字幕生成器把语音转成带时间的字幕行，并保存为视频播放器和剪辑软件都能导入的 SRT 文件。上传音频或视频，由 Whisper 识别语音，校对文字和时间戳后下载 SRT、TXT 或 JSON。工具生成的是独立字幕文件，不会把字幕烧录到你的原视频里。
查看实际案例
浏览全部案例 ↗实际使用场景
如何在不改动视频的情况下获得 SRT 字幕？
在“提取文字”中上传视频，选择说话语言并开始识别。校对文字和时间后保存，下载 SRT。在剪辑软件或视频平台中添加该文件即可；原视频不会被重新编码。
适合 10 分钟以内、说话清晰的内容。工具只读取音轨，不翻译，也不区分说话人。
规格与免费限制
| 输入 | MP3、WAV、M4A、AAC、FLAC、OGG；带声音的 MP4、MOV、WebM 或 MKV（仅使用音轨） |
|---|---|
| 大小上限 | 每个文件 100 MB |
| 时长上限 | 每个文件 10 分钟 |
| 输出 | SRT、TXT 或 JSON |
| 画幅与分辨率 | 不生成视频 |
| 识别语言 | 英语、中文、日语、韩语、西班牙语、法语、德语或自动识别 |
| 水印 | 无 |
| 注册 | 无需注册 |
| 文件保留 | 24 小时后删除 |
| 价格 | 免费；共享队列，有每小时使用次数限制 |
支持的格式
上传 MP3、WAV、M4A、AAC、FLAC、OGG、MP4、MOV、WebM 或 MKV。下载 SRT（带编号、开始和结束时间的字幕条）、TXT 或 JSON。
使用步骤
1. 打开“提取文字”并上传
选择本地音频或带声音的视频。视频会在服务器上提取音轨；画面中已印有的文字不会被读取。
2. 选择说话语言
选择英语、中文、日语、韩语、西班牙语、法语或德语，或自动识别，然后开始识别。
3. 校对文字和时间戳
在结果编辑器中修改人名、标点以及开始和结束时间，然后保存。时间必须按顺序排列且不超出录音长度。
4. 下载 SRT 文件
下载 SRT 后导入剪辑软件、播放器，或上传到支持 SRT 的视频平台。也可以下载 TXT 和 JSON。
是否适合你？
适合
- 为演讲、课程、采访或短视频制作 SRT 文件
- 先得到一版字幕初稿，上传前再校对
- 需要独立字幕文件、而不是重新编码视频的场景
不适合
- 把字幕烧录到你原视频的画面上
- 超过 10 分钟或大于 100 MB 的录音
- 翻译字幕、说话人标注或 VTT、ASS 格式
使用限制与隐私
音视频最大 100 MB、10 分钟；编辑转写时最多 1,000 行。免费、无需注册；有队列和每小时使用次数限制。结果 24 小时后过期。
发布前需要检查什么
识别可能漏词或听错人名，有音乐、噪音或多人同时说话时尤其如此。时间戳是模型估算值。工具不翻译字幕、不标注说话人、不导出 VTT 或 ASS，也不会把字幕烧录到原视频。如需在新视频中显示字幕，请使用 MP3 转视频工具，它会在新背景上渲染字幕，而不是在你的原始画面上。
常见问题
什么是 SRT 文件？
SRT 是纯文本字幕格式。每条字幕包含序号、开始和结束时间（如 00:00:01,250 --> 00:00:03,900）以及字幕文字。大多数剪辑软件和播放器都能导入。
能用 YouTube 或抖音链接生成字幕吗？
不能。请上传本地文件。不支持平台链接和浏览器内录音。
字幕会被烧录到我的视频里吗？
不会。你得到的是独立的 SRT 文件，原视频不会被修改或重新编码。在剪辑软件或播放器中加载 SRT 即可显示。
能把字幕翻译成其他语言吗？
不能。字幕使用说话时的语言。如需翻译，请用其他工具处理 SRT。
支持哪些语言？
英语、中文、日语、韩语、西班牙语、法语和德语，另可自动识别。准确度取决于录音质量。
产品信息
AI Free Audio to Video · audiosubvideo.com
- 价格及账户
- 免费使用，无需付费或注册；共享队列和每小时使用限制适用。
- 语音和图像识别
- 生产服务器使用 Whisper small 识别语音、Tesseract 识别图片文字。不支持说话人识别、转写翻译或人声分离。
- 下载
- MP4 视频； TXT、JSON 和 SRT 用于定时转录；用于图像 OCR 的 TXT 和 JSON。
- 谁可以访问结果
- 上传时使用的浏览器会话和已登录的网站管理员可以访问结果。用户上传内容不会作为公开案例。
- 音视频限制
- 100 MB · 10 min
- 完成后文件保留时间
- 24 小时