精准 AI 视频字幕
MLX Whisper 高精度语音转写，支持专业术语词表，字幕逐字同步，中文识别准确率超过 95%
🎙 口播博主内测招募中 — 免费使用，欢迎反馈
一条原始视频
自动变成可发布成片
上传口播视频，AI 自动完成字幕转写、品牌包装、BGM 混音、CTA 设计和宣发素材——省去 80% 后期时间
不限类型，竖屏横屏都支持。你的每一条建议都会让 Echo 变得更好。
四步出片，全程自动
从原始素材到发布级成片，无需任何剪辑技能
上传原始视频
AI 语音转写
品牌包装烧录
成片 + 宣发素材
核心能力
专为个人 IP 和中小品牌打造的 AI 视频编辑工具
品牌一致性包装
自定义品牌胶囊、配色、封面模板，每条视频自动套用你的品牌视觉，省去重复设计
BGM 智能混音
20+ 首版权安全乐器独奏，智能音量匹配不压人声，让口播视频更有质感
口水词自动切除
AI 智能识别"嗯""啊""那个"等填充词，物理切除让口播表达更流畅专业
宣发素材包生成
自动生成 4 组不同风格的标题、文案、话题标签，适配抖音、小红书等平台一键分发
公众号文章改写
视频转写自动改写为结构化长文，适配微信公众号排版，一条视频产出多种内容形态
创作者们的真实反馈
来自内测用户的使用感受
李
小李老师教育博主 · 10w 粉
录了 3 分钟口播，字幕完全对上了，BGM 也加得很自然。以前这些至少半小时，现在几分钟搞定。
⭐⭐⭐⭐⭐
王
王总商业教练 · 连续创业者
品牌胶囊颜色换了下，瞬间有了自己的风格。每条视频出来都带我的品牌标识，很专业。
⭐⭐⭐⭐⭐
陈
陈小鱼旅行达人 · 自由职业
竖屏视频效果特别好，直接发抖音了。横屏 vlog 也能自动适配，省了很多调整时间。
⭐⭐⭐⭐⭐
张
张导短视频导演 · MCN
口水词切除功能太实用了，"嗯""那个"全部干掉，出来的视频听着特别流畅。
⭐⭐⭐⭐⭐
林
林姐母婴博主 · 视频号
自动生成的抖音标题和小红书文案质量不错，基本改几个字就能直接用，太省事了。
⭐⭐⭐⭐⭐
李
小李老师教育博主 · 10w 粉
录了 3 分钟口播，字幕完全对上了，BGM 也加得很自然。以前这些至少半小时，现在几分钟搞定。
⭐⭐⭐⭐⭐
王
王总商业教练 · 连续创业者
品牌胶囊颜色换了下，瞬间有了自己的风格。每条视频出来都带我的品牌标识，很专业。
⭐⭐⭐⭐⭐
陈
陈小鱼旅行达人 · 自由职业
竖屏视频效果特别好，直接发抖音了。横屏 vlog 也能自动适配，省了很多调整时间。
⭐⭐⭐⭐⭐
张
张导短视频导演 · MCN
口水词切除功能太实用了，"嗯""那个"全部干掉，出来的视频听着特别流畅。
⭐⭐⭐⭐⭐
林
林姐母婴博主 · 视频号
自动生成的抖音标题和小红书文案质量不错，基本改几个字就能直接用，太省事了。
⭐⭐⭐⭐⭐
赵
赵哥健身教练 · 抖音创作者
以前一条视频剪 2 小时，现在传上去就完事了。省下来的时间多拍两条内容，产量翻倍。
⭐⭐⭐⭐⭐
周
周小凡独立开发者 · 技术博主
内测免费太良心了，期待正式版。字幕识别对技术术语也挺准的，比我预期好很多。
⭐⭐⭐⭐⭐
刘
刘老师心理咨询师 · 公众号作者
视频自动转成公众号文章这个功能太需要了，一条视频同时产出短视频和长文，效率拉满。
⭐⭐⭐⭐⭐
吴
吴敏美食博主 · 小红书
封面自动生成的效果很统一，发出去整个主页看起来特别整齐，粉丝都说专业了好多。
⭐⭐⭐⭐⭐
孙
孙总企业培训师 · B 站 UP 主
我团队 3 个人用同一套系统，各自的品牌风格完全不同，客户看了都以为是不同公司做的。
⭐⭐⭐⭐⭐
赵
赵哥健身教练 · 抖音创作者
以前一条视频剪 2 小时，现在传上去就完事了。省下来的时间多拍两条内容，产量翻倍。
⭐⭐⭐⭐⭐
周
周小凡独立开发者 · 技术博主
内测免费太良心了，期待正式版。字幕识别对技术术语也挺准的，比我预期好很多。
⭐⭐⭐⭐⭐
刘
刘老师心理咨询师 · 公众号作者
视频自动转成公众号文章这个功能太需要了，一条视频同时产出短视频和长文，效率拉满。
⭐⭐⭐⭐⭐
吴
吴敏美食博主 · 小红书
封面自动生成的效果很统一，发出去整个主页看起来特别整齐，粉丝都说专业了好多。
⭐⭐⭐⭐⭐
孙
孙总企业培训师 · B 站 UP 主
我团队 3 个人用同一套系统，各自的品牌风格完全不同，客户看了都以为是不同公司做的。
⭐⭐⭐⭐⭐
定价方案
内测期间全部免费，不限量使用
⏳ 内测期间算力有限，任务可能需要排队处理，感谢您的耐心等待
常见问题
关于 AI 视频字幕和口播视频制作的常见疑问
ZHIDUN Echo 是一款 AI 视频字幕和口播视频制作工具。上传一条原始口播视频，系统自动完成语音转写、字幕烧录、品牌包装、BGM 混音和宣发素材生成，帮助个人 IP 和中小品牌省去 80% 的后期剪辑时间。无需任何剪辑技能，几分钟即可产出可发布的短视频成片。
在 Echo 中上传视频后，系统会用 AI 语音识别引擎（基于 Whisper）自动将语音转为逐字同步的字幕，然后烧录到视频画面上。全程无需手动操作，支持竖屏、横屏和方屏多种比例，字幕位置和样式会自动适配视频布局。
Echo 支持 MP4、MOV、AVI、MKV 等主流视频格式，以及 MP3、WAV、M4A 等音频格式。视频分辨率不限，系统会自动将视频适配到 1080x1920 竖屏标准容器。横屏和方屏视频也会智能布局，在黑边区域叠加字幕和标题。
Echo 使用 MLX Whisper 高精度转写引擎，中文口播场景下准确率可达 95% 以上。系统还支持自定义专业术语词表，对行业专有名词识别更精准。字幕按字级别时间对齐，同步精度达到毫秒级，观看体验自然流畅。
一条 3-5 分钟的口播视频，从上传到产出成片通常需要 2-5 分钟，包括语音转写、字幕烧录、品牌包装和宣发素材生成。处理速度取决于视频时长和当前服务器负载，内测期间高峰时段可能需要排队等待。
Echo 采用 HTTPS 加密传输，视频文件存储在独立隔离的服务器上。处理完成后原始文件会在 7 天内自动清理。我们不会将用户视频用于任何模型训练或第三方用途，每个用户的品牌配置和内容数据完全隔离。
剪映和必剪是通用视频剪辑工具，需要手动操作每个环节。Echo 专注口播视频场景，从上传到出片全程自动化——自动加字幕、自动去口水词、自动品牌包装、自动生成宣发文案和标题。适合高频出片的个人 IP，一条视频几分钟搞定。
是的，内测期间 Echo 的全部功能完全免费，不限制视频数量。注册即可使用高精度 AI 字幕、品牌包装、BGM 混音和宣发素材包等所有功能。我们希望在内测阶段收集用户反馈，持续优化产品体验。
开始你的视频自动化之旅
30 秒注册，立即上传第一条口播视频，体验 AI 自动加字幕出片
立即注册，免费内测