DaVinci ASR 是一款面向 DaVinci Resolve 的本地 AI 字幕生成工具，基于阿里巴巴 Qwen 团队推出的 Qwen3 ASR 模型构建。

你可以选择 Qwen3-ASR-0.6B 或 Qwen3-ASR-1.7B 完成语音识别，并结合 Qwen3-ForcedAligner-0.6B 进行时间轴对齐，直接将 DaVinci Resolve 时间线中的视频或音频转换为字幕。

模型下载完成后，语音识别、时间对齐和字幕生成均可在 本机完成。

支持 macOS 和 Windows，可选择 Qwen3-ASR-0.6B 或 Qwen3-ASR-1.7B 两种语音识别模型。

它解决什么问题

为访谈、课程、播客、纪录片和长视频制作字幕时，传统流程通常需要先导出音频，再使用独立的 ASR 软件完成识别，随后导出 SRT 并重新导入 DaVinci Resolve。

DaVinci ASR 将这些步骤整合到 DaVinci Resolve 工作流中。

工具可以直接处理当前时间线音频，通过 Qwen3 ASR 完成语音识别，再利用 Qwen3 Forced Aligner 对文字和原始音频进行时间对齐，最终生成字幕并自动导入 DaVinci Resolve。

整个字幕生成流程可以在本地完成，更适合需要处理长视频、隐私素材以及大量字幕内容的剪辑工作流。

核心功能

• 可选两种 Qwen3 ASR 模型

  可选择 Qwen3-ASR-0.6B 或 Qwen3-ASR-1.7B 进行本地语音识别。

  模型安装完成后，核心转写过程直接在 本机运行，无需将项目音频上传到云端 ASR 服务。

• Qwen3 Forced Aligner 时间轴对齐

  配合 Qwen3-ForcedAligner-0.6B 对识别文本与原始音频进行时间对齐，为字幕生成更准确的开始和结束时间。

  转写和时间对齐由两个专门的 Qwen3 模型协同完成。

• 支持 11 种字幕语言

  当前支持：

  中文普通话、英语、粤语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语和西班牙语。

  同时提供自动语言检测模式。

• 针对人名和专业术语提供 Prompt

  可以输入人名、品牌名、产品名、专业术语以及相关上下文，为 Qwen3 ASR 提供额外提示，帮助模型理解当前视频中的特殊词汇。

• 自动语音检测

  内置 Silero VAD，在原始时间轴上检测语音区域，并结合 Qwen3 ASR 进行分段转写。

  对长时间音频采用分块处理方式，降低长视频转写时的内存占用。

• 字幕长度控制

  可以设置每条字幕允许的最大字符数。

  系统会结合标点、语义停顿和词边界规划字幕分段，中文、日文等 CJK 内容会自动采用更适合阅读的字符长度策略。

• 减少字幕间隙

  可以启用“字幕间无空隙”，减少连续字幕之间不必要的时间间隔，让字幕显示更加连贯。

• 删除句尾标点

  可以根据短视频、社交媒体和其他字幕风格需求，自动去除字幕末尾标点。

• 内置字幕编辑器

  生成字幕后，可以直接查看字幕编号、开始时间、结束时间和字幕文本。

  支持修改字幕内容并更新字幕。

• 查找与替换

  内置字幕文本查找、单次替换和全部替换功能，适合批量修正人名、专业术语和重复识别错误。

• 直接集成 DaVinci Resolve

  工具可以从 Resolve 时间线生成用于识别的音频，完成 Qwen3 ASR 转写和时间对齐后生成 SRT，并自动导入当前项目。

  整个流程可以在 DaVinci Resolve 工作环境中完成。

Qwen3 本地模型

语音识别支持以下两种模型，可在工具中选择：

• Qwen3-ASR-0.6B
• Qwen3-ASR-1.7B

所选 ASR 模型负责识别音频并生成转写文本，Qwen3-ForcedAligner-0.6B 负责将文字与原始音频对齐，生成字幕开始和结束时间。

模型可以通过工具直接下载。中国大陆用户可以选择 ModelScope，其他地区可以选择 Hugging Face。

下载完成后，模型会保存在本地，后续字幕生成无需重复下载。

兼容性

• 操作系统：macOS、Windows
• 剪辑软件：DaVinci Resolve

请安装适合当前操作系统的版本。模型下载完成后，语音识别、时间轴对齐和字幕生成均在本机运行。

在支持 Apple MPS 的 Mac 上，Runtime 可以调用 Apple GPU 进行模型推理；MPS 无法使用时回退到 CPU。

DaVinci ASR 自带独立运行环境，正常安装版本无需另外配置 Python、pip、Conda 或 Homebrew。

使用流程

1. 在 macOS 或 Windows 上启动 DaVinci Resolve。
2. 打开需要生成字幕的项目和时间线。
3. 打开 DaVinci ASR。
4. 选择 Qwen3-ASR-0.6B 或 Qwen3-ASR-1.7B，并在首次使用时下载所选模型与 Qwen3 Forced Aligner。
5. 选择视频对应的语言，也可以使用自动检测。
6. 根据需要填写人名、品牌名、专业术语和上下文提示。
7. 设置每条字幕的最大字符数。
8. 根据需要启用字幕间无空隙或删除句尾标点。
9. 点击创建字幕。
10. DaVinci ASR 自动处理时间线音频并运行 Qwen3 ASR。
11. Qwen3 Forced Aligner 完成文字与音频时间轴对齐。
12. 生成字幕并自动导入 DaVinci Resolve。
13. 在内置字幕编辑器中检查、修改或批量替换字幕内容。

适用场景

DaVinci ASR 适合以下类型的项目：

• 长篇访谈和播客
• 课程、教程和知识类视频
• 纪录片和采访内容
• YouTube 视频
• 短视频和社交媒体内容
• 中文、英文、粤语、日语等多语言视频
• 包含大量人名和专业术语的视频
• 需要本地处理音频素材的项目
• 需要快速生成字幕初稿的剪辑工作流
• 需要直接在 DaVinci Resolve 中完成字幕制作的 macOS 和 Windows 用户

常见问题

可以选择哪些 Qwen3 ASR 模型？

可选择阿里巴巴 Qwen 团队的 Qwen3-ASR-0.6B 或 Qwen3-ASR-1.7B 进行语音识别，再由 Qwen3-ForcedAligner-0.6B 完成字幕时间轴对齐。

所选 ASR 模型与时间轴对齐模型均在本地 Runtime 中运行。

支持哪些语言？

当前可生成完整时间戳字幕的语言包括：

中文普通话、英语、粤语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语和西班牙语。

同时支持自动语言检测。

可以完全在本地运行吗？

可以。

完成 Qwen3 模型下载后，语音识别、时间对齐和字幕生成都可以在 本机完成。

首次在线下载模型时需要网络连接。

支持 Windows 吗？

支持。当前版本同时支持 macOS 和 Windows，两种系统均可在本地完成转写、时间轴对齐和字幕生成。

需要自己安装 Python 吗？

正常发行版本自带独立 Runtime，无需另外安装 Python、pip、Conda 或 Homebrew。

可以添加专业术语和人名吗？

可以。

Prompt 输入框可以填写人名、品牌名、产品名称、专业术语以及相关上下文，为 Qwen3 ASR 提供识别提示。

可以控制字幕长度吗？

可以。

你可以设置每条字幕的最大字符数，DaVinci ASR 会结合标点、语义停顿和词边界自动规划字幕分段。

可以修改已经生成的字幕吗？

可以。

工具内置字幕编辑器，可以查看并修改字幕，同时支持查找、单次替换和全部替换。

支持说话人识别吗？

当前版本暂未提供说话人分离或说话人识别功能。

使用 Whisper 模型吗？

当前版本使用 Qwen3 ASR。语音识别可选择 Qwen3-ASR-0.6B 或 Qwen3-ASR-1.7B，时间轴对齐使用 Qwen3-ForcedAligner-0.6B。

购买 DaVinci ASR

查看页面上方的价格并直接购买 DaVinci ASR。

在 macOS 或 Windows 版 DaVinci Resolve 中使用 Qwen3 ASR 完成本地语音识别、时间轴对齐、自动字幕生成和字幕编辑。