、多人同时说话、现场噪音大、口音较重的素材，自动结果会明显变差，校对时间可能接近自己听打，这时候更适合只用它做初稿参考。

最有效的办法是在录制阶段就解决：用领夹麦或指向性麦克风贴近说话人，关掉或降低背景音乐，选安静、混响小的房间。后期阶段则可以先把整段素材里明显听不清的部分剪掉或替换，再交给工具转录，这样出错率会低不少。

具体支持的语言范围官网未公开完整清单，使用前需要按你要处理的具体语种在官方页面上确认。实际使用中，主流语言的转录和互译通常比小语种稳定，涉及小语种时建议先用一小段素材试跑，确认识别和译文质量再决定是否整条处理。

处理时间跟素材长度、语言以及服务器当时的负载有关，官网未给出固定的时长标准。实际安排上建议把转录和校对一起算进排期，不要卡在发布前一天才处理，尤其是需要人工逐条修改译文的时候。