兔白字幕 2ByteASR 0.7.1（Windows x64・macOS Apple Silicon 实验版）

兔白字幕 2ByteASR 0.7.1（Windows x64・macOS Apple Silicon 实验版）

下载哪一个

你的电脑	下载	说明
Windows 10 22H2 及以上（64 位）	2ByteASR-Setup-0.7.1.exe（约 981 MB）	运行它即可安装。已装 0.6.5／0.7.0 的用户也可以用程序内“检查更新”。
Mac：Apple 芯片（M 系列）、macOS 15 及以上	2ByteASR-0.7.1-macos-arm64-Setup.dmg（约 0.5 GB）	实验版，只在 GitHub 的虚拟 Mac 上验证过。没有 Apple 公证：第一次打开请在 Finder 里按住 Control 点按 App →“打开”，不需要关闭系统安全设置。不支持 Intel Mac。

其他附件是给程序内更新、校验和需要源码的人用的，一般用户不用下载。第一次本地识别仍会按你选的识别组合下载运行环境和模型，不会一次全部下载；只用云端识别则不需要下载模型。

这一版能做什么（相对 0.7.0）

新增功能

• 没有 NVIDIA 显卡也能出字幕。 云端识别不再需要本地运行环境、PyTorch 或 CUDA。新增 MOSS Pro 云端（MOSI，含说话人）与阿里云百炼／Qwen Cloud 录音文件识别（Qwen3-ASR 给字词时间、Qwen-Audio-3.1 加说话人）。开始前会列出用哪个引擎、时间从哪里来、音频上传到哪里、大概费用；服务商只返回句段时间时，字幕标为“估算”，不冒充实测。录音文件识别的正式路线是上传到你自己的 OSS 私有空间、取回结果后删除；服务商的临时上传只在你选“仅供试用”时才用。
• “申请与设置 API”。 每家服务商一排图文步骤，按钮直接打开官方页面；填好后可分级测试，失败时说清楚是余额、Key、地域、模型还是网络的问题。
• Mac 版（Apple 芯片，实验性）。 云端识别；模型工坊能准备 MOSS（文字＋说话人）与 FireRedASR2-AED（字级时间），在这台 Mac 的 Apple GPU 上用内置样本实际跑一次，通过才启用；另有社区实现的 MLX 本地方案。工作台编辑、保存、重新打开、导出字幕与视频都可用。
• 新手引导。 第一次启动先选识别方式（本地／云端／轻量）；首页按你电脑的实际状态提示下一步，附一个不需要任何模型的范例工程；31 步带动画的教学，可以在框内自己操作，也可以点“帮我做”。已经在用的用户不会被强制重走教学，双击工程照样直接进入工作台。
• 繁體中文界面。
• 英文字幕。 识别语言可选英语，输出可选英中双语；英文按单词断行（不切断单词、每行不超过 42 个字符），单词时间由 Qwen3-ForcedAligner 实测。
• 字幕标点：保留原文／添加标点／不加标点，预览、工作台画面与所有导出一致，文稿本身不变。
• 快捷键：所有页面的快捷键在设置里一处修改，冲突时会说出是哪个功能；在输入框里打字不会触发。
• 匹配文稿。 已有断好句的完整文稿（每行一条字幕）时，工作台可直接用工程已有的字级时间对齐，先预览每句时间与匹配率、可一步撤销；首页也能只跑 FireRedASR2-AED 字级时间（目前只支持中文）。
• 识别方案新增“日语推荐”“英语推荐”；日语 CTC 对齐模型可以自己选择使用或取消。
• 外部 AI（MCP）：可按说话人与时间搜索；批量替换、标点先预览，经你在程序里批准才套用；只导出到你授权的文件夹；可一键写入 Claude Desktop 配置并显示是否真的连上。

使用体验与性能

• 中国大陆下载更稳。 模型的自动来源依次是 ModelScope（固定版本）→ Hugging Face 官方 → hf-mirror.com（第三方，最后才用），每个文件都要和锁定的 SHA-256 一致；运行环境（uv、Python、PyTorch、PyPI 包）在官方源不通或太慢时改用国内镜像，同样逐个文件校验。下载窗口显示整个模型的进度、当前来源、换源原因、断点续传与校验结果。
• MOSS 长直播不再显存不足：放不下时按显存与上下文在静音处分段识别，再用声纹把说话人接起来。
• 新安装时，模型默认下载到程序所在文件夹的 models（程序装在 D 盘，模型也在 D 盘）；已下载的模型原地沿用、不搬。
• 文字复核真的会运行；云端复核开始前说明会上传什么、如何计费。
• 界面细节：被截断的文字、拥挤的播放按钮、相机按钮分隔线、“标点”与“压制成片”按钮样式、表格表头多一层框等。

问题修复

• 没装 FireRed（例如没有 NVIDIA）时，选 Qwen3 对齐却被错误跳过、字幕没有字级时间。
• 非日语任务的 Qwen 对齐时间轴从不运行。
• 没有父窗口的对话框与下拉框被回收时闪退（0xC0000374 一类）。
• “申请与设置 API”与在线识别对话框标题栏的 × 看不到。
• 打开工程时音频端点短暂断线，被直接判成“准备音频”失败。
• 教学结束后，范例工程留在“最近工程”。

Windows／macOS 支持情况

项目	Windows（x64）	macOS（Apple 芯片）
状态	正式	实验性
云端识别（自备 Key）	✓	✓
本地 MOSS／FireRed	NVIDIA CUDA	Apple GPU（虚拟 Mac 上约慢于实时 3–4 倍）
其他本地模型	按模型工坊标示	SenseVoice（CPU）、MLX（社区实现）；只能在 CUDA 上运行的组件会标出“这台电脑不能运行”
代码签名	无（可能显示“未知发布者”）	无 Developer ID、无 Apple 公证
Intel Mac	—	不支持

已经装过旧版本

• 0.7.0、0.6.5：主界面右上角“检查更新”。只下载有变化的程序部分（从 0.7.0 约 79 MB：程序与许可材料；从 0.6.5 约 461 MB：另加 Python 运行环境与渲染器；素材、工具、离线安装包沿用），下载后校验，等你保存工程并同意退出后才替换；失败会自动恢复原版本。设置、词库、工程、已下载的模型与运行环境都保留。
• 0.6.0 及更早：关闭兔白字幕，运行 0.7.1 Setup 直接覆盖安装，不要先卸载。
• Mac：第一次提供，直接安装。

发布前实际检查了什么

构建成功、自动测试、真实窗口操作、完整识别是不同层级，下面分开列。全部在隔离的测试文件夹里进行，没有读写任何用户的工程、词库、模型或 API 设置。

Windows（用本页的 2ByteASR-Setup-0.7.1.exe 安装后的程序）

层级	检查	结果
构建	载荷扫描（没有未复核的密钥样式）、Build Truth（EXE 内源码指纹＝发布提交）、干净检出逐字节重现指纹	通过
构建	与上一个已做完整真实窗口检查的候选版逐模块比较：3193 个打包模块代码完全相同，只差版本号与许可／发布文件	通过
安装	全新安装（约 51 秒）、版本显示 0.7.1、快捷方式；不写入真实的开始菜单与卸载登记	通过
升级	先装 0.7.0，并用 0.7.0 的代码写入设置、API Key、词库、工作台快捷键、工程、模型 → 用 0.7.1 Setup 覆盖：用户资料、模型、设置逐个文件 0 变动；启动后读回全部保留，0.7.0 的工程能打开	通过
程序内更新	0.7.0 →（本机测试源）：提示需下载约 76 MB；中途断线后续传；识别进行中拒绝替换；有未保存工程先询问；更新后 18,386 个文件逐个 0 差异，模型与运行环境不变	通过
程序内更新	更新包损坏：校验不符被丢弃并显示可读原因，程序仍是 0.7.0、逐个文件 0 差异	通过
真实窗口	新手教学：全新 40/40、重启 5/5、老用户升级 4/4（双击工程直接进入工作台、不强制重走教学）	通过
真实窗口	“申请与设置 API” 28/28（离线，不连服务商）	通过
真实窗口	云端识别整条流程 32/32：导入→识别（本机模拟服务商）→工作台改字与剪切→保存→重新打开→导出 SRT/ASS/TXT/JSON 与视频并解码核对	通过
真实窗口	云端＋本地 Qwen3 对齐（CPU）32/32、没装 FireRed 时 32/32，两者 33 条字幕都有实测字时间	通过
真实窗口	外部 AI（MCP，官方 SDK 客户端）22/22	通过
真实窗口	界面细节、匹配文稿、日语 CTC 开关、日/英推荐方案 30/30，其中首页“匹配文稿”在 NVIDIA 显卡上实际运行 FireRedASR2-AED	通过
真实窗口	工作台 1000 条字幕编辑：多选拖动、全选、删除与撤销、波纹、保存重开等通过；select_last_ok 一项未过（之前几版相同，不是本版造成）；60 秒视频导出走 NVENC，约 5.8 倍实时	1 项已知未过
完整识别	安装版首页 → 加入素材 → 开始：MOSS＋FireRedASR2-AED＋Qwen3-ASR 在 NVIDIA RTX 5070 Ti（CUDA）上实际运行（22 秒中文合成语音）：10 个阶段全部完成，8 条字幕文字正确，8/8 有 FireRed 逐字时间；同一音频、同一套模型在 0.7.0 上结果逐条相同（同样有 1 个“说话人需要确认”复核项，所以状态都是“已完成，有需复核项”）	通过，与 0.7.0 一致
下载来源	安装版内的模型来源、运行环境镜像清单与哈希表和源码逐字节相同；联网核对 14 个模型的固定 ModelScope 版本（只读元数据）全部一致	通过

macOS（GitHub macOS 15 虚拟 Mac：虚拟 M1、3 核、7 GB；本页的 DMG 就是这次运行构建的）

层级	检查	结果
构建	从发布提交构建 .app 与 DMG；Mac 平台自动测试 250 项（2 项跳过、0 失败）	通过
安装	DMG 只读挂载、拖装到含中文与空格的路径、正常启动、新建空白工程保存与打开	通过
本地模型	模型工坊在界面里下载并准备 MOSS、FireRed、语音段检测、说话人模型，各自在 Apple GPU 上实际跑样本（MOSS 46 秒、FireRed 148 秒）	通过
完整流程	首页真实识别（中文合成语音）4 条字幕、4 条都有实测字时间 → 工作台改字、剪切、保存、重新打开 → 导出四种字幕与视频并解码核对 → 重启再识别，运行环境与模型文件不变	通过
云端	安装版的云端组件整条流程（本机模拟服务商，不上传不计费）；云端＋MLX 对齐	通过
钥匙串	真实 macOS 钥匙串存、读、删（独立测试条目）	通过
MLX	准备运行环境与模型，8 秒中文语音 6.5 秒识别完并对齐	通过
其他	打包内 Qt 视频真实帧、硬件视频探测	通过

没有验证的：实体 Mac 与 8 GB 内存的 Mac；Mac 上的程序内更新（Mac 版第一次提供，没有旧版可升级）；真正没有 NVIDIA 驱动的 Windows 电脑（只在这台电脑隐藏 CUDA 测过）；MOSS Pro 云端（MOSI）与 Qwen Cloud 的真实付费调用；中国大陆其他网络线路；本轮没有在安装版内重新下载几 GB 的运行环境与模型（下载程序与已在大陆宽带实测的版本逐字节相同）；人工听审字幕准确度。

已知限制

• 没有代码签名。 Windows 可能显示“未知发布者”；Mac 没有 Apple 公证。请只从本仓库 Releases 下载并核对 SHA256SUMS.txt；不需要、也不应该关闭杀毒软件或系统安全设置。
• Mac 是实验版：只在 GitHub 虚拟 Mac（虚拟 M1、7 GB 内存）上验证过，实体 Mac 与 8 GB 内存的 Mac 没测；没开文字复核时识别状态显示“部分降级成功”（每条字幕只有一个来源，文字与字时间正常）；窗口很窄时工作台顶部工具栏会重叠；Mac 的国内备用下载来源只在离线测试里验证过。
• 付费服务：百炼录音文件识别已用真实 Key 验证；MOSS Pro 云端（MOSI）与 Qwen Cloud 没有用真实付费调用验证（只用本机模拟服务器跑过完整流程）。AI 校对、断句、翻译需要你自己的服务商 API Key。
• 中国大陆下载只在一条家庭宽带线路上实测过（Windows）；其他运营商、校园网、手机热点没测。
• 首页“匹配文稿”目前只支持中文（工作台可用于日语／英语）。
• 4× 播放偶发整个窗口停住的原因仍未找到。
• 第三方许可：Windows 随附的 gyan FFmpeg 9.0 仍缺构建脚本、可能的补丁与部分链接库的确切版本（gyan 没有公开这些材料）；x265 已核对完整，但这只代表 x265。Mac 的 FFmpeg／mpv 来自固定版本的 Homebrew 官方构建（配方与上游源码地址公开），本项目没有另附这些上游源码包。详见 licenses/DISTRIBUTION-STATUS.md 的 0.7.1 节。

源码与校验

• 自有代码：GPL-3.0-only（LICENSE、PROJECT_LICENSE.md），另有 Remotion/GSAP 的 GPL 第 7 节附加许可（本版附 2ByteASR-0.7.1-GPL-Additional-Permission.txt）。
• 2ByteASR-Source-0.7.1.zip：与 Windows 安装包对应的完整构建输入；2ByteASR-ThirdParty-Materials-0.7.1.zip：许可条款与第三方声明。自 0.5.0 起未变的第三方固定上游源码沿用以前的附件：mingw-w64-libiconv-1.19-1.src.tar.zst（本版也附）与 v0.6.5 Release 的 2ByteASR-0.5.0-ThirdParty-Sources.zip（1.28 GB，SHA-256 86ad952378273423a1dbbf16725d1b995cb3ff123d67706ca212cfbc5a06ab06）。
• 2ByteASR-update.json(.sig) 与 2ByteASR-0.7.1-<组件>-<哈希>.zip：程序内更新使用，不需要手动下载。
• 构建来源：Windows 安装包、macOS DMG 与源码附件都出自 tag v0.7.1 指向的提交；干净检出可逐字节重现 Windows 构建的源码指纹 b44c3a1cc7398cba6e853a782709e8c57d3b2de6bdac6d93601d17f364225104（1289 个输入）。DMG 由 GitHub 的 macOS 15（Apple Silicon）runner 从同一提交构建。

校验	证明什么	怎么核对
SHA-256（SHA256SUMS.txt）	下载的文件完整、没被改坏	Windows：certutil -hashfile 2ByteASR-Setup-0.7.1.exe SHA256；Mac：shasum -a 256 2ByteASR-0.7.1-macos-arm64-Setup.dmg，与清单比对
Ed25519 发布者签名（SHA256SUMS.txt.sig、2ByteASR-update.json.sig）	校验清单与更新清单确实由本项目发布者签发	key id 21f1cb35659cfffd，公钥 idoW/Krfikfe7JY22oXVK3BOJQuXW+Lo7yNbas/oozc=（与 0.6.5、0.7.0 相同）
代码签名（Windows Authenticode／Apple Developer ID）	系统认可的发布者身份	本版没有

文件	SHA-256
2ByteASR-Setup-0.7.1.exe	3182ecdef5e84698a038aab6ef17579208b1bbef8a3249538fe59e189a85da4d
2ByteASR-0.7.1-macos-arm64-Setup.dmg	cece490b278217f6473934fa2ceb14d32439ada7a59916224505692d420e8688

---

English summary. Windows: download 2ByteASR-Setup-0.7.1.exe (about 981 MB); 0.7.0 users can use "Check for updates" (about 79 MB: program and licence parts); 0.6.5 users too (about 461 MB). macOS (experimental): 2ByteASR-0.7.1-macos-arm64-Setup.dmg for Apple silicon on macOS 15 or later, tested only on GitHub's virtual Macs; it is not notarized, so Control-click → Open the first time; Intel Macs are not supported. New: cloud recognition without an NVIDIA GPU (MOSS Pro cloud, Bailian / Qwen Cloud file transcription) with an API setup guide, onboarding with an animated tutorial, a Traditional Chinese interface, English subtitles, subtitle punctuation options, customizable shortcuts, script matching, sturdier downloads in mainland China, and segmented MOSS recognition for long streams. The executables are not code-signed; SHA256SUMS.txt and the update manifest are signed with Ed25519 (key id 21f1cb35659cfffd). The bundled gyan FFmpeg (Windows) still lacks its build scripts; see licenses/DISTRIBUTION-STATUS.md.