语音转字幕

从视频里的音轨生成 SRT/VTT 字幕 — 拖入一个视频（MP4、WebM、MOV、MKV、AVI……）或纯音频文件，本地神经语音引擎（中文 + 英文）会直接带精确时间戳转录它的音轨。全部在您的浏览器中运行 — 不需要麦克风、不上传、不依赖云端。首次使用会一次性下载约 95 MB 的神经引擎，之后即被缓存。
把视频文件拖放到这里，或点击选择
MP4 · WebM · MOV · MKV · AVI · MPG · FLV · MP3 · WAV · M4A — 最大 200 MB
本地引擎：未载入。
选择一个视频文件即可开始。
字幕 （可编辑 — 调整文本后再下载）
还没有字幕。
什么是自动字幕？

自动字幕对视频的音轨运行语音识别，把识别出的词变成带时间轴的提示句：每一段语音成为一小块带起止时间戳的字幕，导出为 SRT 或 VTT。难处在于切分 — 转录稿是一堵文字墙，而观众一次只能读几个字，所以长句必须在自然停顿处切分，并让每条字幕在屏幕上停留足够长的时间以供阅读。

SRT 与 VTT 都是纯文本的字幕列表，主要差别在时间戳格式和文件头 — 能接受其中一种的播放器几乎都能接受另一种，所以按播放器的要求下载即可。