本地whisper工具可离线将mp4转srt字幕：用ffmpeg提取音频，whisper-small模型识别中文，全程不联网、不传云，支持cpu运行，输出utf-8 bom编码srt文件。
你需要把本地一个没有字幕的MP4视频文件，自动转成带中文字幕的SRT或ASS文件，不依赖网络、不上传音频、全程在本机完成识别与生成——这必须使用开源语音识别模型Whisper，配合FFmpeg和MoviePy工具链，不能靠Win11内置实时字幕功能，因为它只显示不导出。
准备运行环境
打开Anaconda Prompt（以管理员身份），依次执行以下命令：
创建专用环境：conda create -n whisper39 python=3.9
激活环境：conda activate whisper39
安装核心依赖：conda install pytorch torchvision torchaudio cpuonly -c pytorch && conda install -c conda-forge moviepy && pip install git+https://github.com/openai/whisper.git
这一步必须用cpuonly版本，否则在无NVIDIA显卡的设备上会报错CUDA初始化失败；Whisper默认启用CPU推理，对内存要求约3GB，低于2GB将触发OOM中断。
分离视频中的音频轨道
方法一：命令行快速提取（推荐）
将MP4文件拖入资源管理器地址栏，复制其完整路径，例如E: ideolecture.mp4；在Anaconda Prompt中输入：
ffmpeg -i "E: ideolecture.mp4" -vn -acodec copy "E: ideolecture.m4a"
注意：-vn表示不保留视频流，-acodec copy表示直接拷贝音频流不重编码，速度快且音质无损；若提示“ffmpeg不是内部命令”，说明FFmpeg未加入系统PATH或未正确配置moviepy路径。
方法二：Python脚本全自动处理
新建extract.py，粘贴以下代码并保存：
一款AI开发辅助工具，主要用于从 AI 编程会话日志（Clawdbot、Claude Code、Codex）中提取对话记录。该功能用于在用户要求导出提示词历史、会话日志或 `.jsonl` 格式的会话文件时使用，适合需要提升相关任务效率的用户。
from moviepy.editor import VideoFileClip
video = VideoFileClip(r"E: ideolecture.mp4")
audio = video.audio
audio.write_audiofile(r"E: ideolecture.wav", codec="pcm_s16le")
video.close()
运行该脚本后生成的是WAV格式，兼容性比M4A更强，尤其适配Whisper对采样率的硬性要求（必须为16kHz单声道或立体声）。
用Whisper识别音频并生成SRT字幕文件
第一步：确认音频路径无中文、无空格、无特殊符号——这是Whisper报错最常见的原因。如路径含中文，必须先改到D: mp这类纯英文路径下再运行。
第二步：在Anaconda Prompt中执行识别命令：
whisper "D: mplecture.wav" --model small --language zh --output_format srt
small模型识别准确率约92%，耗时约视频时长的0.8倍（10分钟视频约8分钟完成），适合日常会议、课程录像；若识别结果断句混乱或专有名词错误，可换medium模型，但内存占用翻倍、时间延长至2倍以上。
第三步：检查输出目录。Whisper会在lecture.wav同级目录下生成lecture.srt，文件编码为UTF-8 with BOM，可直接用记事本打开验证时间轴与文本是否匹配。
将SRT字幕硬编码进原视频（可选）
若你最终需要一个自带字幕的MP4文件（而非外挂字幕），执行此步：
安装字体支持：下载思源黑体Regular版（SourceHanSansSC-Regular.otf），放入D: onts目录。
运行硬编码命令：
ffmpeg -i "D: mplecture.mp4" -vf "subtitles=D:/tmp/lecture.srt:fontsdir=D:/fonts" -c:a copy "D: mplecture_sub.mp4"
【必须用正斜杠/或双反斜杠\代替单反斜杠】，否则FFmpeg会把路径里的l误读为换行符导致字幕加载失败；硬编码后视频体积增大5%～15%，取决于字幕密度和字体大小。
