教育

如何在 Kdenlive 中添加字幕

作者：LoudSpeaker Marketing 13 分钟阅读
在本文中

手动制作字幕可能会占用您制作日程中相当大的一部分时间，尤其是在面临紧迫的截止日期或同时管理多个视频项目时。Kdenlive 提供了一套功能强大的免费视频编辑和字幕制作解决方案，但其本地语音转文本功能需要额外的模型和依赖项。.

将 Kdenlive 的编辑功能与 自动转录 可以减少所需的手动转录和同步工作量，在无需替换 Kdenlive 作为您的主要视频编辑软件的情况下，为您提供高效的工作流程。.

主要收获

  • Kdenlive 是一款免费的开源视频编辑器，支持导入 ASS、SRT、VTT 和 SBV 字幕文件，并可将字幕导出为 ASS 或 SRT 格式。.
  • 手动制作字幕包括对每条字幕进行转录、时间码标注、审核和格式调整。.
  • Kdenlive 通过 VOSK 和 Whisper 提供了本地语音识别功能，但这两者都需要语音模型和相应的依赖项。.
  • Kdenlive 的文档指出，Whisper 的识别精度通常高于 VOSK，不过具体结果会因模型、语言、音频质量和硬件的不同而有所差异。.
  • 外部转录服务可以生成带时间码的字幕文件，您可以在 Kdenlive 中导入并进行润色。.
  • Kdenlive 支持字幕样式设置、多个字幕文件和字幕层，以及烧录或嵌入式字幕。.
  • Sonix 提供自动转录功能，对音质清晰的录音，准确率高达99%，支持54种以上语言的转录，以及55种以上语言的翻译。.

了解字幕及其重要性

在深入了解 Kdenlive 的字幕工具之前，有必要先了解字幕和字幕条为何对视频内容如此重要。.

无障碍支持 这是其最重要的用途之一。准确、同步的字幕有助于满足预录视频的无障碍要求。无障碍字幕通常包含具有实际意义的非对话音频，例如音乐、音效和发言者标识。仅添加对话字幕本身并不能保证符合所有法律或技术上的无障碍标准。.

受众覆盖范围的扩大 当观众在静音环境、嘈杂场所或播放音频会造成干扰的情况下仍能理解您的视频时，字幕就发挥了作用。此外，字幕还能帮助那些以非母语观看视频的观众。.

内容可发现性 当视频的文字稿或字幕文本为平台和用户提供更多视频相关信息时，搜索效果可能会得到提升。为了获得最佳的搜索效果，建议在视频页面上发布一份易于阅读的文字稿，而不是仅依赖可下载的字幕文件。.

字幕与隐藏式字幕

尽管这两个术语常被混用，但它们通常具有不同的用途：

  • 字幕 为能够听到音频但需要文字辅助的观众，重现或翻译口语对话。.
  • 隐藏式字幕 为聋人和听力障碍观众提供对话以及有意义的非语言信息。.
  • SDH字幕 将对话与相关的音效描述及说话者信息相结合。.

Kdenlive 允许您创建和编辑每种方法所需的文本。对于需要 SDH字幕, ，在需要确保理解的地方，加入有意义的声音提示和说话者身份标识。.

Kdenlive 101：您的免费视频编辑好帮手

Kdenlive 是一款基于 GNU GPL 许可的免费、开源非线性视频编辑器。它支持 Windows、macOS、Linux 和 BSD 系统。.

系统要求与安装

操作系统要求可能会随着新版本的发布而发生变化。当前的 Kdenlive 手册中列出的 Intel 架构 Mac 系统要求为 macOS 12 Monterey 或更高版本，但最新的下载版本可能会有更高的系统要求。安装前请查看 Kdenlive 官方下载页面。.

语音识别所需的存储和处理资源比基础编辑更多。仅Whisper的依赖项就可能需要下载约2 GB的数据，而单个语音模型可能还需要额外的空间。更大的模型和可选的翻译组件则需要显著更多的磁盘空间、内存和处理时间。.

直接从 kdenlive.org 下载 Kdenlive，并选择适合您操作系统的安装包。.

界面概述

安装完成后，您会发现该工作区围绕以下内容进行组织：

  • “Project Bin” 用于整理媒体文件
  • 时间轴 用于整理视频、音频和字幕内容
  • 显示器 用于预览源片段和已编辑的序列
  • 效果面板 用于应用视觉和音频效果

字幕会显示在时间轴上的专用字幕轨道中。您可以通过时间轴工具栏中的“添加字幕”或“编辑字幕”工具图标打开该轨道。.

方法 1：在 Kdenlive 中手动创建字幕

手动制作字幕可让您直接控制措辞、时间点、换行以及呈现效果。.

分步手动工作流

打开字幕轨道：

  1. 点击时间轴工具栏中的“添加字幕”或“编辑字幕”工具图标。.
  2. 您还可以使用 片段 > 字幕 以访问字幕命令。.
  3. 字幕轨道将显示在时间轴上。.

创建单独的字幕：

  1. 将播放头移至对话开始的位置。.
  2. 双击该位置的字幕轨道。.
  3. 直接在字幕条目中输入文本，或使用“字幕窗口”。.
  4. 拖动字幕的边缘来调整其开始和结束时间。.
  5. 对每一段对话重复上述步骤。.

您也可以按下 Shift+S 在当前位置添加字幕。.

微调时间：

  • 拖动每个字幕条来调整其位置。.
  • 拖动其边缘以调整时长。.
  • 当需要进行更精确的调整时，请放大时间轴。.
  • 字幕在屏幕上的显示时间应足够长，以便观众阅读，但不要在对应的对话结束后让字幕remain。.

Kdenlive 还支持字幕文本拆分、拼写检查、ASS 覆盖标签、多层字幕以及在字幕条目间导航。.

时间投入的现实检验

手动制作字幕通常所需的时间会比视频的时长更长，因为这项工作包括：

  • 听对话并进行转录
  • 将文本划分为易于阅读的字幕条目
  • 将每个条目与音频同步
  • 检查拼写、标点符号和发言人变更
  • 在需要无障碍字幕时添加非语音信息
  • 格式设置与质量控制

总时长会因音频质量、发言人数、字幕密度以及所需的准确度水平而存在显著差异。.

方法 2：使用 Kdenlive 的内置语音转文字功能

Kdenlive 通过 VOSK 和 Whisper 提供了本地自动语音识别功能。该功能可自动生成字幕或生成文字记录，以支持相应的编辑工作流程。.

技术配置要求

在使用语音识别功能之前，请打开：

“设置” > “配置 Kdenlive” > “语音转文本”

Kdenlive 使用 Python 运行环境，并为其识别引擎配备了独立的语言或语音模型。.

关于 VOSK：

  • 安装或配置所需的 Python 组件。.
  • 下载一个兼容的 VOSK 语言模型。.
  • 通过 Kdenlive 的模型控制面板添加模型。您可以选择已下载的模型文件，或在支持的情况下将模型链接拖放到模型窗口中。.

致Whisper：

  • 选择“Whisper”作为语音识别引擎。.
  • 出现提示时，请安装缺失的依赖项。.
  • 打开 管理模型 并安装一个模板，或者下载 Kdenlive 推荐的模板。.
  • 请选择 CPU 处理或支持 CUDA 的 GPU。.

当前文档推荐使用 Whisper 涡轮版，其大小约为 1.4 GB。Whisper 的初始依赖项还需要额外下载约 2 GB 的数据。.

通过 SeamlessM4T 实现的可选多语言翻译功能需要一个体积大得多的模型（约 9–10 GB），这可能会给 CPU、内存和存储系统带来沉重负担。.

创建自动字幕

配置引擎后：

  1. 从“时间轴”工具栏中打开字幕轨道。.
  2. 单击“语音识别”控件，打开“自动生成字幕”对话框。.
  3. 选择要处理的时间轴区域、选中的片段或其他区域。.
  4. 选择语音模型。.
  5. 对于Whisper，请确认语言或保持自动检测。.
  6. 必要时，请调整“每行最大字符数”等选项。.
  7. 点击 流程.

Kdenlive 会自动创建并插入字幕条目。请检查结果中的措辞、标点符号、发言人切换、换行以及时间轴。.

本地AI转录的现状

本地语音识别具有以下几个优点：

  • 无需将音频上传至外部转录平台，即可对其进行处理。.
  • 不收取按分钟计费的转录费。.
  • Whisper 和 VOSK 可用于不同的语言和硬件配置。.
  • Whisper 支持语言检测和翻译成英语。.

此外还有一些实际的权衡：

  • 依赖项和模型需要额外下载。.
  • 某些型号需要占用几千兆字节的磁盘空间。.
  • CPU 处理速度可能较慢，尤其是处理较大的 Whisper 模型时。.
  • GPU加速需要兼容的NVIDIA CUDA硬件。.
  • 长时间的录音和大型模型可能会消耗大量处理资源。.
  • 每条自动生成的字幕轨道都应进行审核。.

Kdenlive 指出，Whisper 的识别准确率通常高于 VOSK，而 VOSK 在 CPU 上的运行速度更快。由于识别结果在很大程度上取决于录音内容和所选模型，因此该软件并未公布这两款引擎的通用准确率百分比。.

方法 3：混合方法——外部转码加 Kdenlive

混合工作流程采用外部转录平台生成初始带时间码的文本，并使用 Kdenlive 进行视频剪辑、字幕审核、样式调整和最终渲染。.

为什么混合工作模式能起到帮助作用

一个外部 自动转录 该服务可处理初始的语音转文本处理，并生成适用于 Kdenlive 的字幕文件。.

潜在好处包括：

  • 未安装本地语音模型
  • 对计算机 CPU 或 GPU 的需求较低
  • 已准备好可导入的带时间码的字幕文件
  • 基于浏览器的转录本审阅
  • 多种导出格式
  • 与审稿人更简便地协作

实际节省的时间取决于录音的质量和时长，以及转录稿需要进行的编辑工作量。.

导入外部字幕文件

一旦您获得了兼容的字幕文件：

  1. 在 Kdenlive 中打开您的片段。.
  2. 前往 片段 > 字幕 > 导入字幕文件.
  3. 请选择 ASS、SRT、VTT 或 SBV 文件。.
  4. 在对话框提供该选项时，请选择是创建新的字幕文件，还是替换当前的字幕文件。.
  5. 检查字幕轨道中导入的条目。.
  6. 根据需要修正文本、换行、时间安排和样式。.

Kdenlive 支持 maintain 多个字幕文件，但每次只能激活一个字幕文件。项目渲染时使用的正是该激活的字幕文件。.

格式兼容性

Kdenlive 可以导入：

  • SRT   一种广泛支持的 plain 文本字幕格式
  • ASS   一种支持高级样式和定位的格式
  • VTT   一种常用于 HTML5 视频的字幕格式
  • SBV   一种与在线视频工作流相关的简单时间码文本格式

Kdenlive 文档中列出的导出格式包括：

  • SRT
  • ASS

为了实现广泛的平台兼容性，, 将视频转换为 SRT 格式 通常是最实用的选择。.

字幕的样式设置与自定义

Kdenlive 支持基于 ASS 的字幕功能，并提供了丰富的样式控制选项。.

Available 样式选项

根据所选样式和 ASS 属性，您可以控制：

  • 字体家族和字号
  • 文字、轮廓、阴影和背景颜色
  • 对齐与定位
  • 边距
  • 边界与阴影
  • 透明度
  • 间距及其他排版设置

Kdenlive 还支持 ASS 覆盖标签，用于对字幕的选定部分进行样式设置。.

创建统一的样式

要管理字幕样式：

  1. 打开 片段 > 字幕 > 管理字幕.
  2. 选择 样式 章节。.
  3. 选择字幕文件或全局样式区域。.
  4. 点击 添加样式.
  5. 在“样式编辑器”中配置样式。.
  6. 通过“字幕”窗口中的“样式”控件设置样式。.

样式既可以针对特定的字幕文件创建，也可以全局存储以便重复使用。您还可以为字幕层指定默认样式，这在为不同发言者采用不同的视觉呈现效果时非常有用。.

从 Kdenlive 导出字幕

查看完字幕轨道后，您可以将其导出为单独的文件，或在渲染视频时将其包含进去。.

单独的字幕文件

转到：

片段 > 字幕 > 导出字幕文件

Kdenlive 可以将当前选中的字幕文件导出为：

  • SRT
  • ASS

SRT 格式已被视频托管和发布平台广泛采用。当需要保留更复杂的样式时，ASS 格式会派上用场。.

嵌入式字幕

嵌入式字幕已永久渲染到视频画面中，无法关闭。.

要将字幕永久嵌入视频中：

  1. 请确认已启用正确的字幕文件。.
  2. 打开“渲染”对话框。.
  3. 如果附加渲染选项被隐藏了，请将其展开。.
  4. 离开 嵌入字幕，而不是将字幕烧录到视频中 未勾选。.
  5. 渲染视频。.

Kdenlive 会将当前选中的字幕渲染到视频画面中。.

嵌入式字幕或软字幕

Kdenlive 还可以在兼容的媒体内容中创建字幕流。.

要嵌入字幕：

  1. 选择一种支持字幕流的渲染格式和容器，例如 MKV。.
  2. 启用 嵌入字幕，而不是将字幕烧录到视频中.
  3. 渲染该文件。.

在兼容的播放器中，可以开启或关闭嵌入式字幕。兼容性取决于所选的内容提供商、编解码器、播放应用程序以及分发平台。.

为什么 Sonix 能让 Kdenlive 的字幕制作更轻松

Kdenlive 可以处理剪辑、样式设置和渲染等阶段，而 Sonix 可以生成初始转录稿和带时间码的字幕文件。.

专为录制内容设计的处理流程： Sonix 表示，通常处理一小时的音频或视频大约需要五分钟。处理时间会因文件大小和服务负载而有所不同。.

能够减少清理工作的精度： Sonix 宣称，对于音质清晰的录音，其转录准确率可达 99%。实际结果会因背景噪音、语音重叠、说话者清晰度、口音、麦克风质量以及专业术语等因素而有所不同。其“自定义词典”功能允许用户添加人名和行业专用术语。.

多语言支持： Sonix 支持 54 种以上语言的转录，并且 自动翻译 翻译成55种以上的语言。.

专业工作流的安全控制措施： Sonix 表示，该公司已通过 SOC 2 Type II 认证，并在数据传输过程中采用 TLS 加密，对静止数据则使用 AES-256 服务器端加密。更多相关信息可查阅 Sonix 安全页面.

格式灵活性： Sonix 可以导出包括 SRT 和 VTT 在内的字幕文件。对于 Kdenlive 而言，如果需要一种该编辑器既能导入又能导出的格式，SRT 是最简单的选择。.

工作流程如下：

  1. 将您的录音上传到 Sonix。.
  2. 在浏览器编辑器中查看转录文本。.
  3. 更正人名、术语、标点符号和发言者标签。.
  4. 将字幕导出为 SRT 格式。.
  5. 通过以下方式导入 SRT 文件： 片段 > 字幕 > 导入字幕文件 在 Kdenlive 中。.
  6. 对时序和样式进行最终调整。.
  7. 导出字幕文件，或渲染带有烧录或嵌入字幕的视频。.

最终结论：为 Kdenlive 选择合适的字幕工作流程

最佳方法取决于您的隐私要求、可用的硬件、技术熟练程度、项目规模以及交付时间要求。.

在以下情况下，请选择手动创建字幕：

  • 需要对每一个词、时间安排和换行进行直接控制
  • 您有短篇项目或现成的文字稿吗？
  • 需要采用detailed格式的无障碍字幕，并配有精心撰写的音频描述
  • 该材料无法使用自动语音识别功能

在以下情况下，请选择 Kdenlive 的内置语音转文字功能：

  • 更倾向于在本地处理录音
  • 能够熟练安装依赖项和语音模型
  • 具备合适的存储和处理资源
  • 可以审核并修正自动生成的字幕
  • 不想将录制的视频上传到外部平台

在以下情况下，请选择 Sonix + Kdenlive 混合工作流：

  • 想要避免配置本地语音识别模型
  • 需要几个项目的带时间码的字幕文件
  • 想要一个基于浏览器的笔录审核工作流
  • 要求 多语言翻译
  • 对敏感内容实施有据可查的安全控制措施
  • 需要可以直接导入到 Kdenlive 中的 SRT 文件

对于许多专业工作流程而言，混合方法提供了一种切实可行的分工方式：Sonix 负责生成文字稿和初始时间轴，而 Kdenlive 则负责详细的字幕编辑、样式设置、视频集成和渲染。.

常见问题

Kdenlive 真的免费吗？它支持哪些操作系统？

是的。Kdenlive 是一款基于 GNU GPL 许可的免费开源软件。它支持 Windows、macOS、Linux 和 BSD 系统。不同版本对操作系统的要求各不相同，因此在安装最新版本之前，请先查看 Kdenlive 的官方下载页面。.

导出时，硬编码字幕和软字幕有什么区别？

硬编码或烧录的字幕会成为视频画面的一部分，无法关闭。软字幕则以独立文件或字幕流的形式存在，观众可以在兼容的播放器中自行开启或关闭。 在“渲染”对话框中选择“嵌入字幕而非将其烧录进去”选项，Kdenlive 即可将当前活动的字幕文件嵌入渲染后的视频中，或将其嵌入到兼容的容器中。.

在 Kdenlive 中可以使用外部转录服务吗？

是的。Kdenlive 支持导入 ASS、SRT、VTT 和 SBV 格式的字幕文件。您可以在外部服务中生成并校对字幕稿，导出兼容格式（如 SRT）的文件，然后通过“序列”>“字幕”>“导入字幕文件”进行导入。.

为什么 Kdenlive 的语音转文字功能需要额外设置？

Kdenlive 通过 VOSK 和 Whisper 等独立引擎实现语音识别。这些引擎需要 Python 组件、依赖项以及可下载的语音模型，而这些内容并不包含在编辑器的基本安装包中。Kdenlive 在“设置”>“配置 Kdenlive”>“语音转文本”下提供了配置和模型管理选项。.

Kdenlive 内置的转录模型准确度如何？

Kdenlive 并未公布 VOSK 或 Whisper 的通用准确率。其文档中指出，Whisper 的准确率通常高于 VOSK，而 VOSK 在 CPU 上的运行速度更快。实际结果取决于语言、所选模型、背景噪音、录音质量、说话人数以及说话者是否存在重叠。.

在几分钟内获得准确的转录

开始更智能的转录。免费试用 Sonix 或了解我们的定价，找到适合您的计划。

免费试用 Sonix 查看定价

继续阅读