字幕與逐字稿
OpenScreen 會完全在你的裝置上轉錄錄影中的音訊：你的音訊從不上傳，而且模型下載到磁碟之後，就能離線運作。這份逐字稿接著會成為兩樣東西的來源：燒錄進影片的字幕，以及一個可以用來剪輯錄影的文字檢視。
轉錄
每個片段都有自己的逐字稿。有兩種方式可以產生：
- 在媒體畫面中，選取素材卡片並按下重新產生。你也可以在這裡的以此語言重新產生底下強制指定 Whisper 的 100 種語言之一，而不是讓它維持自動偵測；各素材的狀態也顯示在這裡（等待轉錄、轉錄中、逐字稿已就緒、轉錄失敗，以及媒體庫中列出的其他狀態）。
- 在編輯器檢查器的逐字稿面板中，立即產生逐字稿會對目前的媒體執行同樣的處理流程。
whisper.cpp 引擎內建在應用程式中，模型則沒有。第一次執行時會從 huggingface.co 下載模型（約 264 MB，經過 SHA-256 驗證，並以原子方式寫入，所以下載到一半的檔案絕不會被拿來使用），這是轉錄唯一需要網路的時候。之後就完全離線，並在執行時自動選擇後端：Apple Silicon 上用 Metal，Windows 與 Linux 上用 Vulkan 並以 CPU 作為備援，Intel Mac 上則用 CPU。
字詞的時間點來自 Whisper 本身的 DTW token 時間戳記，接著會再依據音訊本身重新校準：每個邊界都會往前拉到它之前最安靜的那一刻。正因如此，根據逐字稿進行的剪輯，才會落在字詞真正開始的地方，而不是晚了一個音節。
字幕
字幕是逐字稿的即時檢視，而不是產生之後還得自己維護的文字。修改逐字稿、變更字幕設定，或在時間軸上移動片段，字幕都會在下一個影格跟著更新：不需要重新產生，也沒有過時的副本需要對齊。
在檢查器的逐字稿面板中，點擊字幕：
| 區塊 | 控制項 |
|---|---|
| 顯示字幕 | 預覽與匯出共用的總開關。 |
| 語言 | 「原文（逐字稿）」，或你已產生的任何翻譯層。 |
| 文字 | 字型、大小、粗體、文字顏色。 |
| 背景 | 文字後方底板的開關、顏色與不透明度。 |
| 位置 | 下或上，以及與該邊緣的距離（畫面的 0–50%）；靠左、置中或靠右，以及與該側的距離（0–25%，置中時沒有此項）。 |
| 行長 | 每行最少與最多字數（1–12）。每一行會在這個範圍內排入字詞。 |
位置中的所有設定，都是以匯出的畫面為基準，而不是以其中的影片為基準。你變更內邊距時，字幕會留在你放的位置，而且可以放在內邊距區域中：將垂直距離設為 0，文字就會緊貼畫面的上緣或下緣。較長的字幕會朝遠離固定邊緣的方向延伸，所以放在下方的字幕會向上延伸，放在上方的字幕則會向下延伸。
大小是以 1080 像素高的畫面中的像素數來表示，並會隨實際輸出等比例縮放，所以在 720p、1080p 或 Source 下，字幕看起來都一樣。預覽與匯出使用相同的版面配置程式碼：你看到什麼，燒錄進去的就是什麼。燒錄是字幕唯一的形式：OpenScreen 不會另外寫出 .srt 或 .vtt 檔，所以觀看影片的人無法關閉字幕。會寫出字幕檔的錄影軟體，請見本機字幕功能比較。
翻譯
選擇目標語言，然後按下翻譯。下拉選單內建 15 種目標語言：英文、法文、西班牙文、德文、義大利文、葡萄牙文、荷蘭文、波蘭文、土耳其文、俄文、阿拉伯文、印地文、日文、韓文與中文。
翻譯會透過你已連接的 LLM 提供者進行（請參閱 AI 剪輯），這是字幕功能中唯一需要網路的一項。翻譯會存放在逐字稿旁邊，絕不寫入逐字稿之中：原文與它的時間點都不會被更動，你隨時可以切換回「原文」，刪除某個翻譯也會讓錄影維持原本的樣子。加入新素材後重新執行翻譯，只需為新增的內容付出成本；模型沒有傳回的部分，會退回使用原文，而不會憑空編造。
以舊版「產生字幕」流程製作的專案，會將字幕文字存成真正的標註，而這些標註會繪製在即時字幕層之上。字幕窗格會偵測到它們並提議移除；由於這會刪除資料，它會先詢問你。
逐字稿編輯
逐字稿面板會顯示時間軸上所有片段彙整而成的逐字稿。它是你錄影的即時文字檢視：
- 選取一個字詞或一段字詞範圍，按下
Backspace/Delete，即可將該範圍標記為略過：它會從播放與匯出中移除，效果和時間軸上的剪輯區域完全相同，只是改由文字來操作。 - 被略過的範圍會以紅色刪除線顯示。將滑鼠移到上面即可還原。
- 靜音會在文字中以標記顯示，也可以用同樣的方式修剪或還原。
不需上傳，也不經過雲端：這一切都在專案中已有的逐字稿上執行。