字幕精准到每个单词
每个单词的时间戳精确到 100 毫秒,每条字幕都在说出时准时出现。
由 David Dat Nguyen(CXO)审核 最后更新
上传视频,调整时间,
导出任意格式
Sonix 自动生成准确的字幕,每个词的时间戳都精确到 100 毫秒以内。
在可视化编辑器中微调时间轴,设置字幕样式,再导出 SRT、VTT、TTML、FCPXML,或内嵌字幕的视频。
免费 30 分钟,无需信用卡。查看价格
AI 字幕生成器为每条字幕轨提供这四点。
每个单词的时间戳精确到 100 毫秒,每条字幕都在说出时准时出现。
导出 SRT、VTT、TTML 或 FCPXML,也可按您的样式把字幕直接内嵌进视频。
一小时的视频约 5 至 6 分钟配好字幕,随时可进入时间轴编辑器。
以 54+ 种语言转录,再把字幕轨翻译成 54+ 种语言,并逐一导出。
这些指南和工具带您深入此功能的某个环节。
真实工作流程一次看完:上传视频,把转录文稿切分成时间精准的字幕帧,微调时间轴,再挑一种样式。
支持 MP4、MOV、MKV 和 AVI 等各种常见视频格式。它同时也是一款音频字幕生成器:上传 MP3、WAV、M4A 或 FLAC 文件,为播客或电台节目配字幕,做法与视频文件完全一样。
Sonix 把语音转成文字,清晰音频下准确率达 99%,并精确记录每个词的发音时刻。说话人会被自动识别,多人访谈和圆桌讨论的转录结果同样清晰。时间信息在词级别直接捕获,而不是事后估算。
Sonix 把带时间戳的转录稿转换成带时间的字幕条。规则由您来定:每条字幕的最大字数、每条一行还是两行,以及每条的最长时长。同一份转录稿既能生成适合社交短视频的两秒短字幕,也能生成适合广播交付的较长字幕。
在可视化编辑器中审看字幕条,调整时间,套用样式,然后下载字幕文件或内嵌字幕的视频。每小时的视频,整个过程约需 5 至 6 分钟。
无需插件,无需桌面软件,也不需要渲染农场:一切都在浏览器中完成,所以在任何一台笔记本上,Sonix 都是一款好用的在线字幕生成器。
自动生成已经完成了大部分工作,字幕编辑器则帮您快速收好最后一段,这也是制作团队选择 Sonix,而不是在视频平台内修改自动字幕的原因。
Sonix 按您设定的限制把转录稿拆分成字幕条:每行字数、一行还是两行,以及字幕条时长。调整限制后,页面会立即重新拆分,因此无需重新输入任何文字,就能从适合 YouTube 的字幕条切换到广播时长的字幕条。如果断句断在了半句话中间,就在您想要的位置拆开字幕条;想合并较短的字幕条,就放宽限制,让转录稿重新拆分。
每条字幕都锚定在转录时捕获的词级时间戳上。字幕条的入点和出点取自首尾两个词实际被说出的时刻,而不是把总时长平均切块。因此字幕条会落在自然的短语边界上,改变拆分规则也不会让字幕与声音错位。无论重新拆分多少次,时间关系都保持不变。
每条字幕都会显示在与媒体对应的可视化时间轴上。拖动字幕条的边缘即可改变起止点,也可以点击任意单词,听那一刻的音频,用耳朵确认时间是否对得上。无需学习专业的字幕软件,就能实现逐帧级的精确控制。
任何一条字幕都可以精确调整到毫秒。如果生成字幕后您又裁剪了视频或改变了速度,可以一次性平移所有字幕条,不必逐条修改。对白语速再快、说话人再多次重叠,字幕也能保持同步,因为时间锚定的是词级时间戳,而不是整句的平均值。
字幕文字完全可以编辑。更正人名、修改专业术语或精简措辞,字幕条的时间都不会变。查找替换的规则会作用于整份转录稿,拼错的人名可以一次在所有字幕条中改正,说话人标识也会保留,让您在编辑时始终清楚是谁说的。
这就是字幕制作工具与视频时间轴上一个文本框的实际区别:您编辑的是结构化、带时间的字幕数据,因此导出的每种格式都保持有效。
SRT 和 VTT 这类字幕文件的外观由播放器决定;如果需要字幕在任何地方都呈现同样的样子,Sonix 可以设置样式并把字幕永久内嵌进视频。
可自定义字幕的字体、文字颜色、大小、背景和位置。导出前可实时预览效果,您确认的样子就是观众看到的样子。既能符合品牌规范,也可以提高对比度、加大字号,让字幕更易读。
内嵌字幕,也称硬字幕,会把设置好样式的字幕直接渲染进视频文件,观众无法关闭。在 Instagram、TikTok 和 LinkedIn 上,多数人静音观看,各平台对字幕的支持也不一,这样的效果正是您想要的。按发布平台选择画布,包括 9:16 的竖屏画面,Sonix 会为您渲染内嵌字幕的视频,交付一个可直接分享的文件,无需视频编辑软件。
内嵌字幕的视频以 MP4 格式下载,采用 H.264 视频和 AAC 音频,可直接上传到 Instagram、TikTok、LinkedIn 和 YouTube。您选择的画布决定画面尺寸,字幕按输出尺寸绘制,文字清晰锐利。
社交短视频,以及所有无法上传外挂字幕文件的场合,请使用内嵌字幕。平台支持可开关的字幕,而且希望由观众自行控制时,请导出 SRT 或 VTT。Sonix 能从同一份转录稿生成两种结果,对时的工作无需重做。
每个文件都针对其用途排版,时间码和字符编码均准确无误。
| 格式 | 文件类型 | 最适合 | 可在以下环境打开 |
|---|---|---|---|
| SRT (SubRip) | .srt | 可开关字幕的通用标准 | YouTube、Vimeo、Adobe Premiere Pro、VLC 及多数视频平台 |
| VTT (WebVTT) | .vtt | 网页视频和 HTML5 播放器 | 浏览器原生播放器、Vimeo、多数网站内容管理系统 |
| TTML | .ttml | 广播和流媒体交付 | 广播和 OTT 交付系统 |
| FCPXML | .fcpxml | 后期制作时间线 | Final Cut Pro |
| AVID markers | 标记导出 | 后期制作审片 | Avid Media Composer |
| 内嵌字幕视频 | 视频文件 | 社交媒体、展示屏,以及任何必须始终显示字幕的场合 | 所有环境,无需字幕支持 |
一份转录稿可生成 5 种字幕文件格式和内嵌字幕视频:只需重新拆分或调整一次时间,所有导出都会随之更新。
一份转录稿,满足所有交付需求:在同一个项目里,Sonix 既是 SRT 字幕生成器和 VTT 字幕生成器,也是后期制作导出工具,每个文件的时间码和字符编码都准确无误。
一键从同一项目导出 WebVTT:字幕条和时间完全相同,只是格式适配 HTML5 视频。
上传视频,审核字幕条,下载 .srt 文件。“如何创建 SRT 文件”的答案就是这么简单:不用换算时间码,也不用手动排版。
可为 Final Cut Pro 导出 FCPXML,也可以把 SRT 导入 Premiere Pro。Sonix 还与 Adobe Premiere Pro 直接连接,您的字幕成果会直接带入剪辑工程,不必在那里重做。
TTML 导出适用于广播和流媒体工作流程,Sonix 字幕经过妥善审核后,可满足 FCC 字幕要求和国际广播标准。
各种文件类型的上传步骤,请参阅为 MP4、MOV 和 AVI 文件添加字幕的指南。
字幕的时间是一项资产,Sonix 让您能在发布的每一种语言中重复使用它。
转录完成后,一键即可把转录稿翻译成 54+ 种语言中的任意一种。每个译文都保留原字幕的时间,您的西班牙语、法语、德语、日语或中文字幕,会与编辑器中已调好的时刻保持同步。一次上传,即可为每种语言分别导出 SRT 或 VTT 文件。
审校在双栏编辑器中进行,原文转录稿与译文并排显示,并与音频同步。无论修改哪一侧,字幕时间都不会变。需要母语人员审校的团队,可以把 AI 翻译当作初稿,直接在原处润色。
一场访谈就这样变成面向全球观众的整套字幕,而无需重新调整任何一条字幕的时间。了解自动翻译和完整的支持的语言列表。
本页介绍的所有功能也都可以通过 API 使用,因此大批量处理的团队可以自动为视频添加字幕,无需打开编辑器。
Sonix REST API 可以上传媒体、运行转录并获取完成的字幕文件。可为任意媒体文件请求 transcript.srt 或 transcript.vtt,并使用与编辑器相同的拆分控制:按字数或时长限制字幕条、设置每条字幕的最大字数和最长时长,以及选择每条一行还是两行。
Webhook 会在文件处理完成时通知您的系统,Zapier、Dropbox 和 Google Drive 负责文件流转。媒体库、课程平台或新闻编辑部都能让每个已发布的视频遵循同一套字幕标准。端点和参数请见API 文档。
如果您正在比较字幕工具,真正决定能省多少时间的,是这五项能力。
只给整句打时间戳的工具,生成的字幕会比说话人慢半拍或快半拍。Sonix 把每个词的时间戳精确到 100 毫秒以内,因此即使对白语速很快,字幕条也能紧跟音频。
自动生成只是基本要求,真正的工作在审核环节,所以编辑器最为关键:可视化时间轴、点击即播放音频、毫秒级控制,以及即时重新拆分字幕条。
一个项目就应该产出:给 YouTube 的 SRT、给网页的 VTT、给广播的 TTML、给剪辑室的 FCPXML,以及给社交平台的内嵌字幕视频。每种格式都要重做一遍时间,是轻量工具的隐性成本。
多语言发布应该复用您已经完成的对时工作,而不是重做一遍。译文 SRT 与原文之间应该只隔几分钟,每条字幕都在原来的位置上。
YouTube 的自动字幕只能查看,也只留在 YouTube 上。使用 Sonix,字幕文件归您所有,可用于任何地方:社交平台、广播、流媒体平台或您自己的网站。
本页讲的是生成器本身,包括引擎、编辑器和导出;接下来的环节,另有两个相关页面介绍。
关于平台工作流程,包括如何把成品文件传到 YouTube、Premiere Pro 和 TikTok,以及各主要格式的对比,请参阅我们关于自动字幕和隐藏式字幕的完整指南。
Sonix 还能生成带说话人标识和声音描述的SDH 字幕,供听障和重听观众使用,适用于必须满足无障碍要求的内容。
如果您此刻正拿着桌面上的某个文件准备开始,如何在几分钟内为电影添加字幕的教程会带您从文件一路做到成品字幕轨道。
把视频或音频文件上传到 Sonix,AI 几分钟内就会转录出带词级时间戳的文字,然后自动把转录稿拆分成带时间的字幕条。在可视化编辑器中审看字幕条,按需调整,然后导出字幕文件。每小时视频,整个过程约需 5 至 6 分钟。
完全可以。每条字幕都能编辑:修改文字,在可视化时间轴上拖动起止点,在您想要的位置拆开字幕条,并把时间调整到毫秒。点击任意单词即可听到那一刻的音频,用耳朵核对同步情况,导出的格式也不会出错。
Sonix 可导出 SRT (SubRip)、VTT (WebVTT) 和 TTML,以及后期制作格式,包括适用于 Final Cut Pro 的 FCPXML 和 AVID markers。您也可以下载永久内嵌了样式字幕的视频。每个文件都针对其用途排版,时间码和字符编码均准确无误。
Sonix 在清晰音频下的转录准确率达 99%,每个词的时间戳与说话时刻的误差都在 100 毫秒以内。正是这种词级时间戳,让字幕与口型保持一致。最后几处修正,编辑器也让审核变得很快:点击任意字幕条,听音频,改文字。
可以。一键即可把转录稿翻译成 54+ 种语言中的任意一种,每个译文都保留原字幕的时间。在与音频同步的双栏编辑器中审校,然后从同一次上传中为每种语言导出带时间的 SRT 或 VTT 文件。
自行设定每条字幕的字数、行数(一行或两行)和最长时长,Sonix 会据此重新拆分转录稿。API 也提供同样的控制,因此批量任务与手工精修的项目遵循同一套标准。
可以。选择字幕的字体、颜色、大小、背景和位置,Sonix 会渲染出一个永久内嵌字幕的新视频。按发布平台选择画布,包括 9:16 的竖屏画面,并以 MP4 格式下载成品。内嵌字幕非常适合 Instagram、TikTok 和 LinkedIn。
有。每个新账户都包含 30 分钟免费转录,无需信用卡。这足以为一个真实项目生成、编辑并导出字幕,并用您自己的素材来评估准确度。试用结束后,按量付费的价格为每小时音频或视频 $10。
每个新账户赠送 30 分钟免费时长。上传视频并导出 SRT,再做决定。
支持 54+ 种语言的 AI 转录和翻译。