免費字幕產生器

操作範例

拖入一個 4:30 的 interview.mp4。檔案標籤顯示名稱、大小和 4:30，並出現一個小播放器。在英文頁面上，“口語語言”起始為英語，“字幕語言”起始為“原語言”，“字幕長度”起始為“標準（電視）”，提示為“最多兩行、每行 42 個字元，與電視和流媒體字幕一致。”當瀏覽器在處理器上執行“精準”模型時，頁面顯示“時長 4:30。在普通筆記型電腦上大約需要 5:15；手機處理會更慢。”點選“產生字幕”。進度條依次顯示“正在準備音訊...”、“正在下載語音模型...”（僅首次存取）、“正在轉錄...”並帶有“大約剩餘 2:10”的倒數計時，然後是“正在建立字幕...”。列表標題為“字幕 (58)”。點選時間可跳轉到相應位置，點選文字可更正，然後點選“下載 SRT”。檔名為 interview.srt。

使用哪些設定，以及限制

• 知道說話語言時，請明確指定。 “口語語言”選單起始為你正在閱讀的頁面所用的語言（如果語音模型支援），例如在英文頁面上就是英語。其他語言的影片需要選擇它自己的語言，或選擇“自動檢測”。明確指定語言是更穩妥的選擇，因為檢測可能會把安靜的片段誤判。如果在英文頁面上把“字幕語言”設為“英文（翻譯）”，選單會改為起始於“自動檢測”，因為翻譯成英文的人大概聽到的不是英語。
• 讓字幕長度與影片的播放場合相符合。 “字幕長度”提供“短（社交媒體）”、“標準（電視）”和“長（完整句子）”。“短”每次顯示一個短行，最長 3 秒，適合豎屏手機影片。“標準”允許最多兩行、每行 42 個字元。“長”每條字幕給出一到兩個完整句子，適合演講和講座。字幕出現之後，同一個選單位於列表上方。更改它會根據已完成的識別結果重建列表，所以不需要重新聽一遍，但會覆蓋你所做的任何編輯。
• 展開“更多”來選擇“精準”或“快速”，並列出人名。 “準確度”提供“精準”（Whisper base 模型）和“快速”（較小的 tiny 模型）。在處理器上執行模型時，下載量分別為 77.1 MB 和 42.7 MB，工具對“快速”的預設估計是每分鐘音訊所需時間的一半。手機起始為“快速”，其他裝置起始為“精準”。“人名或特殊詞彙”接受以逗號分隔的列表，例如“Kayla, Nathan, Rotorua”。識別之後，4 到 6 個字母、與列表中名稱相差一個字母的詞，或 7 個及以上字母、相差兩個字母的詞，會被改寫為相同的拼寫。它無法修復詞數錯誤，所以仍需檢查人名。
• 選擇英文輸出，或事後翻譯。 “字幕語言”提供“原語言”和“英文（翻譯）”。後者讓語音模型邊聽邊翻譯成英文，無需額外下載，在手機上也能使用。它適合西班牙語、法語、德語、葡萄牙語和義大利語等使用廣泛的語言，對其他語言則較粗糙；“快速”的翻譯效果明顯不如“精準”。所做的選擇會以 #to=en 的形式儲存在頁面地址中，翻譯後的檔案命名形如 talk.en.srt。帶有內建翻譯器的瀏覽器（如電腦上較新的 Chrome）還會在字幕下方顯示“將字幕翻譯為”選單和“翻譯”按鈕。
• 根據檔案長度和你的裝置做好安排。 電腦最多為檔案的 5:00:00 產生字幕，手機最多為 1:30:00；更長的檔案會顯示“此檔案總長 6:10:00。此裝置只能為其前 5:00:00 的內容產生字幕；要處理剩餘部分，請先將檔案切分成多個片段。”第一次的時間估計假定手機比電腦慢 3.5 倍，之後在一次較長的執行後，工具會記住你裝置的真實速度。在第一次下載之前，手機會顯示“在手機上這會很慢——預計需要幾分鐘，請保持此標籤頁開啟。”。“取消”會停止執行，並保留已產生的字幕。
• 編輯列表，然後儲存 SRT、VTT 或燒錄字幕的影片。 點選字幕的時間可從該處播放，點選其文字可編輯，點選 ✕ 可刪除。一條提示會統計被判為“疑似識別錯誤”而被忽略的行數。“下載 SRT”和“下載 VTT”儲存文字檔案。“下載帶字幕的影片”會把字幕繪製進 H.264 的 MP4，音訊為 160 kbps 的 AAC，檔名形如 interview_captions.mp4；“位置”、“大小”和“文字背景框”可改變外觀，預覽與之相符。音訊檔案只能得到 SRT 和 VTT。對於大於約 2 GB 的檔案、在報告記憶體為 4 GB 或更少的電腦上大於 1 GB 的檔案，或在手機上大於 400 MB 的檔案，燒錄按鈕會被停用。

常見問題及解決方法

提示“無法下載語音模型。請檢查您的網路連線並重試。”，而“重試”立刻又失敗了。

模型下載失敗或中途停止。請檢查網路連線並點選“重試”。在網速慢或不穩定的連線上，請在“更多”下選擇下載量較小的“快速”（在處理器上為 42.7 MB）。瀏覽器儲存已滿時會有單獨的提示：“瀏覽器的儲存空間已滿，因此無法儲存模型。”如果可用空間小於模型大小的 1.2 倍（處理器上“精準”為 92.5 MB，“快速”為 51.2 MB），工具會在下載之前停止。請釋放裝置上的空間，或在瀏覽器設定中清除不需要的網站所儲存的資料，然後重試，或選擇所需空間更小的“快速”。

提示“在此檔案中未檢測到語音。如果檔案中確實有人說話，請選擇他們的語言並重試。”

在工具去掉疑似識別錯誤的行（例如重複內容、音樂或靜音部分的文字，以及“感謝觀看”之類的零散行）之後，識別結果為空。只有音樂或完全靜音的檔案就會這樣結束。如果確實有人說話，常見原因是語言：選單起始為頁面的語言，而不是自動檢測，所以法語影片需要選擇“法語”或“自動檢測”。更改後請再次點選“產生字幕”。

提示“字幕產生失敗。請嘗試“快速”準確度設定，或使用更短的檔案。”，或者在中途提示“由於發生錯誤，字幕產生在 12:40 處停止。以下是目前已產生的字幕。”

模型載入之後出了問題，例如裝置記憶體不足或工作執行緒失去回應。每一段音訊大約有 2 分鐘的時間來顯示活動跡象（第一段為 5 分鐘，因為它要啟動引擎），丟失的工作執行緒會重試一次。“快速”宣告的記憶體峰值更低，為 190 MB，而“精準”為 320 MB。請在“更多”下選擇它、嘗試更短的檔案或關閉其他標籤頁。出現第二條提示時，已產生的字幕會保留，所以你仍可下載它們。

提示“影片字型無法繪製這些字元：日本語。請下載 SRT 或 VTT，讓播放器來顯示它們。”

燒錄使用本站提供的三種字型，涵蓋拉丁文、希臘文、西里爾文、越南文、阿拉伯文和希伯來文。其他文字（如日文或天城文）的字元會是空白，所以在開始任何處理之前，燒錄按鈕就會被停用。“下載 SRT”和“下載 VTT”仍然可用，媒體播放器會用自己的字型繪製字幕。如果字型本身載入失敗，你會看到“無法載入字幕字型。請檢查您的網路連線並重試。”

提示“無法讀取此檔案。請先嚐試將其轉換為 MP4 或 MP3 格式。”，或“此檔案沒有音軌，因此沒有可產生字幕的內容。”

工具在請求模型之前，先解碼最初的一段音訊，所以無法讀取的檔案不會消耗模型下載。第一條提示表示解碼器無法讀取音訊：請把檔案轉換為 MP4 或 MP3 後重新新增。第二條表示檔案沒有聲音。如果解碼器記憶體不足，你會看到“處理此檔案時瀏覽器記憶體不足 — 檔案對此裝置來說太大。請嘗試更短的片段、更小的檔案，或使用臺式電腦。”

對比分析

此工具用 Whisper（base 或 tiny）在你的裝置上把語音轉換為帶時間的字幕，然後儲存 SRT、VTT 或燒錄字幕的 MP4。它提供的是文字列表，而不是波形時間軸；“需要調整時間軸？在字幕編輯器中開啟”會在新標籤頁中把 SRT 傳送到那裡。如果只要純文字稿，“音訊轉文字”更合適。它不會標註誰在說話，燒錄的外觀只有位置、大小和白色文字後面的背景框。由於在瀏覽器中執行，不會上傳任何內容，但它比伺服器慢：在電腦上的預設估計是，“精準”約為影片時長，“快速”約為其一半，另加 45 秒啟動時間。識別會出錯，因此請在釋出之前通讀字幕。