音频转 SRT 字幕转换器

SRT 是纯文本字幕格式：每条字幕带一个序号、一对起止时间码，以及该时间段里说的内容。当录音要和视频配对、需要配字幕发布，或要按时间点检索时，就需要这样一份文件。音频转 SRT 字幕直接从语音生成它，不必先把音频拼进视频。

支持 MP3、M4A、WAV、AAC、WMA 和 OGG，可以从设备上传，也可以粘贴链接。录音不需要预先转码，也不必先抽出音轨；如果关注的是声音内容，含语音的视频文件同样能在这个页面里处理，不必为了换格式再跑一趟转换工具。

文本会先与录音对齐，再在自然停顿处切开，让每条字幕停留的时长与一句话相当。过短的语句会合并，不会一闪而过。审阅时可以移动断点，下载的文件会带上修改结果，序号依旧连续，时间码按标准格式书写，播放器不会报错。

每个文件单独开始一个任务，第一个还在处理时就能提交第二个。做播客系列时可以沿用同一套设置，不必每集重新选语种。标题、集数和说话人姓名，仍建议在导出前到编辑器里逐项确认，避免整批文件里出现互相错位的名字，回头再改更费时间。

背景音乐和较重的环境噪音会拉低准确率，两人同时说话是任何识别器最难的场景。音频转 SRT 字幕仍会返回带时间点的初稿，但音乐声下的段落要对着波形复核，必要时重听一遍再定稿。两人轮流发言时，开启说话人分离会好很多。

可以。措辞、标点和说话人姓名都能在转写视图里修改，改过的句子会写进导出文件。一个姓氏通常改一次就够，因为同一个词往往在整集里反复出现，导出前扫一遍就能统一覆盖，比逐条替换省事得多，也不容易漏掉躲在标题里的那一处。

自动识别覆盖九十多种口语，在从头到尾只讲一种语言的录音上表现最好。如果一集开头有很长的纯音乐，或者中途换语言，手动指定语种得到的 SRT 会比依赖自动判断更可预期，复核时少一些需要猜的地方，也不会因为一次误判让整段字幕跑偏。

不用安装，转换在浏览器里完成，第一个文件不登录也能转写。注册后会保留历史记录并提高每日额度，对每周更新的节目更实用。长系列开工前，可以先拿一段两分钟的短片确认断句和时间点是否符合自己的剪辑习惯，再批量提交，避免整季返工。