音声→字幕

動画の中の音声から SRT/VTT 字幕を生成 — 動画（MP4、WebM、MOV、MKV、AVI…）または素の音声ファイルをドロップすると、ローカルのニューラル音声エンジン（中国語＋英語）が正確なタイムスタンプで音声トラックを直接文字起こしします。すべてブラウザー内で実行 — マイクもアップロードもクラウドも不要。初回使用時に約 95 MB のニューラルエンジンを一度ダウンロードし、以後キャッシュされます。
動画ファイルをここにドロップ、またはクリックして選択
MP4 · WebM · MOV · MKV · AVI · MPG · FLV · MP3 · WAV · M4A — 最大 200 MB
ローカルエンジン：未読み込み。
動画ファイルを選択して開始してください。
字幕 （編集可 — テキストを調整してダウンロード）
まだ字幕がありません。
自動字幕とは？

自動字幕は、動画の音声トラックに音声認識を走らせ、認識された言葉をタイムスタンプ付きのキューに変えます：話し声の各区分が、開始と終了のタイムスタンプを持つ短い字幕ブロックになり、SRT または VTT として書き出されます。難しいのはセグメンテーションです — 文字起こしは言葉の壁ですが、視聴者は一度に数語しか読めないため、長い発話を自然な休止で分割し、読むのに十分な時間画面に留まるキューにしなければなりません。

SRT と VTT はどちらもプレーンテキストのキューリストで、主にタイムスタンプの書式とヘッダーが違います — 片方を受け付けるプレイヤーはほぼ常にもう片方も受け付けるため、プレイヤーが求めるほうをダウンロードしてください。