为 Mac 音视频创作者而生

Mac 本地语音转文字, 字幕与 AI 粗剪。

Cliptate 剪言在 Mac 上本地转写音视频、去停顿和编辑字幕,也支持听写与语音合成。下载所需模型后,本地语音处理无需上传素材,可离线使用。

Apple Silicon · macOS 15+ · 免费 GitHub 版

Cliptate 简体中文首页,显示听写统计和使用记录
首页展示累计听写统计、最近 12 个月的使用记录和记录来源。

核心能力

一套面向创作者的端侧 AI 工具链。

导入素材,按文本调整片段,再导出字幕、音视频或剪辑时间线。模型、词典和配置预设都能在应用内管理。

01 转写与听写

字幕提取精准且可编辑

选择 Parakeet、Qwen3 ASR、FireRed 或 Cohere 模型,在 Mac 上转写音视频;使用词典辅助专有词识别。

02 智能精剪

批量去停顿,粗剪更快成型

自动检测无声片段,批量裁剪播客、访谈、课程录音中的冗余停顿。

03 说话人识别

自动区分说话人,标注对话结构

在支持的转写流程中使用 Sortformer 区分说话人;Silero VAD 检测语音活动,让访谈和会议记录更易整理。

04 TTS 合成

从旁白补录到原创音色

Qwen3 TTS 支持预设音色、参考音频克隆、情感控制和音色设计;按所选模型使用对应能力。

05 纠错翻译

按需纠错,生成双语字幕

使用已配置的 AI 服务商和 API 密钥纠正文字、提取重点,支持自定义 OpenAI 兼容端点。字幕翻译通过 Apple 翻译完成,语言对需受系统支持。

06 画面与字幕增强

让口播更有节奏和重点

配置语气词过滤、画面缩放与推近;通过已配置的 AI 服务提取重点,并设置横竖屏字幕样式和翻译位置。

语音能力

实时听写与本地多模式语音合成。

从实时口述到 TTS 配音,两种语音能力,全程本地。

语音听写

说话即输入,实时生成可编辑文本

将麦克风语音转为可编辑文本,支持自定义词典和听写历史。GitHub 版可配置全局快捷键,并在授予辅助功能权限后向输入框写入文本。

  • 本地识别,流式能力取决于所选模型
  • 听写历史可查看、复制和整理
  • 自定义词典,提升专有词汇准确率
  • 未授权辅助功能时,复制后粘贴文本

TTS 语音合成

按模型选择音色与风格

Preset

预设音色

下载对应模型后,选择预设说话人生成旁白。

Clone

声音克隆

从本地导入参考音频及对应文本,以 Base 模型克隆音色。

Emotion

情感控制

使用 CustomVoice 模型,为指定说话人添加情感与风格提示。

Design

音色设计

用自然语言描述声音,通过 VoiceDesign 模型生成原创音色。

工作流

从导入到导出,保持一条稳定高速的生产线。

把创作者最耗时的步骤,压缩成四个连续动作。

01

导入常见音视频素材

把播客、Vlog、访谈或会议录音直接拖进工作区。

02

转写后按文本调整片段

利用静音检测去停顿,检查说话人和分段,修改文字并按需运行 AI 纠错。

03

生成多语配音与翻译版本

先翻译字幕,再用 TTS 为译文生成配音;可自动提取源音频作为声音参考,或使用自定义参考音频。

04

导出字幕、媒体与时间线

导出 FCPXML、SRT、ASS、TXT、视频或音频;选择合并或逐视频导出,也可将字幕烧录到视频。

隐私与性能

本地语音处理,在线能力由你选择。

转写、静音检测、说话人识别与 TTS 在 Mac 上运行。启用在线 AI 功能时,相关文本及你选择的上下文会发送至配置的服务。

  • 本地语音推理无需上传音视频,也不需要 AI API 密钥。
  • 首次下载模型需要联网;缓存完成后,本地语音功能可离线使用。
  • AI 纠错、重点提取与听写增强使用你配置的服务;在线服务可能另行收费。
  • 处理敏感内容时,可仅使用本地语音功能与 Apple 翻译;翻译语言包可能需要先下载。

专业输出

给后期交付合适的格式。

AI 剪辑界面支持时间线、字幕与音视频导出;CLI 另外提供 JSON、Markdown 和 VTT,方便自动化。

FCPXML 适配时间线工程交换
SRT 通用字幕交付
ASS 样式化字幕支持
TXT 带时间戳的文字稿
FCPXML 面向 Final Cut Pro,并提供 Resolve 兼容选项。字幕可按剪辑软件支持的格式导入;视频支持 MP4 / MOV / M4V,音频支持 M4A / WAV。

适用场景

为播客、Vlog、课程、访谈和多语内容准备。

播客与人物访谈

快速去停顿、补齐字幕并整理可发布片段。

Vlog 与短视频

让口播与粗剪更顺滑,把精力重新放回节奏和表达。

课程、会议与口述记录

把长时录音或实时语音输入压缩成可检索、可翻译、可交付的文本与字幕资产。

多语种配音

在保留原始表达质感的同时,更快生成新的语言版本。

下载与安装

选择适合你的 Mac 版本。

需要 Apple Silicon(M1 及更新芯片)和 macOS 15 或更新版本。模型大小与内存需求取决于所选模型,请预留足够空间。

免费稳定版

全部模型与功能免费开放,无需订阅或购买。提供原生 CLI 和应用内更新;可在授权后使用辅助功能支持的文本输入与全局快捷键。在线 AI 服务的费用由服务商另行收取。

前往 GitHub Releases

Nightly 预览构建

Nightly 随主分支定期构建,可能包含尚未正式发布的改动。请查看对应构建说明确认功能。

Nightly 预览构建
查看安装与使用指南 →