pickfit

瀏覽本機 AI 工具

babelscribe

離線工具,使用本機 GPU 將音訊/影片轉為 99 種語言的 SRT/VTT 字幕與文字。

已在 macOS 和 Linux 上測試

使用

macOS arm64

需要先準備

  • 執行環境:Python 3.9+
  • 可選用 GPU
  1. 透過 uv tool install 安裝 babelscribe

    uv tool install babelscribe

確認能用

babelscribe --help

輸出應包含「babelscribe — transcribe any audio/video」。

執行 babelscribe models 查看可用的語音模型。

Linux x86_64

需要先準備

  • 執行環境:Python 3.9+
  • 可選用 GPU
  1. 透過 uv tool 安裝 babelscribe

    uv tool install babelscribe
README 與實測不符之處
  • README 寫: --translate writes the transcript translated to English
    實際可行: 已安裝的 babelscribe 0.3.2 CLI 沒有 --translate 選項(error: unrecognized arguments)

確認能用

babelscribe --version 2>&1

輸出應包含「0.3.2」。

先試試這個

babelscribe models 2>&1

執行 babelscribe models 查看可用的語音模型。

它能做什麼

  • 將音訊或影片轉為字幕
    怎麼使用
    1. 執行 babelscribe <file> -l en -m tiny --flavor cpu -f srt,txt 轉錄檔案。
    2. 開啟寫在輸入檔案旁的 .srt 與 .txt 檔案。
    已測試
  • 透過 MCP 從 AI 應用程式轉錄檔案
    沒有看到它可用
  • 將逐字稿翻譯為英文
    未測試

pickfit 測到哪一步

macOS arm64

  1. 可以安裝
  2. 可以啟動
  3. 3 項功能中 0 項可用
  4. 可離線使用

Linux x86_64

  1. 可以安裝
  2. 可以啟動
  3. 3 項功能中 1 項可用
  4. 可離線使用

Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 離線從影片產生 SRT 字幕
  • 將轉錄內容翻譯為英文字幕
  • 用精準的混合模型轉錄泰語影片

可替代 whisper.cpp、faster-whisper 和 WhisperX。

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

macOS arm64

可安裝並啟動

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年11月1日
  • 版本 0.3.2

測試機器遇到的差異

  • README: pip install babelscribe
    測試中: 使用 uv tool install babelscribe 以避開 PEP 668 隔離安裝限制
  • README: babelscribe devices / models lists GPUs and models
    測試中: 首次執行會觸發下載 whisper-cli 與 large-v3-turbo 模型(1.6GB);30 秒後逾時
  • README: babelscribe interview.mp4 auto-picks large-v3-turbo
    測試中: 改用 -m tiny(75 MB)測試以避免大型下載;silence.wav 轉錄成功

Linux x86_64

主要功能可用

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 0.3.2

測試機器遇到的差異

  • README: auto-detects GPU backend (Vulkan on Linux) with no extra flags
    測試中: 移除快取的 Vulkan 建置後以 --flavor cpu -m tiny 重試;CPU 建置成功執行並完成轉錄

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。