在数字内容创作日益普及的今天，视频制作已成为许多人的日常。然而，将视频内容准确地转换为字幕，并进行精细化编辑，始终是剪辑工作流程中一项耗时耗力的任务。传统的字幕制作往往需要频繁切换不同的工具，效率低下。正是在这样的背景下，MAW（Moy’s ASR Workflow）应运而生，它旨在将这一“最脏最累”的环节自动化并简化，为内容创作者提供一个流畅、高效的AI字幕工作流。
一、MAW是什么？
MAW，全称 Moy’s ASR Workflow，是一个以 API 转写为核心的字幕生成与编辑工作流解决方案。它不仅仅是一个简单的转写工具，更是一个集成了从音视频转写、字幕编辑到最终导出的全链路平台。MAW的核心理念是将分散的字幕处理环节整合为一条高效的“流水线”，让用户无需在多个软件之间反复导入导出，从而大幅提升工作效率。它将本地音视频文件通过多种先进的AI语音识别服务转换为文字，并提供一个功能强大的本地编辑器 MAWE，供用户进行精细化调整，最终导出可用的字幕文件。
二、功能特征
MAW作为一款专业的AI字幕工作流工具，其功能设计充分考虑了内容创作者的实际需求，具备以下显著特点：
- 多源AI转写服务支持：MAW支持调用包括 Qwen、Fun-ASR、Soniox、腾讯云以及 OpenAI 等在内的多种主流AI语音识别服务。用户可以根据自身需求，在准确率和成本之间进行权衡，选择最适合的转写引擎。这种灵活性确保了用户能够获得高质量且成本可控的转写结果。
- 一体化字幕生成与编辑：MAW将音视频转写、字幕精修与导出集成在一个统一的工作流中。它能够直接处理本地音视频文件，生成初始字幕，并以
.mosp工程文件格式保存，便于后续的持续编辑。这种“转字幕”和“改字幕”的合并，显著简化了操作步骤。 - 强大的本地编辑能力（MAWE）：内置的 MAWE 编辑器是 MAW 的核心亮点之一。它提供了专业的字幕编辑功能，包括：
- 波形定位：通过音频波形图精确识别语音段落，实现精准时间轴调整。
- 拆分合并：灵活拆分或合并字幕行，优化字幕的呈现方式。
- 静音处理：自动识别并处理视频中的静音部分，避免生成无意义的字幕行。
- 画面预览：在编辑字幕的同时，实时预览视频画面，确保字幕与内容同步。
- 多重字幕与主副轨联动：对于复杂视频项目，MAW支持多重字幕轨道，并能实现主副轨之间的联动编辑，满足专业级字幕制作需求。
- 多种导出格式：完成编辑后，MAW支持将字幕工程导出为常见的 SRT 和 ASS 格式，兼容绝大多数视频播放器和剪辑软件。
- 本地化处理与隐私保护：所有的音视频素材和字幕工程文件都在用户本机进行处理和保存，无需上传至第三方服务器。这极大地保障了用户的数据隐私和安全。
- 免费开源：MAW是一款免费开源的工具，降低了用户的学习和使用门槛，让更多创作者能够受益于高效的AI字幕技术。
三、操作指南
使用 MAW 的流程直观且高效，大致可以分为以下几个步骤：
- 导入音视频：首先，将需要处理的本地音视频文件导入 MAW 客户端。
- 选择转写服务：在可用的 AI 转写服务列表中，根据你的需求（如语言、准确率要求、成本预算等）选择一个服务提供商。
- 自动转写：MAW 会调用选定的 AI 服务对音视频进行转写，自动生成初步的字幕文本和时间轴。
- MAWE 精修：转写完成后，MAW 会生成一个
.mosp工程文件，并自动在内置的 MAWE 编辑器中打开。在这里，你可以利用波形图进行时间轴的精细调整，对字幕文本进行修改、拆分、合并，处理静音部分，并实时预览视频效果。 - 导出字幕：完成所有编辑后，你可以将字幕工程导出为 SRT 或 ASS 格式的文件，即可用于视频发布或进一步的剪辑工作。
整个过程形成了一条流畅的“流水线”，显著减少了传统字幕制作中繁琐的切换和等待。
四、支持平台
MAW 致力于为广泛的用户群体提供服务，目前支持主流的桌面操作系统，并提供多种使用方式。
| 平台 | 是否支持 | 最低要求/版本 |
|---|---|---|
| Windows | 是 | 未明确说明 |
| macOS | 是 | 未明确说明 |
MAW 提供 Windows 和 macOS 系统的图形用户界面（GUI）版本，方便普通用户直观操作。同时，也提供了命令行接口（CLI），满足高级用户或自动化工作流的需求。此外，MAWE 编辑器作为本机 Server 运行，确保了本地编辑的流畅性和数据安全。
五、产品定价
MAW 本身是一款免费开源的软件，用户可以免费下载和使用其客户端及 MAWE 编辑器。然而，需要注意的是，MAW 提供的 AI 转写服务是基于第三方 API 接口调用的。这意味着，用户在选择使用 Qwen、Fun-ASR、Soniox、腾讯云或 OpenAI 等转写服务时，可能需要根据所选服务的计费标准，自行承担相应的 API 调用费用。MAW 仅作为一个集成和管理这些服务的平台，不额外收取转写费用。这为用户提供了灵活的成本控制空间，可以根据项目需求和预算选择最经济高效的转写方案。
六、使用场景
MAW 的设计初衷是为了解决视频内容创作中字幕处理的痛点，因此它特别适合以下几类用户和使用场景：
- 知识区UP主和教育内容创作者：制作中长视频课程、教程或知识分享内容时，需要精确且高质量的字幕，MAW能大幅提升字幕制作效率。
- Vloger 和自媒体创作者：剪辑日常Vlog或短视频时，即使是快速制作，MAW也能提供快速的转写和便捷的编辑功能，让字幕制作不再成为负担。
- 访谈和会议记录整理：对于包含大量对话的访谈视频或会议录音，MAW能快速生成文字稿，并提供精细化编辑功能，方便整理和归档。
- 专业视频剪辑师：在处理客户项目时，MAW能够作为其工作流中的一个高效工具，尤其是在处理多语言或需要精确时间轴字幕的场景。
- 任何需要将音视频转换为可编辑文本的用户：无论是个人学习、研究还是工作需求，MAW都能提供一个可靠的解决方案。
七、运作模式
MAW 的运作模式体现了其“本地优先”和“开放集成”的特点：
- 本地客户端：用户在 Windows 或 macOS 系统上运行 MAW 客户端。这个客户端是用户与整个工作流交互的界面。
- API 转写调用：当用户选择一个音视频文件进行转写时，MAW 客户端会作为中介，将音视频数据（或其片段）通过用户配置的 API Key 发送给选定的第三方 AI 转写服务（如 Qwen、Fun-ASR、Soniox 等）。重要的是，这一过程是在用户本地发起并控制的，MAW 自身不存储用户的音视频数据。
- 转写结果回传与本地存储：AI 转写服务处理完成后，将识别出的文本和时间戳数据返回给 MAW 客户端。客户端随后将这些数据整理成
.mosp工程文件，并存储在用户的本地硬盘上。 - MAWE 本地编辑：用户通过 MAWE 编辑器对本地存储的
.mosp工程文件进行编辑。MAWE 编辑器作为一个本机应用，提供了所有字幕精修功能，且所有操作和数据修改均在本地完成，不涉及任何云端同步或上传。 - 本地导出：编辑完成后，用户将字幕工程导出为 SRT 或 ASS 文件，这些文件同样存储在用户的本地设备上。
这种运作模式确保了用户对数据拥有完全的控制权，并且在大部分操作中，敏感数据不会离开用户的本地环境，提供了高度的隐私和安全保障。
结语
MAW（Moy’s ASR Workflow）无疑是视频内容创作者的一大福音。它以免费开源的形式，提供了一个集成了多重AI转写服务、功能强大的本地编辑器的完整字幕工作流。通过将“转字幕”和“改字幕”无缝衔接，MAW极大地提升了字幕制作的效率和便捷性，让创作者能够将更多精力投入到内容的创意和呈现上。如果你正被繁琐的字幕工作所困扰，MAW绝对值得一试。
网址：https://moyf.github.io/moys-asr-workflow/
