视频转写和生成字幕都从同一条音轨开始，区别在识别之后。文字稿可以写成长段，字幕却要短、时间准确，还要让观众在看画面的同时来得及读完。
这篇讲完整流程，也列出 SRT 交给剪辑或发布平台前最值得检查的几处。
核心要点
- 尽量使用已经定剪的视频。
- 重点检查转场、停顿和快速对话的时间。
- 按语义断句，不要只按字数截断。
- 先校对原文，再翻译和导出字幕。
1. 先确定视频版本
粗剪阶段就做字幕，后面删镜头、换顺序时会产生很多重复工作。尽量使用定剪版，至少保证对白轨道和时间线不再变化。
视频里有音乐和音效时，要确认对白仍然清楚。背景声过大时，人耳可能勉强听懂，词尾却容易被识别错。
2. 生成带时间点的文字
- 1
上传视频
选择 MP4、MOV、WebM 或其他支持的媒体格式。
- 2
设置源语言
这里选视频里实际说的语言，不是之后准备翻译成的语言。
- 3
生成字幕
保留时间点，让每个片段都能对应回视频时间线。
3. 按屏幕阅读方式调整
先修正识别错误，再处理字幕断句。人名和短语尽量放在一起，不要把介词留在行尾，也别把动词和补充成分拆开。
完整播放转场和语速较快的段落。时间码即使数值没错，如果人物已经开口后字幕才出现，观看时仍会觉得慢。
定剪后如果又修改了镜头，应从第一个变动点往后重新校时，不要随机修几个单句。
4. 校对原文后再翻译字幕
先把源语言里的识别错误改好，再选择目标语言。译文会沿用原来的时间点和说话人，既方便逐段对照，也不需要重新整理时间线。
字幕翻译和完整的视频翻译不是一回事：这里改变的是屏幕上的文字，不会把原视频声音替换成目标语言配音。如果成片还需要翻译后的人声，应使用视频翻译功能。
- 译文 SRT：提供给只需要目标语言的观众。
- 双语 SRT：在同一个时间段里同时显示原文和译文。
- 发布前重点检查人名、习惯表达、行长和阅读速度。
5. 选择合适的文件
- SRT：剪辑软件和视频平台普遍支持。
- 双语 SRT：每个字幕时间段同时包含原文和译文。
- VTT：保留原文，用于网页视频。
- TXT：适合视频简介、文章和内部审核。
- 保留源项目，后续修正后还能重新导出。
常见问题
MP4 可以直接转成文字吗？
可以，不需要先手动提取音频，系统会识别视频中的音轨。
SRT 和 VTT 有什么区别？
两者都保存带时间的字幕。SRT 常用于剪辑和分发，VTT 是网页视频常用格式，并支持额外的提示信息。
字幕翻译会改变视频声音吗？
不会。这里生成的是译文或双语字幕；如果还需要目标语言配音，应使用完整的视频翻译功能。
字幕必须和文字稿逐字一致吗？
意思应该保持一致，但为了让观众看得舒服，通常需要调整断句，也可以适当清理无意义的语气词。