自动字幕

什么是 SRT 和 VTT 字幕格式？

SRT（SubRip Subtitle）是最常见的字幕格式，使用纯文本存储，由序号、时间轴和字幕文本组成。时间格式为 小时:分钟:秒,毫秒，每条字幕之间用空行分隔。几乎所有播放器（VLC、PotPlayer、MPC等）都支持 SRT 格式。

VTT（Web Video Text Tracks）是 HTML5 标准推荐的字幕格式，与 WebVTT 规范兼容，时间格式为 小时:分钟:秒.毫秒，支持样式和定位。现代浏览器直接支持在 <video> 中加载 VTT 字幕。

语音识别如何工作？

本工具使用浏览器内置的 Web Speech API 进行语音识别。浏览器会请求麦克风权限，通过设备的麦克风捕获音频。当您播放视频时，音频通过扬声器播放，同时浏览器通过麦克风"聆听"并实时将语音转换为文字，自动生成带时间轴的字幕条目。

所有处理在浏览器本地完成，音频数据经由浏览器发送至语音识别服务（Chrome/Edge 使用 Google 的识别引擎），我们作为网站不会存储任何数据。

使用技巧

• 使用外接扬声器或耳机，确保视频音频清晰播放
• 在安静环境中使用，减少背景噪音干扰
• 说话清晰、语速适中的视频识别率更高
• 转录完成后可手动微调时间轴和字幕文本
• 建议使用 Chrome 或 Edge 浏览器获得最佳效果