自動字幕產生器與音訊轉錄(SRT、VTT)
影片預覽並疊上字幕 帶時間碼的 SRT / VTT · 19 種語言
語音模型約 106 MB · 只需下載一次
字幕能讓影片更容易看懂、也更容易被搜尋到,而文字逐字稿則很適合用來做筆記、引用與翻譯。這個工具會用開放的語音辨識模型 Whisper 在你的瀏覽器中聆聽影片或音訊檔,產生帶有時間碼的字幕,格式可選 .srt、.vtt 或純文字。檔案不會上傳。
如何產生字幕
- 將影片(.mp4、.mov、.webm、.m4v)或音訊檔(.mp3、.wav、.m4a、.aac、.ogg、.opus、.flac)拖曳到工作區。工具會讀取其中的聲音;可接受長度最多一小時的檔案。
- 選擇「說話的語言」:「自動偵測」,或直接選影片中實際說的語言——對較短的片段與有口音的語音更可靠。在「輸出」中保留「相同語言」,或選擇「翻譯成英文」。
- 按「開始」。第一次使用時,會從 aztools.us 下載語音模型(約 106 MB)並保存在瀏覽器中;之後再使用就會立即開始。進度列會顯示已轉錄的錄音長度。按「停止」可取消。
- 在預覽中查看結果。如果是影片,請播放看看:字幕會顯示在畫面上,方便你檢查時間點。
- 在「格式」中選擇 SRT、VTT 或 TXT,然後匯出。切換格式不會重新轉錄。
該選哪種字幕格式
| 格式 | 適用情境 |
|---|---|
| .srt | 上傳到 YouTube、Facebook、TikTok,以及大多數影片剪輯軟體(Premiere、DaVinci Resolve、CapCut) |
| .vtt | 網頁影片播放器(HTML <track> 元素)與部分線上學習平台 |
| .txt | 不含時間碼、方便閱讀的逐字稿;停頓兩秒後會另起一段 |
準確度與速度
- 使用的模型是 Whisper base 的 8 位元版本,在處理器上執行。英文與其他主要語言的清晰語音辨識效果良好;人名、罕見字詞與口音很重的語音則需要檢查。
- 每行字幕控制在約七秒與 84 個字元以內,這是字幕常見的上限。
- 背景音樂、多人同時說話與長時間的靜音,可能造成漏行或出現憑空編造的字幕。工具會移除 [Music] 這類標記,以及模型在音樂上產生的重複迴圈內容,並在檔案似乎大多是音樂時提醒你。
- 在較新的電腦上,轉錄大約需要錄音長度的四分之一到一半。手機與較舊的電腦會慢一些;處理期間請保持分頁開啟。
自動字幕產生器:常見問題
- 支援哪些語言?
- 清單中有英文、越南文、中文、日文、韓文、西班牙文、葡萄牙文、德文、法文、義大利文、俄文、印尼文、泰文、印地文、阿拉伯文、土耳其文、荷蘭文、波蘭文與烏克蘭文。自動偵測也能辨識 Whisper 所認得的其他語言。
- 可以把字幕直接燒錄進影片嗎?
- 不行,工具會產生獨立的字幕檔。你可以把 .srt 與影片一起上傳,或在影片剪輯軟體中加入,也可以在那裡調整文字的樣式與位置。
- 我的影片會被上傳嗎?
- 不會。聲音是在你的瀏覽器分頁中解碼與轉錄的。只有語音模型及其執行環境會從 aztools.us 下載一次。
相關工具
MP4 影片剪裁與片段剪輯
逐秒拖到精確位置,裁掉 MP4/MOV/WebM 影片不需要的片頭或片尾,即時預覽播放,並下載乾淨的片段,無需上傳。
.mp4 .mov .webm
+1
橫式轉 9:16 直式影片裁切工具
為 TikTok、Reels 和 Shorts 重新取景 16:9 寬螢幕錄影:將 9:16 裁切框拖曳到影片上,或把畫面置於模糊背景或黑邊中,剪裁後匯出 720×1280 或 1080×1920 的 MP4。
.mp4 .mov .mkv
+1
從影片擷取 MP3 音訊(MP4 / MOV / WebM)
在瀏覽器中直接把任何 MP4、MOV 或 WebM 影片轉成乾淨的 MP3、M4A 或 WAV 音訊,在波形上精確剪裁片段,並調整音量。
.mp4 .mov .webm
+1