为什么要做它？
原因很简单：市面上的其他软件要么不好用，要么不耐用，收费也不合理。
“我和你一样，都是盲人，全盲。你在制作过程中遇到的问题，我都遇到过；你没遇到过的问题，可能我也遇到过。”
我不希望让设计和操作成为我们往前再走一步的拦路虎与绊脚石。
—— 这就是 voxly 诞生的初衷。
开发者说
voxly 是什么？
voxly 是一款面向创作者的综合性音视频字幕处理工具，专注于提升音视频转录、字幕编辑与成片输出的整体效率。
#无障碍优化
#Whisper引擎
#本地处理
第一部分：音视频转录与字幕编辑
1. 核心转录能力
基于 Whisper + FFmpeg + LibVLC 构建，兼顾准确性与稳定性。
- 支持音频直接导入 / 视频自动转码导入
- 自由选择推理模型与输出格式
- 参数全掌控：语言、线程数、Temperature、自动拆分策略等
2. 配置与任务管理
不再需要每次打开软件都重新设置。voxly 支持保存配置，并具备自动的任务记忆功能。
即开即用 · 即时恢复 · 无缝继续编辑
软件会在下次启动时自动加载最近一次的任务状态。
3. 字幕编辑与「随调随听」
这是 voxly 的核心特色。在编辑界面，你可以高效完成新增、翻译、拆分合并等操作。
时间轴精细控制
- 快捷键实时调整，精度覆盖 10ms 到 1s
- 自动检测边界，防止重叠冲突
🎧 随调随听设计：
调整时间轴的同时，实时播放对应的音频片段。让你在“听见”的状态下精确调整，类似 DAW 音频工作站的体验。
4. 导出与快捷键
支持 SRT, VTT, TXT, LRC 及 JSON 原始数据导出。内置全套快捷键体系，实现“几乎不离开键盘”的高效体验。
第二部分：音视频与字幕合并
由随附的“视频合成器”提供支持，支持独立更新。
视频 + 字幕合成
适用于已有视频仅需加字幕的场景。
- 支持 mp4 / mkv / mov 等格式
- 音频流直拷，无损音质
- 硬字幕渲染，画面保持原样
音频 + 字幕合成
将播客、访谈或歌曲转化为视频。
- 纯黑背景或自定义图片
- 自动生成 1080P 画布
- 字幕按时间轴精确叠加
样式控制系统
通过 ASS 参数控制，严格遵循用户设定。
画幅支持
- 横屏 (1920×1080)
- 竖屏 (1080×1920)
样式预设
- 抖音/快手通用
- YouTube CC 风格
- 电影感风格
关于定价
一次付费，永久使用
88元支持 7天完整功能试用
满意后付款，售出不退。希望我们都能好好睡觉，吃得饱饱。
获取 voxly
支持自动更新，可随时回退旧版本
模型库下载
voxly 支持从 Tiny 到 Large-v3 的完整模型范围，请根据设备性能按需下载。
* 首次使用时软件也会提示下载推荐模型。
Tiny 模型
75 MB | 极速转录
适合：低性能旧设备
Base 模型
142 MB | 速度优先
适合：普通办公电脑
Small 模型
466 MB | 平衡之选
适合：大多数场景
Medium 模型
1.5 GB | 高精度
适合：高性能设备
Large-v3 模型
2.9 GB | 最高精度
适合：生产力工作站