常有人问:已经有 Downie 了,为什么还要 Vimpo?
简单说,Downie 把视频存进你的硬盘,到这里它的工作就完成了;Vimpo 的工作从这里才开始。两个 App 都能下载上千个网站的视频,所以“能不能下下来”差别不大。差别在下载之后:一部没有中文字幕的外语视频,怎么变成你看得懂、剪得动的东西。
同一个链接,分别交给一个下载器和 Vimpo:
https://www.youtube.com/watch?v=lXUZvyajciY 只用下载器0%
得到 1 个视频文件网站有字幕的话,再加一份英文字幕 还要你自己来
转写翻译对时间轴剪片段
用 Vimpo0%
更准确的说法是:这是智能体的十年。
This is really a lot more accurately described as the decade of agents.
只用下载器
Andrej Karpathy — We’re summoning ghosts, not building animals
下载中 0%
Andrej Karpathy - We’re summoning ghosts, not building animals.mp4 Andrej Karpathy - We’re summoning ghosts, not building animals.en.vtt ↑ 网站自带的英文字幕(有的话)
接下来还要自己做
- 把语音转成字幕再找一个转写工具
- 翻译成中文复制到翻译工具,再贴回来
- 对齐时间轴、合成双语字幕编辑器里手动对
- 剪出要发的片段再开剪辑软件
用 VimpoAndrej Karpathy — We’re summoning ghosts, not building animals 更准确的说法是:这是智能体的十年。
This is really a lot more accurately described as the decade of agents.
Vimpo 自己接着做完
两边都花了同样几秒下载。左边下载完,得到一个视频文件,运气好再带一份网站自带的英文字幕;右边下载完接着识别语音、翻译,做完就是一部带双语字幕的影片。
只论下载,Downie 更成熟
先说公道话。Downie 做了很多年,在“下载”这件事上打磨得比 Vimpo 细:Safari、Chrome、Firefox 都有扩展,一键发送;能下整个播放列表、录直播;下载后能自动转成 MP4 或只留音频,配合 Permute 还能转更多格式;遇到解析不了的网站,可以在它内置的浏览器里打开页面,让它自己抓。如果你要的只是把视频存下来,Downie 是很稳的选择。
Vimpo 也能下载上千个网站的视频,能选画质、读取浏览器的登录信息下会员视频,下载中断了能从断点接着下。但它的重心不在这里。
没有字幕的视频,也能有字幕
下载器能拿到的字幕,只有网站本来就有的那份。很多视频根本没有字幕;有的只有自动生成的、一行挂十几秒的英文字幕;中文字幕更是少见。
Vimpo 用 Whisper 在你的 Mac 上把语音直接识别成字幕,不上传、不联网,任何视频都有原文字幕可用。打开“智能断句”后,长句会在说话停顿的地方切成短行,具体做法写在我们是怎么把长字幕切短的里。
翻译时看过整部影片
把字幕一行一行丢给翻译工具,常见三个问题:译文整体错开一行,听错的人名照着错译,同一个术语前后译法不一样。Vimpo 的“智能翻译”在翻译每一段时都带上片名和全片内容,下面是同一个视频、同一个模型,关和开的真实结果:
关闭开启
字幕不再错行
Yeah.
肯定也有很多前因后果,让你们得以占据这个位置。是的。
I saw AlexNet just like everybody else saw AlexNet.
是的。我和其他人一样看到了 AlexNet。
And, and, but remember, our lens of the world…
我和其他人一样看到了 AlexNet。但是请记住,我们看世界的视角……
听错的名字能纠正
And what Irimandris recognized was…
Irimandris 意识到的是……入交先生意识到的是……
“agent” 出现 31 次,译法统一
翻译用你自己选的服务:OpenAI、DeepSeek、智谱等接口填上自己的 API Key 就行,也可以用 Ollama、LM Studio 跑本机模型,完全免费。
边看边对照两种语言
下载器把文件交给你,接下来用什么播放器、字幕怎么挂,都是你的事。Vimpo 自带放映窗口:上面中文、下面原文,旁边是整部影片的字幕稿,点哪句就跳到哪句。
Andrej Karpathy — We’re summoning ghosts, not building animals你觉得到底是什么需要十年才能做到?
What do you think will take a decade to accomplish?
直接剪片段,带字幕导出
如果你做内容,最后一步通常是从一两个小时的长视频里剪出几十秒能单独发的片段,再把字幕压进画面。用下载器的话,这一步要再开一个剪辑软件。
Vimpo 的工作室(⌘2)直接在字幕稿上选句子建片段,按 ⌘B 就成一段;AI 能从全片里挑出适合单独发的段落;字幕样式调好后,一次导出所有片段,字幕直接压进画面:
点一句,按住 Shift 再点一句。
在时间线上拖边缘微调,会自动吸附到字幕边界。
用你自己的模型读字幕,挑出能单独发的段落。
描边、底框或大字,双语或只要译文。
字幕烧进画面,也能附 FCPXML 给 Final Cut / Premiere 接着剪。
Andrej Karpathy — We’re summoning ghosts, not building animals影院工作室
导出字幕文稿
1:21更准确的说法是:这是智能体的十年。This is really a lot more accurately described as the decade of agents.
1:46你觉得到底是什么需要十年才能做到?What do you think will take a decade to accomplish?
1:56你可以把它想成一个员工,或者一个你招来一起干活的实习生。You should think of it almost like an employee or an intern that you would hire to work with you.
2:13今天之所以不这么做,是因为它们还不太好用。The reason you don't do it today is because they just don't work.
2:23它们没有持续学习的能力。你告诉它一件事,它记不住。They don't have continual learning. You can't just tell them something and they'll remember it.
2:28要把这些问题都解决,大概得花十年。It will take about a decade to work through all of those issues.

更准确的说法是:这是智能体的十年。
This is really a lot more accurately described as the decade of agents.
你觉得到底是什么需要十年才能做到?
What do you think will take a decade to accomplish?
今天之所以不这么做,是因为它们还不太好用。
The reason you don't do it today is because they just don't work.
这是智能体的十年1:21 – 1:46 · 0:25 收进片段
它们为什么还不好用2:13 – 2:36 · 0:23画面简体中文声音
1:301:452:002:152:30更准确的说法是:这是智能体的十年。你觉得到底是什么需要十年才能做到?你可以把它想成一个员工,或者一个你招来一起干活的实习生。今天之所以不这么做,是因为它们还不太好用。它们没有持续学习的能力。你告诉它一件事,它记不住。要把这些问题都解决,大概得花十年。
这是智能体的十年
什么需要十年才能做到
它们为什么还不好用
导出
这是智能体的十年0:25
什么需要十年才能做到0:27
它们为什么还不好用0:23FCPXML,给 Final Cut / Premiere 接着剪 取消导出 3 个片段…
放在一起看
| Downie | Vimpo |
|---|
| 下载上千个网站的视频 | ✓ | ✓ |
| 浏览器扩展一键发送 | ✓ | — |
| 播放列表、直播录制 | ✓ | — |
| 下载后转格式 | ✓ | — |
| 网站自带的字幕 | ✓ | ✓ |
| 本机语音识别生成字幕 | — | ✓ |
| 参考全片的 AI 翻译 | — | ✓ |
| 双语播放、点句跳转 | — | ✓ |
| 按字幕剪片段、AI 找片段 | — | ✓ |
| 字幕压进画面导出 | — | ✓ |
| 价格 | $19.99 买断当前大版本 | 测试期免费,正式版一次买断 |
Downie 一栏依据它的官网和更新日志(4.13.3,2026 年 10 月)。标“—”的是官网和更新日志里都没有提到的功能。
该用哪个
- 只想把视频存下来,或者要下整个播放列表、录直播、下完自动转格式:用 Downie。
- 想看懂外语视频,要中文字幕、要双语:用 Vimpo。
- 做二创、做切片,要从长视频里剪出带字幕的片段:用 Vimpo。
两个也可以一起用。已经用 Downie 下好的视频,直接拖进 Vimpo 的影片墙,或按 ⌘I 导入,一样能识别、翻译、剪片段。导入时可以选择只链接原文件,不多占一份空间。
Vimpo 测试期间全部功能免费,在这里下载。