【AI自製工具分享】YouTube 多語系字幕下載與 AI 辨識產生字幕工具

 在數位教學的過程中，影音素材的應用已經是家常便飯。不過，阿剛我常發現，有些很棒的國外教學影片沒有中文字幕，或是影片本身的字幕無法直接匯出，這對於想要使用AI進行精確文本分析或翻譯教學的老師來說，確實有些不便。

軟體開發的初衷

這款工具的開發初衷很簡單：「讓影音與文本的轉換不再有阻礙」。以前我們可能要開好幾個網站、用不同的軟體來下載影片和字幕，現在我希望透過這支 Python 程式，將「下載」與「辨識」整合在一起。不管是官方提供的 CC 字幕，還是完全沒有字幕的影片，都能輕鬆取得逐字稿。

軟體操作教學

這款工具介面我設計得相當簡潔，操作步驟如下：

• 讀取影片：將 YouTube 連結貼上，按下「開始分析 / 讀取字幕」。
• 下載 CC 字幕：若影片內建字幕，右側會出現清單，勾選需要的語系（如繁體中文、英文），選擇格式（如 SRT）後按下載即可。
• AI 辨識生成：若影片沒有字幕，程式會自動提示開啟「辨識工具」。它會先下載音訊，接著調用 Whisper AI 模型進行辨識。你可以根據電腦效能選擇模型（如 medium 或 large）。辨識完成後，可直接「另存 SRT」或複製逐字稿。
• 影音下載：若單純需要影片檔或 MP3 音訊，切換到「影片/音訊」分頁，選擇畫質後即可下載。

立即下載使用

前往 GitHub 儲存庫取得最新工具程式。進入頁面後，請務必點擊右方的 Releases 區塊，並下載最新版本的 Source code.zip 進行解壓縮與使用。

下載 YouTube 多語系字幕下載工具

Whisper 本地字幕生成工具，一鍵輕鬆搞定影片逐字稿

為什麼要開發這款軟體？

初衷很簡單：追求效率與隱私。我整合了目前辨識效率極高的 faster-whisper 引擎，並加上了圖形化介面（GUI）。這讓不熟悉指令碼的朋友，也能透過簡單的點擊，把電腦裡的影片或音檔轉換成精準的 SRT 字幕檔。

最重要的是，所有的運算都在你的電腦完成，資料不外流，這對於處理敏感內容或追求極致隱私的使用者來說，是不可替代的優勢。

軟體操作教學：簡單四步驟

Step 1. 環境檢查

開啟軟體後，建議先點擊「檢查環境」。它會自動偵測你的電腦是否有 NVIDIA 顯示卡（CUDA）支援。如果有，辨識速度會飛快；如果沒有，它也會乖乖用 CPU 幫你完成任務。

Step 2. 選擇媒體檔

點擊「選擇檔案」，支援常見的 MP4、MP3、WAV、M4A 等格式。

Step 3. 參數設定

• ● 模型：一般建議選 medium，辨識度跟速度最平衡。
• ● 語言：可以選「自動判斷」，或是手動指定「中文」。
• ● 切割粒度：我設計了「細緻、標準、寬鬆」三種模式，如果你希望每行字幕短一點，選「細緻」準沒錯。

Step 4. 開始辨識與匯出

按下「開始辨識」，稍等片刻，右側就會出現逐字稿與 SRT 預覽。最後點擊「另存 SRT」或「複製 SRT」即可直接使用。

立即下載使用

請點擊下方按鈕進入 GitHub 下載頁面。進入網頁後，請查看頁面右側的 Releases 區塊，點擊進去即可下載已經打包好的 .exe 執行檔，無需安裝 Python 環境即可直接執行。

前往 GitHub 下載 Release 版本

從0到生成超有質感的有聲繪本只要幾分鐘？這個AI工具箱直接顛覆教學現場！

 

一、 軟體開發的由來

今天有幸參加了縣內數位學習推動辦公室舉辦的「Gemini + NotebookLM 繪本創作研習」。在研習過程中，看到許多老師運用 AI 生成了精采的故事情節與美緻的繪本草圖，心中深受觸動。

然而，我也觀察到一個教學痛點：當老師或學生完成繪本圖檔後，若要進一步製作成「有聲書影片」，往往需要操作複雜的剪輯軟體，這對許多親師生來說是一道不小的門檻。於是，阿剛我靈光一閃，想著如果能將我之前開發的幾個 AI 應用工具整合起來，並補上最後一塊「圖音合併」的拼圖，是否能讓創作流程更順暢？

於是，這款「有聲繪本影片創作工具箱」就這樣誕生了。

二、 課堂教學上的實際應用

低門檻敘事創作

學生只需專注於編寫故事與設計畫面，不需要學習專業的剪輯軟體，就能產出高品質的作品。

多元的呈現方式

除了能生成方便分享的影片檔，還能導出「互動式翻頁書」，讓繪本在網頁上就像真的書本一樣可以翻動，增加閱讀的趣味性。

語言學習利器

結合語音產生器，學生可以製作朗讀繪本，對於本土語言或英語教學中的「聽說能力」訓練非常有幫助。

成就感即時回饋

簡單幾個步驟就能看到自己的繪本「會說話、能翻頁」，大大提升了學生的學習動機。

三、 軟體使用詳細教學

這套工具箱的核心邏輯非常簡單，就是「1 ➔ 2 ➔ 3」的直線式操作：

1

第 1 步：簡報設計王 V3（生成圖檔）

• 在「進階魔法設定」中輸入「設計成繪本形式」。
• 利用 NotebookLM 輔助生成繪本內容規劃，最後從 Google 簡報導出為 PDF 檔案。

2

第 2 步：對話式語音產生器（生成聲音）

• 將繪本每一頁的文字貼入工具。
• 點擊生成每一頁的語音，確認無誤後下載成聲音壓縮檔 (ZIP)。

3

第 3 步：圖音合併工具（最後合成）

這是本次新整合的網頁工具。只需上傳步驟一的 PDF 與步驟二的 ZIP 檔。

• 影片生成：系統會自動將每一頁圖片與對應的音檔對齊，生成 MP4 影片。
• 翻頁書導出：除影片外，你也可以選擇下載成 HTML 翻頁書格式。下載後直接開啟網頁，就能擁有具備翻頁動效與語音播放功能的電子繪本。

立即體驗：有聲繪本創作工具箱

提升簡報專業度！「簡報設計王 v3」強勢登場：精準引用原始教學圖表，讓 AI 簡報更具說服力

 

軟體開發的由來

過往我在使用 「簡報設計王」 規劃內容時，雖然 AI 能幫我們把文字脈絡理得很漂亮，但總有一個缺憾：如果原始教材（PDF 或圖片）裡有很精美的圖表、插圖或實驗照片，送到 NotebookLM 生成簡報時，AI 往往無法精確地「引用」這些原始圖片，導致最後生成的簡報雖然有字、有生圖，卻少了最關鍵的原始教學素材。

為了讓 AI 能更聰明地「對號入座」，我重新改寫了核心邏輯，推出了 v3 版本，重點就在於強化多模態的辨識與指令佈局。

課堂教學上的實際應用

在實際教學現場，我們手中的 PDF 講義往往包含許多不可替代的視覺資訊，例如：

• ✓理化課：實驗器材的組裝示意圖。
• ✓地理課：特定的地形等高線圖。
• ✓數學課：複雜的幾何構圖。

透過 v3 版本的更新，老師們在上傳原始講義後，AI 會自動分析哪一頁有重要的圖表，並在「排版指南」中明確標記：「本頁請放置原始文件第 X 頁的 XX 圖」。這樣一來，後續銜接 NotebookLM 或其他生成工具時，就能確保這些珍貴的教學原件被完整保留在簡報中，大大提升了教材的專業度與準確性。

簡報設計王 v3 使用教學

操作起來依然維持我一貫追求的簡單、直覺，步驟如下：

1. 設定基礎需求：選擇您預計生成的簡報頁數。

2. 上傳原始文件：點選「選擇檔案」，將您的 PDF 講義或圖片上傳。

3. 開啟原圖引用開關（關鍵步驟）：上傳檔案後，下方會出現一個 「保留原件中的圖片排版」 的開關，請記得將它開啟。

4. 挑選魔法風格：從 40 種內建風格中選一個您喜歡的視覺調性。

5. 施展 AI 魔法：點擊生成後，AI 會在每一頁的「排版指南」裡，自動安插引用原始圖片的指令。

6. 銜接 NotebookLM：將生成的規劃文字與您的原始 PDF 一併餵給 NotebookLM，一份圖文並茂、且精準引用原圖的簡報就完成囉！

立即體驗 簡報設計王 v3