面向个人本地视频观看与学习场景的手机端字幕解决方案。很多人手机里存着电影、网课、会议录音、访谈等本地视频，其中相当一部分没有字幕或只有外语字幕，观看门槛高、语言障碍大。本软件定位为「本地视频播放器 + 手机端离线字幕工作台」，覆盖以下典型场景：
外语影视 / 课程学习：无字幕的英文、日文视频，在手机上就能一键生成「原文 + 中文」双语字幕，边看边对照；
会议 / 访谈 / 录音整理：手机里的音视频自动转写成文字字幕，便于回看与检索；
隐私敏感场景：片源全程不出手机，本地处理 + 按需联网翻译，避免上传云端二次分发；
无电脑环境：出差、通勤等只有手机的场景，也能完成「抽音轨 → 识别 → 翻译 → 字幕叠加」全流程。
软件分为播放与字幕两大块。
播放能力：自动列出手机本地视频（按时间倒序、带缩略图预览）、手动选文件或加网络链接播放、断点续播、横屏全屏、点按播放/暂停、长按 2 倍速、深色界面。
字幕能力（核心亮点）：
无字幕片源一键生成字幕：手机端自动抽取音轨并按停顿切句，调用语音识别得到原文，再按需翻译成中文；
双语叠加显示：播放时同步显示中英双语，可一键切换「双语 / 仅中文 / 仅原文 / 关闭」，字号可调；
导入现有字幕：支持 .srt / .ass / .vtt 字幕文件，导入后可继续翻译成中文；
智能缓存：识别与翻译结果自动落盘，二次打开秒加载；翻译只在用户点击时按量请求，不浪费额度。
技术栈：Expo SDK 58 + React Native（React 19 / RN 0.88）+ expo-video 播放器；原生模块用 Kotlin 自研；语音识别接入硅基流动 SenseVoice，翻译接入百度翻译开放平台。
关键实现：
原生音轨抽取模块（Kotlin）：基于 Android 系统自带的 MediaExtractor + MediaCodec 解码音轨，重采样为 16 kHz 单声道 PCM 并做多声道下混；再通过能量 VAD（自适应噪声门限 + 停顿检测）把连续语音切成 2～15 秒的片段写出 WAV，同时记录每段的起止时间轴；
语音识别（ASR）：切片按并发上传至硅基流动 FunAudioLLM/SenseVoiceSmall（免费模型，支持中/英/日），返回文本；时间轴以切句边界为准，长片段再按标点二次切分、按字数比例分配时间；
翻译：百度翻译 API，采用 MD5 签名（appid + q + salt + 密钥）、按字节分批、QPS 限速，先对台词去重再翻译、最后映射回字幕；
字幕渲染：自研 srt/vtt/ass 解析器，播放时按时间轴命中当前句，中英双语叠加渲染；
本地缓存与缩略图：识别/翻译结果用 AsyncStorage 持久化；列表缩略图由原生取帧生成并落盘缓存。
评论