研究提出CapQuiz，一种无参考视频字幕评测基准，通过人工验证的多选题考察字幕信息保真度，涵盖10类问题、24个视频领域，并设计CapF1指标综合衡量事实性与覆盖度。实验表明其与人类判断相关性显著优于现有指标，可提供可解释的模型性能分析。

Maestro 视频生成 API 支持通过自然语言 prompt 自动生成带字幕的视频，可指定场景、风格、音色、多语言，并支持在已有视频上迭代。提交后返回 task_id，需轮询查询结果。计费基于实际成片时长、语言数和质量档位，失败任务不扣费。

Disney+ 为了更好地服务国际市场，新增了对 17 种音频语言的支持，总语言数达到 58 种。用户界面支持 30 多种语言，字幕提供 42 种语言，更新包括阿拉伯语和希伯来语的右到左界面，强调了本地化在全球流媒体平台的重要性。

Mux Robots推出六个新工作流程，包括生成高质量字幕、音频翻译、最佳缩略图选择和观众参与分析。这些功能通过API调用实现，用户可以编辑现有字幕、分段视频场景，并获取详细的参与数据。所有工作流程均可通过Mux仪表板使用，定价基于资产时长和复杂性。

StreamVX与SyncWords合作，集成DVB-TTML字幕，简化字幕与播出基础设施的连接。通过vxOTT网关，提取原生字幕并将AI字幕转为HLS格式，支持高分辨率录制，满足多语言和无障碍需求。该解决方案可云部署或本地部署，助力广播行业向OTT转型。

Vovsoft 发布了两款 Windows 限免工具：音频转歌词工具和二维码读取工具。音频转歌词工具使用离线 OpenAI Whisper 模型，支持多种音频格式，并能导出带时间轴的文本。二维码读取工具功能简单。限免有效期至2026年。

本文介绍了如何使用NVIDIA Canary-1B-v2构建多语言自动语音识别（ASR）和翻译工作流程，包括安装依赖项、加载模型、处理音频、执行英语转录和多语言翻译、生成时间戳及导出SRT字幕，最后测试长文本转录和批量处理以评估模型性能。

Agnes Video Generator 是一个免费的AI视频生成器，用户只需注册API Key即可使用。它提供简单视频、创意视频和文稿视频三种生成方式，支持自动生成旁白和字幕。尽管存在网络不稳定和生成时间较长的问题，但整体流程可靠，适合想尝试AI视频制作的用户。

本文介绍了一种短剧视频字幕位置自动识别方案，结合OpenCV和Amazon Nova 2 Lite模型，在30个测试视频中实现了83%的准确率。该方案通过智能抽帧和裁剪技术，优化了字幕检测，显著减少了人工标注工作量，成本低廉，适合大规模应用。

本文介绍如何利用浏览器的语音合成功能为网页视频添加配音，提升用户体验。通过简单代码实现“字幕转语音”，用户可享受更生动的视频内容。Edge浏览器支持多种语言和声音选择，操作简便，适合快速验证想法。

RubiCap是一种新型强化学习框架，通过大型语言模型生成细致的奖励信号，有效解决图像字幕生成中的多样性和泛化问题。在CapArena和CaptionQA基准测试中表现优异，超越传统方法和人类专家注释。

本文介绍了如何使用McCloudS/subgen项目实现本地AI视频字幕生成和翻译。作者扩展了“转录后翻译”功能，并结合Jellyfin自动生成双语字幕。通过GPU机器进行转录和翻译，优化了家庭局域网的媒体管理与播放，整体效果令人满意。

Vimeo的工程团队解决了AI生成字幕时的“空白屏幕”问题，通过将翻译过程分为三个阶段，确保了字幕的流畅性和时间同步。尽管增加了成本，但有效避免了手动质量检查，提升了用户体验。

该工具可快速合成动态字幕，无需专业软件。用户需登录Elevenlabs和Opal，支持多视频导入和自定义字幕样式，视频时长由音频决定。可添加水印，免费账号需标识，付费账号可商用。

该工具可在浏览器中合成滚动字幕视频，用户只需上传视频和音频，输入字幕并自定义样式，实时预览效果，最后点击“导出视频”下载合成视频。

Grabyo与Lingopal合作，旨在云环境中实现实时本地化，满足多语言配音和字幕需求。Lingopal平台提供低延迟翻译，支持直播和编辑，助力用户拓展发行渠道，提升观众体验。双方将共同推广技术解决方案，推动内容本地化进程。

由于市面上字幕转换软件价格昂贵，我开发了一个简单的网页工具，可以将fcpxml转换为srt格式，欢迎反馈bug。

Thierry Fautier在Streaming Media 2025 Highlights中强调AI与媒体的结合，呼吁行业进行深入对话和技术标准化。他指出AI在翻译和字幕方面的巨大潜力，但面临法律和文化挑战。未来内容监管将分层，技术需与法规和用户体验结合，以确保多语言内容尊重当地文化。

Vibe是一个开源的离线语音转文字工具，基于OpenAI Whisper模型，支持多语言转录和字幕导出，具备GPU加速，确保隐私安全。它可处理音频和视频文件，支持批量处理和在线媒体转录，完全免费。