GeekLink vs VideoCaptioner（卡卡字幕助手）：Mac 字幕工具比較（2026）

重點摘要：VideoCaptioner（卡卡字幕助手，github.com/WEIFENG2333/VideoCaptioner）是一款真正受歡迎的開源（GPL-3.0）字幕工具，擁有超過 15,000 顆 GitHub star，以 Windows 為優先打造，能將語音轉錄成文字，並用 LLM 對逐字稿進行斷行、校正與翻譯，還內建 AI 配音以及 Bilibili／YouTube 影片下載。GeekLink 則是一款專注於完整字幕流程的原生 macOS App：語音辨識（49 種語言）、能擷取硬字幕（燒錄字幕）的影片 OCR、用 Claude 3.5 Haiku、GPT-4o 與 DeepSeek 進行 40+ 語言對的 AI 翻譯，以及字幕燒錄，其中辨識、OCR 與燒錄全部 100% 在你的 Mac 本機執行。最明顯的單一差距：VideoCaptioner 只能轉錄音訊，因此無法讀取燒錄在影片畫面裡的字幕。如果你使用 Windows、想要 AI 配音或內建影片下載、也不介意自備 API key，就選 VideoCaptioner。如果你的影片帶有硬字幕、想要一款打磨精緻的原生 Mac App，或想要前沿 LLM 翻譯搭配透明的一口價定價，就選 GeekLink。

什麼是 VideoCaptioner？

VideoCaptioner，也以其中文名稱「卡卡字幕助手」為人所知，是一款開源字幕工具（github.com/WEIFENG2333/VideoCaptioner），自 2024 年 10 月首次提交以來約 20 個月間，已成長到約 15,000 顆以上 GitHub star 和 1,300 個以上的 fork。它維護活躍——最近的提交甚至到 2026 年 6 月，最新標記的釋出版本（v1.4.2）於 2026 年 5 月推出——並且在華語影片搬運、字幕組與在地化社群裡特別知名，CSDN、知乎和 Bilibili 上都有教學介紹。它以 GPL-3.0 授權釋出。

VideoCaptioner 的核心工作是語音轉文字：它把影片的音軌轉錄成字幕檔。它的招牌賣點在於轉錄之後發生的事——它用 LLM 對逐字稿進行斷行與清理，而不是純粹按字元數切分。圍繞這個核心，它還打包了 AI 配音／語音生成、內建 Bilibili 和 YouTube 影片下載、批次處理，以及燒錄（把字幕以可開關或硬字幕形式輸出渲染到影片上）。

這個專案以 Windows 為優先打造。它有一個版本可以在 Mac 上執行，但只能從原始碼或透過安裝腳本執行——沒有像一般 macOS 應用程式那樣、你可以下載後直接開啟、打磨精緻並已封裝的原生 Mac App。

在營利模式上，若你為 LLM 輔助步驟（翻譯、校正）自備 API key，VideoCaptioner 預設是免費的；它的免費層也可以在完全不用 key 的情況下，改用 Bing／Google 翻譯搭配一個免費的 ASR 選項執行。它同時也把自家 LLM 閘道（api.videocaptioner.cn）的存取權當作付費便利選項轉售，所以不想自己設定 API key 的使用者可以付費省去這一步。

VideoCaptioner 做不到的，是讀取已經畫進影片畫面裡的文字。因為它從音軌工作，它沒有辦法還原燒錄進畫面的字幕——動漫生肉、帶內嵌字幕的中／韓／日綜藝節目和短劇，或任何在你拿到檔案之前就已把字幕燒進去的重新上傳片段。這是 VideoCaptioner 與 GeekLink 之間最明顯的功能差異，也是本篇比較的重點。

GeekLink vs VideoCaptioner：功能如何比較？

下方表格涵蓋兩款工具各自圍繞打造的完整工作流程。VideoCaptioner 是一款內建配音與下載的 LLM 輔助轉錄兼搬運工具；GeekLink 則是一條專注的字幕生產流程，額外加上影片 OCR、原生 Mac App 與 100% 本機處理。

功能	GeekLink	VideoCaptioner
平台	macOS 13.0+，原生，Apple Silicon（M1/M2/M3/M4）	Windows 優先；Mac 僅能透過從原始碼／腳本執行，無封裝的原生 App
主要定位	字幕生產流程（辨識 → OCR → 翻譯 → 燒錄）	LLM 輔助轉錄 + 搬運工具（配音、下載）
AI 語音辨識	有 — 基於 Whisper，49 種語言，100% 本機／離線	有 — 基於音訊的轉錄（有免費與付費 ASR 選項）
影片 OCR（燒錄字幕擷取）	有 — 從影片畫面擷取硬字幕	無 — 只轉錄音訊，無法讀取畫進畫面裡的文字
AI 輔助斷行／語境校正	有 — LLM 依語意而非字元數斷行與校正	有 — 這是 VideoCaptioner 的招牌功能，理念相同
AI 翻譯	有 — Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek，40+ 語言對	有 — 免費層透過 Bing／Google 翻譯，或自備／付費 LLM key 以取得更高品質
AI 配音／語音生成	無	有 — 內建 AI 語音生成與配音
內建影片下載（Bilibili/YouTube）	無	有 — 直接在 App 內下載影片
字幕燒錄	有 — 可設定字型／顏色／位置樣式	有 — 可開關或硬字幕渲染
批次處理	有 — 一條無人值守流程處理 50+ 支影片	有 — 支援批次轉錄／翻譯
開源	否	是 — GPL-3.0，原始碼在 GitHub 上公開
本機處理／隱私	辨識 + OCR + 燒錄皆在本機執行；影片絕不上傳	自架並自備 API key 時在本機執行；付費閘道會經由代管 LLM 傳送

關鍵結論：GeekLink 與 VideoCaptioner 在語音辨識、翻譯、批次處理和燒錄上有重疊——兩者都用 LLM 斷行，所以斷行本身並不是區分它們的關鍵。真正把這兩款工具區分開來的差距是影片 OCR：GeekLink 能讀取已經燒錄進影片畫面裡的字幕，而 VideoCaptioner 不行。GeekLink 還會標記出它不確定的字幕行，讓你只需檢查那少數值得複查的幾行，而不必重讀整個檔案。在這之外，VideoCaptioner 加入了 GeekLink 刻意不做的東西（AI 配音、內建影片下載），而 GeekLink 則加上一款封裝好的原生 Mac App，以及核心流程的完全本機處理。

VideoCaptioner 相較於 GeekLink 要多少錢？

VideoCaptioner 免費且開源（GPL-3.0）。預設情況下，你為 LLM 輔助步驟（翻譯、斷行／校正）自備 API key，而免費層也可以在完全不用 key 的情況下退回 Bing／Google 翻譯搭配一個免費的 ASR 選項。VideoCaptioner 也把自家 LLM 閘道（api.videocaptioner.cn）的存取權當作付費便利選項轉售——你付費就不必設定自己的 API key。無論哪種方式，軟體本身都沒有授權費。

GeekLink 提供永久免費層（完整語音辨識、OCR、字幕編輯、批次處理、SRT/ASS 匯出；免費匯出會帶一個小小的 GeekLink 標記）。付費方案為：

• 月付 — $12.99/月
• 年付 — $99/年（約 $8.25/月），含 1M AI 翻譯 token（約 1,500 分鐘）
• 終身 — $169 一次性（早鳥）／$199 一般價，含更多翻譯 token，無需訂閱
• 額外 AI 翻譯 token — 若超出內含額度，每 1M token $6.99

這兩種成本模式適合不同的人。VideoCaptioner 除了你花在自己 LLM API key 上的費用之外不用再花錢（若你只用它免費的 Bing／Google 翻譯層，甚至完全不用花）——如果你能自在地設定 API key、又想要零平台加價，這很有吸引力。GeekLink 的定價把 AI 翻譯成本綁進一個附帶固定 token 額度的月付、年付或一次性終身價，如果你寧可不管理自己的 API 帳單，這樣更簡單；而終身方案意味著對於經常處理影片的人來說完全沒有經常性費用。

如果你技術上足以管理自己的 API key，並想按成本直接付給 LLM 供應商，VideoCaptioner 的模式可以更便宜。如果你想要一個不用設定 API key 的一口價，GeekLink 的方案（包含 $169 終身選項）是更簡單的路。

什麼時候該選 VideoCaptioner 而不是 GeekLink？

在以下幾種情況，VideoCaptioner 是更合適的選擇：

你使用 Windows。VideoCaptioner 以 Windows 為優先打造，在那裡有最順暢、最完整的體驗。GeekLink 僅支援 macOS。

你想要 AI 配音或語音生成。VideoCaptioner 能生成合成旁白並為影片配音，這是 GeekLink 完全不提供的。

你想要影片下載內建在同一個工具裡。VideoCaptioner 能直接從 Bilibili 或 YouTube 拉取影片，在一個 App 裡就適合「下載後再上字幕」的搬運工作流程。GeekLink 不下載影片——你自備檔案。

你完全落在免費的音訊轉錄搬運工作流程裡，不需要 OCR。如果你的素材從來沒有硬字幕——原創的口播內容、乾淨的純音訊素材——VideoCaptioner 的「轉錄加 LLM 校正」流程能把這件事做得很好，而且你可以零授權成本地執行。

你想要一款完全開源、可自架的工具。VideoCaptioner 的 GPL-3.0 原始碼在 GitHub 上，所以你可以檢視它、自架它，並只為你發出的 LLM API 呼叫付費。GeekLink 是閉源的。

什麼時候 GeekLink 是更好的選擇？

當你的工作涉及已經是影片畫面一部分的字幕，或你想要一款封裝好的原生 Mac App 時，GeekLink 是更強的選擇。

你需要擷取硬字幕（燒錄字幕）。這是最大的單一差異。VideoCaptioner 轉錄音訊，沒有辦法讀取畫進畫面裡的文字。GeekLink 的影片 OCR 分析畫面、定位字幕區域，並把螢幕上的文字還原成可編輯的檔案。對於動漫生肉、帶硬字幕的中／韓／日綜藝節目和短劇，以及任何字幕已經燒錄進去的重新上傳片段，這是讓這項工作根本得以完成的功能。如果你的來源影片帶有硬字幕，VideoCaptioner 就是做不到這項任務。

你想要一款打磨精緻、封裝好的原生 Mac App。GeekLink 像任何其他 macOS App 一樣下載並執行，專為 Apple Silicon 打造。VideoCaptioner 的 Mac 支援意味著要從原始碼或透過安裝腳本執行，如果你不太習慣那樣，摩擦會更大。

你想要前沿 LLM 翻譯，又不用管理自己的 API key。GeekLink 的 AI 翻譯使用 Claude 3.5 Haiku、GPT-4o、GPT-4o mini 和 DeepSeek，綁進一個月付、年付或一次性終身價。你不需要另外註冊一個 API 帳號，也不用和 LLM 供應商管理用量帳單。

你想要素材留在自己機器上，且完全不用設定。GeekLink 開箱即用，就在你的 Mac 本機執行語音辨識、OCR、編輯和燒錄；只有選用的 AI 翻譯才會把字幕文字（絕不是影片）傳給 LLM 供應商。VideoCaptioner 也能在本機執行，但完全本機的路徑取決於你自己提供並設定 API key。

VideoCaptioner 能從影片擷取硬字幕嗎？

不能。VideoCaptioner 用語音辨識從影片的音訊生成字幕，所以它只能為說出來的內容上字幕——它沒有影片 OCR，無法擷取已經燒錄進影片畫面裡的文字。這件事的影響比聽起來更大，因為 VideoCaptioner 自己的受眾所處理的影片有很大一部分——字幕組的動漫、日本和韓國的綜藝節目、中國短劇，以及在各平台間重新上傳的片段——往往已經把字幕永久渲染進畫面裡了。

如果你的來源已經有螢幕上的字幕，而你想要把它們變成可編輯、可翻譯的文字，那麼基於音訊的轉錄是錯的工具——它會重新轉錄語音（那可能和螢幕上的文字不符，或甚至是完全不同的語言），而不是讀取實際顯示在螢幕上的內容。你需要的是能在影片畫面本身上工作的光學字元辨識。

GeekLink 正是為此而生。它的影片 OCR 取樣畫面、定位字幕區域（底部、頂部或自訂區域——很有用，因為動漫和綜藝節目常把字幕放在不同位置）、讀取螢幕上的文字、重建時間軸，並輸出一個可編輯的 SRT 檔。從那裡開始，你可以校正任何誤讀、用 AI 翻譯文字，然後匯出乾淨的字幕檔，或把翻譯後的字幕燒錄回影片。

所以，如果你的工作流程始於需要上字幕與清理的原始音訊，VideoCaptioner 能處理得很好——那確實是它的強項。如果你的工作流程始於一支已經帶有燒錄字幕、你需要還原的影片，GeekLink 才是真正做得到的工具。

常見問題

相關文章