TL;DR: O VideoCaptioner (卡卡字幕助手, github.com/WEIFENG2333/VideoCaptioner) é uma ferramenta de legendas open source (GPL-3.0) genuinamente popular, com mais de 15.000 estrelas no GitHub, criada priorizando o Windows, que transcreve fala e usa um LLM para quebrar linhas, corrigir e traduzir a transcrição — além de dublagem por IA e download integrado de Bilibili/YouTube. O GeekLink é um app nativo para macOS focado no pipeline completo de legendas: reconhecimento de fala (49 idiomas), OCR de vídeo que extrai legendas embutidas (queimadas na imagem), tradução por IA em mais de 40 pares de idiomas com Claude 3.5 Haiku, GPT-4o e DeepSeek, e queima de legendas no vídeo — com reconhecimento, OCR e queima rodando 100% localmente no seu Mac. A lacuna mais clara: o VideoCaptioner só transcreve áudio, então não consegue ler legendas embutidas na imagem do vídeo. Escolha o VideoCaptioner se você usa Windows, quer dublagem por IA ou download de vídeo integrado, e não se importa em usar sua própria chave de API. Escolha o GeekLink se seus vídeos têm legendas embutidas, se você quer um app nativo para Mac bem acabado, ou se quer tradução com LLMs de ponta e preço fixo transparente.
Precisa recuperar legendas que estão queimadas nos quadros do vídeo? O GeekLink extrai legendas embutidas, transcreve fala e traduz — tudo localmente no Mac, grátis para começar.
Baixar GrátisO que é o VideoCaptioner?
O VideoCaptioner, também conhecido pelo nome chinês 卡卡字幕助手, é uma ferramenta de legendas open source (github.com/WEIFENG2333/VideoCaptioner) que cresceu para cerca de 15.000+ estrelas no GitHub e 1.300+ forks em aproximadamente 20 meses desde seu primeiro commit em outubro de 2024. Ele é mantido ativamente — com commits tão recentes quanto junho de 2026, e a última versão marcada (v1.4.2) lançada em maio de 2026 — e é especialmente conhecido dentro da comunidade de reposts, fansub e localização de vídeos em idioma chinês, com cobertura de tutoriais no CSDN, Zhihu e Bilibili. Ele é lançado sob a licença GPL-3.0.
O trabalho central do VideoCaptioner é fala-para-texto: ele transcreve a trilha de áudio de um vídeo em um arquivo de legendas. Seu diferencial de venda é o que acontece após a transcrição — ele usa um LLM para quebrar linhas e limpar a transcrição em vez de cortá-la puramente por contagem de caracteres. Em torno desse núcleo ele agrega dublagem/geração de voz por IA, download integrado de vídeos do Bilibili e YouTube, processamento em lote e queima (renderizando legendas no vídeo como saída alternável ou embutida).
O projeto foi criado priorizando o Windows. Uma versão pode ser executada no Mac, mas apenas a partir do código-fonte ou via scripts de configuração — não existe um app nativo para Mac bem acabado e empacotado que você baixa e abre como faria com um aplicativo típico do macOS.
Quanto à monetização, o VideoCaptioner é gratuito por padrão se você trouxer sua própria chave de API para as etapas assistidas por LLM (tradução, correção); seu nível gratuito também pode rodar com Bing/Google Translate mais uma opção de ASR gratuita sem nenhuma chave. Ele também revende acesso ao seu próprio gateway de LLM (api.videocaptioner.cn) como uma conveniência paga, então usuários que não querem configurar sua própria chave de API podem pagar para pular essa etapa.
O que o VideoCaptioner não faz é ler texto que já está pintado na imagem do vídeo. Como ele trabalha a partir da trilha de áudio, não tem como recuperar legendas que estão embutidas nos quadros — raws de anime, variedades e curtas dramas chineses/coreanos/japoneses com legendas queimadas, ou qualquer clipe repostado onde as legendas foram embutidas antes de você receber o arquivo. Essa é a diferença funcional mais clara entre o VideoCaptioner e o GeekLink, e é o foco desta comparação.
GeekLink vs VideoCaptioner: como os recursos se comparam?
A tabela abaixo cobre o fluxo de trabalho completo em torno do qual cada ferramenta foi construída. O VideoCaptioner é uma ferramenta de transcrição assistida por LLM e de repost, com dublagem e download integrados; o GeekLink é um pipeline focado de produção de legendas que adiciona OCR de vídeo, um app nativo para Mac e processamento 100% local.
| Recurso | GeekLink | VideoCaptioner |
|---|---|---|
| Plataforma | macOS 13.0+, nativo, Apple Silicon (M1/M2/M3/M4) | Prioriza Windows; Mac apenas rodando a partir do código-fonte/scripts, sem app nativo empacotado |
| Foco principal | Pipeline de produção de legendas (reconhecimento → OCR → tradução → queima) | Transcrição assistida por LLM + ferramentas de repost (dublagem, download) |
| Reconhecimento de fala por IA | Sim — baseado em Whisper, 49 idiomas, 100% local/offline | Sim — transcrição baseada em áudio (opções de ASR gratuitas e pagas) |
| OCR de vídeo (extração de legendas embutidas) | Sim — extrai legendas embutidas dos quadros do vídeo | Não — transcreve apenas áudio, não consegue ler texto embutido na imagem |
| Quebra de linha / correção por contexto assistida por IA | Sim — o LLM quebra e corrige linhas por significado, não por contagem de caracteres | Sim — este é o recurso característico do VideoCaptioner, mesma ideia |
| Tradução por IA | Sim — Claude 3.5 Haiku, GPT-4o, GPT-4o mini, DeepSeek, mais de 40 pares de idiomas | Sim — nível gratuito via Bing/Google Translate, ou sua própria chave de LLM (própria/paga) para maior qualidade |
| Dublagem / geração de voz por IA | Não | Sim — geração de voz e dublagem por IA integradas |
| Download de vídeo integrado (Bilibili/YouTube) | Não | Sim — baixa vídeo diretamente dentro do app |
| Queima de legendas | Sim — com estilização de fonte/cor/posição | Sim — renderização alternável ou embutida |
| Processamento em lote | Sim — mais de 50 vídeos em um único pipeline sem supervisão | Sim — transcrição/tradução em lote suportada |
| Open source | Não | Sim — GPL-3.0, código-fonte disponível no GitHub |
| Processamento local / privacidade | Reconhecimento + OCR + queima rodam localmente; o vídeo nunca é enviado | Roda localmente quando auto-hospedado com sua própria chave de API; o gateway pago passa por um LLM hospedado |
Principal conclusão: GeekLink e VideoCaptioner se sobrepõem em reconhecimento de fala, tradução, processamento em lote e queima — ambos usam um LLM para quebrar linhas, então a quebra de linha em si não é o que os separa. A lacuna que realmente separa as duas ferramentas é o OCR de vídeo: o GeekLink consegue ler legendas que já estão queimadas nos quadros de um vídeo, e o VideoCaptioner não. O GeekLink também marca as linhas sobre as quais não tem certeza, então você revisa apenas o punhado que vale a pena verificar, em vez de reler o arquivo inteiro. Em torno disso, o VideoCaptioner adiciona coisas que o GeekLink intencionalmente não faz (dublagem por IA, download de vídeo integrado), enquanto o GeekLink adiciona um app nativo para Mac empacotado e processamento totalmente local para o pipeline central.
Quanto custa o VideoCaptioner comparado ao GeekLink?
O VideoCaptioner é gratuito e open source (GPL-3.0). Por padrão você traz sua própria chave de API para as etapas assistidas por LLM (tradução, quebra de linha/correção), e o nível gratuito também pode recorrer ao Bing/Google Translate mais uma opção de ASR gratuita sem nenhuma chave. O VideoCaptioner também revende acesso ao seu próprio gateway de LLM (api.videocaptioner.cn) como uma conveniência paga — você paga para não ter que configurar sua própria chave de API. De qualquer forma, não há taxa de licença pelo software em si.
O GeekLink oferece um nível gratuito permanente (reconhecimento de fala completo, OCR, edição de legendas, processamento em lote, exportação SRT/ASS; exportações gratuitas trazem um pequeno crédito do GeekLink). Os planos pagos são:
- Mensal — $12.99/mês
- Anual — $99/ano (~$8.25/mês), inclui 1M de tokens de tradução por IA (~1.500 minutos)
- Vitalício — $169 pagamento único (early bird) / $199 regular, inclui mais tokens de tradução, sem necessidade de assinatura
- Tokens extras de tradução por IA — $6.99 por 1M de tokens se você exceder a quantidade incluída
Os dois modelos de custo servem a pessoas diferentes. O VideoCaptioner não custa nada além do que você gasta com sua própria chave de API de LLM (ou nada, se você ficar no nível gratuito com Bing/Google Translate) — o que é atraente se você se sente confortável configurando uma chave de API e quer margem zero de plataforma. O preço do GeekLink agrega o custo da tradução por IA em um preço fixo mensal, anual ou vitalício de pagamento único, com uma cota definida de tokens, o que é mais simples se você prefere não gerenciar sua própria cobrança de API, e a opção vitalícia significa nenhum custo recorrente para quem processa vídeo regularmente.
Se você é técnico o suficiente para gerenciar sua própria chave de API e quer pagar o provedor de LLM diretamente a preço de custo, o modelo do VideoCaptioner pode ser mais barato. Se você quer um preço fixo único sem configurar chave de API, os planos do GeekLink (incluindo a opção vitalícia de $169) são o caminho mais simples.
Quando você deve escolher o VideoCaptioner em vez do GeekLink?
O VideoCaptioner é a melhor opção em várias situações:
Você usa Windows. O VideoCaptioner foi criado priorizando o Windows, com a experiência mais fluida e completa ali. O GeekLink é exclusivo para macOS.
Você quer dublagem ou geração de voz por IA. O VideoCaptioner pode gerar narração sintética e dublar vídeo, algo que o GeekLink não oferece de forma alguma.
Você quer download de vídeo integrado na mesma ferramenta. O VideoCaptioner pode puxar vídeos do Bilibili ou YouTube diretamente, o que se encaixa em um fluxo de repost/baixar-depois-legendar em um único app. O GeekLink não baixa vídeo — você traz seus próprios arquivos.
Você está totalmente dentro do fluxo gratuito de repost por transcrição de áudio e não precisa de OCR. Se o seu material de origem nunca tem legendas embutidas — conteúdo original de talking-head, gravações de áudio limpo — o pipeline de transcrição mais correção por LLM do VideoCaptioner faz bem esse trabalho, e você pode rodá-lo com custo zero de licença.
Você quer uma ferramenta totalmente open source e auto-hospedável. O código-fonte GPL-3.0 do VideoCaptioner está no GitHub, então você pode inspecioná-lo, auto-hospedá-lo e pagar apenas pelas chamadas de API de LLM que fizer. O GeekLink é de código fechado.
Quando o GeekLink é a melhor escolha?
O GeekLink é a escolha mais forte quando seu trabalho envolve legendas que já fazem parte da imagem do vídeo, ou quando você quer um app nativo para Mac empacotado.
Você precisa extrair legendas embutidas (queimadas na imagem). Esta é a maior diferença isolada. O VideoCaptioner transcreve áudio e não tem como ler texto embutido na imagem. O OCR de vídeo do GeekLink analisa os quadros, localiza a região da legenda e recupera o texto na tela como um arquivo editável. Para raws de anime, variedades e curtas dramas chineses/coreanos/japoneses com legendas embutidas, e qualquer clipe repostado onde as legendas já estão queimadas, este é o recurso que torna o trabalho possível. Se seus vídeos de origem têm legendas embutidas, o VideoCaptioner simplesmente não consegue fazer essa tarefa.
Você quer um app nativo para Mac bem acabado e empacotado. O GeekLink é baixado e executado como qualquer outro app do macOS, feito para Apple Silicon. O suporte a Mac do VideoCaptioner significa rodá-lo a partir do código-fonte ou via scripts de configuração, o que gera mais fricção se você não se sente confortável com isso.
Você quer tradução com LLMs de ponta sem gerenciar sua própria chave de API. A tradução por IA do GeekLink usa Claude 3.5 Haiku, GPT-4o, GPT-4o mini e DeepSeek, agregados em um preço fixo mensal, anual ou vitalício de pagamento único. Você não precisa se cadastrar em uma conta de API separada nem gerenciar cobrança de uso com um provedor de LLM.
Você quer que suas gravações fiquem na sua máquina, sem nenhuma configuração. O GeekLink roda reconhecimento de fala, OCR, edição e queima localmente no seu Mac por padrão; apenas a tradução opcional por IA envia o texto da legenda (nunca o vídeo) ao provedor de LLM. O VideoCaptioner também pode rodar localmente, mas o caminho totalmente local depende de você fornecer e configurar sua própria chave de API.
O VideoCaptioner consegue extrair legendas embutidas de um vídeo?
Não. O VideoCaptioner gera legendas a partir do áudio de um vídeo usando reconhecimento de fala, então ele só pode legendar o que é falado — não tem OCR de vídeo e não consegue extrair texto que já está queimado na imagem do vídeo. Isso importa mais do que parece, porque uma grande parcela dos vídeos com os quais o próprio público do VideoCaptioner trabalha — animes com fansub, variedades japonesas e coreanas, curtas dramas chineses e clipes repostados entre plataformas — frequentemente já tem legendas renderizadas permanentemente nos quadros.
Se sua origem já tem legendas na tela e você quer transformá-las em texto editável e traduzível, a transcrição baseada em áudio é a ferramenta errada para o trabalho — ela re-transcreveria a fala (que pode não coincidir com o texto na tela, ou pode estar em um idioma totalmente diferente) em vez de ler o que está de fato exibido na tela. Você precisa de reconhecimento óptico de caracteres que funcione sobre os próprios quadros do vídeo.
O GeekLink foi feito exatamente para isso. Seu OCR de vídeo amostra os quadros, localiza a região da legenda (embaixo, em cima ou uma área personalizada — útil porque animes e variedades muitas vezes posicionam legendas em lugares diferentes), lê o texto na tela, reconstrói a temporização e produz um arquivo SRT editável. A partir daí você pode corrigir quaisquer leituras erradas, traduzir o texto com IA e exportar o arquivo de legendas limpo ou queimar as legendas traduzidas de volta no vídeo.
Então, se o seu fluxo de trabalho começa com áudio bruto que precisa de legendas e limpeza, o VideoCaptioner lida bem com isso — essa é genuinamente sua força. Se o seu fluxo de trabalho começa com um vídeo que já tem legendas embutidas que você precisa recuperar, o GeekLink é a ferramenta que realmente consegue fazer isso.
Perguntas Frequentes
O VideoCaptioner (卡卡字幕助手) está disponível para Mac?
Não como um app nativo empacotado. O VideoCaptioner foi criado priorizando o Windows; no Mac ele pode ser executado a partir do código-fonte ou via scripts de configuração, mas não há uma build bem acabada de baixar-e-abrir para Mac. O GeekLink é um app nativo para macOS feito para Apple Silicon (M1/M2/M3/M4).
O VideoCaptioner consegue extrair legendas embutidas (queimadas na imagem)?
Não. O VideoCaptioner cria legendas a partir da trilha de áudio usando reconhecimento de fala, então ele não consegue ler texto que faz parte da imagem do vídeo. Para vídeos com legendas embutidas — animes, variedades, curtas dramas chineses, clipes repostados — você precisa de OCR de vídeo. O GeekLink extrai legendas embutidas dos quadros do vídeo e produz um arquivo de legendas editável e traduzível.
O VideoCaptioner é gratuito?
Sim, o VideoCaptioner é gratuito e open source (GPL-3.0). Por padrão você traz sua própria chave de API para as etapas de tradução e correção assistidas por LLM, e seu nível gratuito pode recorrer ao Bing/Google Translate mais uma opção de ASR gratuita sem nenhuma chave. Ele também vende acesso ao seu próprio gateway de LLM como uma conveniência paga para usuários que preferem não configurar sua própria chave. O GeekLink também tem um nível gratuito permanente (reconhecimento de fala completo, OCR, processamento em lote, exportação SRT/ASS; exportações gratuitas trazem um pequeno crédito do GeekLink) mais planos pagos, incluindo uma licença vitalícia de $169.
O VideoCaptioner faz dublagem por IA ou baixa vídeos?
Sim. O VideoCaptioner inclui dublagem/geração de voz por IA e download integrado do Bilibili e YouTube — ambos recursos que o GeekLink não oferece. O GeekLink é intencionalmente focado no pipeline de legendas: reconhecimento de fala, OCR de vídeo, tradução por IA e queima.
Devo usar o VideoCaptioner ou o GeekLink para legendas?
Escolha o VideoCaptioner se você usa Windows, quer dublagem por IA ou download de vídeo integrado, ou se sente confortável em trazer sua própria chave de API para uma ferramenta open source gratuita. Escolha o GeekLink se seus vídeos de origem têm legendas embutidas (queimadas na imagem) que precisam de extração por OCR, se você quer um app nativo para Mac bem acabado, ou se prefere pagar um preço fixo único pela tradução por IA a gerenciar sua própria chave de API. Muitas pessoas na comunidade de fansub/repost acabam precisando dos dois: o VideoCaptioner para conteúdo de áudio limpo, e o GeekLink para qualquer coisa com legendas já queimadas no quadro.