生成带时间轴的字幕
识别音频，并保留模型为每个片段生成的时间范围。
音频转 SRT 字幕工具
免费把音频转换成 SRT 字幕
从 MP3、WAV、M4A 等音频生成 SRT 或 VTT。EarScribe 会保留 Whisper 时间戳，标出常见的可读性问题，并在导出前帮助你优化断行。
- 检查过长、过快、重复、空白和时间重叠字幕
- 点击字幕即可回听原音，再决定是否修改
- 同一结果可导出 SRT、VTT、TXT 和 JSON
拖入音频文件，或点击浏览
MP3、WAV、M4A、OGG、FLAC、WebM；可处理长度取决于设备内存
导出前先核对文字和时间戳
免费从音频做出可发布的字幕
运行字幕体检
集中检查过长、阅读过快、重复、空白或时间重叠的字幕。
完整预览后导出
优化断行，回听重点片段，再导出 SRT 或 VTT 到剪辑软件和视频平台。
音频转SRT
从音频生成 SRT 字幕，再把字幕做得可读
自动生成字幕只是第一步。真正能交付的 SRT 还要检查断行、阅读速度、时间重叠，并回听模型无法从声音判断的专名和数字。
先生成带时间轴的字幕片段
选择 MP3、WAV、M4A 等音频，EarScribe 会保留分段时间信息，同一份结果可以导出 SRT、VTT、TXT 或 JSON。
这里解决的是音频到字幕文件，不是把字幕烧录到视频里，也不是替代剪辑软件。你可以把文件交给控制画面和样式的下一步工具。
导出前做一次字幕体检
集中查看过长、阅读过快、空白、重复和时间重叠的字幕。这些问题会让观众读不完，即使单词本身识别正确。
点击字幕回听原音，修改文字后再次检查。重要视频仍应完整预览一遍。
按使用场景选择 SRT 或 VTT
SRT 被大多数剪辑软件和视频平台支持；VTT 更适合网页视频。只需要阅读文字时，导出 TXT 即可。
先在工作台中修改，再导出所有格式，可以让文字和时间轴保持一致。
导出前先核对文字和时间戳
字幕发布前检查清单
- 1
长度
过长的字幕要拆分或精简，确保正常屏幕上读得完。
- 2
速度
回听过快片段，只在不改变原意时精简措辞。
- 3
时间
检查空白、重复和重叠字幕。
- 4
语境
人名、数字和专业术语不要只看字面，要回听原音。
音频转 SRT 工具的边界
- EarScribe 生成字幕文件，不负责给视频加字幕样式、烧录画面或直接发布到平台。
- 公开、教育、法律或安全相关视频，自动时间轴和文字都应该经过人工复核。
字幕可读性的基本原则
两行短字幕通常比一整行长句更容易阅读。
语速很快时，可能需要精简文字或更合理地拆分时间段。
人名、数字和画面里的专有词，发布前应人工核对。
常见问题
SRT 和 VTT 有什么区别？
两者都保存带时间轴的字幕。SRT 被多数剪辑软件和平台支持；VTT 更适合网页视频，并支持更多 Web 字幕能力。
EarScribe 能自动修好所有字幕吗？
它可以优化断行并标出常见问题，但重要视频仍应完整预览，人工确认措辞和时间。
下载前可以修改字幕文字吗？
可以。先编辑带时间戳的文字，再回到字幕体检，导出更新后的 SRT 或 VTT。