一句话定位：Subtitle Edit 是一款免费开源的 Windows 字幕编辑器，能干的事从"把两小时的字幕整体平移三秒"一直到"听不清的片段靠波形手工卡点、再自动翻译成中文"。
痛点：字幕出问题的时候，播放器一个都帮不上忙
看片遇到字幕不同步是最破坏体验的事：画面里人已经说完两句话，字幕才慢悠悠飘出来。播放器最多给你一个"字幕延迟 +0.5 秒"的按钮，可如果整段字幕是恒定偏移还好，一旦遇到片源剪过片头、中间还插了一段广告，前半段对得上、后半段又错位，播放器就彻底没辙了。再加上格式混乱——有人给 SRT，有人给 ASS，有人给的是图形字幕（IDX/SUB），想统一处理往往要找好几个工具拼着用。
核心能力
- 格式覆盖广：SRT、ASS/SSA、VTT、SUB、SAMI、TTML、以及蓝光 SUP 图形字幕都能读能写，批量互转。
- 时间轴整体调整：按毫秒或帧数平移、拉伸、帧率转换（23.976 与 25 帧互转），一次搞定全片。
- 波形卡点：把音轨拖进来，看着声波手动微调每句的进出点，人声起止一目了然。
- 语音识别生成字幕：内置 Whisper 等引擎，可以离线把一段无人声配乐的对白转成带时间轴的字幕。
- 自动翻译：接 DeepL、Google 等接口做整篇翻译，也可以只翻选中的几条。
- 拼写检查与阅读速度：接 OpenOffice 词典查错，还能按每秒字数标出"这句太快、观众读不完"。
- 批量处理：整个文件夹一次改编码、改格式、修重叠、删空行。
- 图形字幕 OCR：从视频里硬提取的图形字幕可以识别成文本，识别完还能人工校对。
实测体验
最常用的场景是修一部 1080p 电影的外挂字幕。这份字幕整体慢了约 2.4 秒，在「调整时间轴」里填 -2400 毫秒就解决；中段之后又偏了 1 秒，用两点对齐选了首尾两句台词，中间自动插值，基本一次到位。
波形功能比想象中好用。一段背景音很吵的纪录片，我把音轨加载进去（一个半小时的 AC3 大约十几秒解析完），波形上人声的位置清清楚楚，几句听不清的台词靠肉眼卡点就够了，比反复播放回车强太多。图形字幕 OCR 我也试了一段日片，两千多行识别出来大约九成准确，剩下的是标点和小字，人工过一遍即可。
语音识别我拿一段十分钟的无字幕访谈试了 Whisper 中等模型，在普通 CPU 上跑了大概六分钟，中文输出带标点，错字主要集中在人名和术语，通读改一遍就能用。整体感受是：它不像商用"一键生成字幕"那样省事，但胜在全程可控、不联网也能干活。
适合谁
- 给片源配字幕的人：手上有字幕但对不上，需要的是精确到毫秒的调节工具。
- 翻译和搬运视频的创作者：先识别出原文，再整篇翻译，最后人工润色，链路完整。
- 字幕组与爱好者：批量格式转换、帧率换算、拼写检查，都是日常必需。
- 教师与培训人员：给录播课补字幕，阅读速度检查能避免"字幕一闪而过"。
需要注意的地方
- 只有 Windows 版：官方主推 .NET 版本，macOS 和 Linux 需要靠兼容层，不推荐。
- 安装包需要 .NET 运行时：老机器上可能要额外装框架，便携版可以省掉这一步。
- 语音识别吃配置：大模型在纯 CPU 上慢得明显，长视频建议先切段处理。
- 自动翻译只是初稿：机器译文的语序和术语仍需人工过一遍，别直接交付。
- OCR 结果要校对：图形字幕识别难免有错字，尤其是竖排和花体。
- 界面按钮非常多：功能全的代价是工具栏密集，新手建议先从"调整时间轴"和"波形"两个功能入手。
小结
Subtitle Edit 是那种"平时想不起来、一旦用上就离不开"的工具。它不承诺帮你把字幕全自动做好，但把每一个需要人判断的环节都做得足够顺手：时间轴能精确到毫秒，波形能看清人声，格式能随便转。对经常和字幕打交道的人来说，装一个放在右键菜单里，比装五个半吊子的小工具划算得多。