视频转字幕功能使用帮助 #
视频转字幕功能用于把视频中的语音内容自动转写成字幕文件，适合课程视频、访谈视频、自媒体口播视频、会议录像、讲解视频、直播回放和多语言内容整理。对于需要从视频中提取文本、制作外挂字幕、整理内容脚本或做字幕归档的用户来说，这是一项非常高频且非常有价值的功能。
这个功能和“视频加字幕”不同。视频加字幕是把已有字幕烧录到画面里，而视频转字幕更偏向“从视频内容自动识别语音并生成字幕文件”。也就是说，它是自动转写工具，而不是样式烧录工具。对于想快速把视频中的语音内容整理成文字、字幕或时间轴文件的用户来说，这个功能非常实用。
功能描述 #
视频转字幕功能支持选择单个视频文件，也支持选择一个视频文件夹进行批量转写。用户需要先准备下载模型文件，再选择输入视频和输出目录，然后设置转写语言和字幕导出格式，最后生成对应的文字或字幕文件。
这个功能的输出并不局限于传统字幕格式，还支持 TXT、SRT、VTT、ASS、LRC、JSON、MD 等多种类型，适合不同后续用途，例如字幕制作、文稿整理、博客内容提取、搜索归档和二次编辑。
主要功能 #
- 支持单个视频转字幕
- 支持视频文件夹批量转字幕
- 支持加载 下载好的模型文件
- 支持多语言识别或自动识别
- 支持导出 TXT、SRT、VTT、ASS、LRC、JSON、MD
- 支持输出目录自定义
- 支持转写进度显示
- 支持停止任务和打开输出文件夹
功能特点 #
1. 从视频中直接提取字幕内容 #
不需要你手动听写，也不需要先单独提取音频，直接选择视频文件即可开始转写，适合大量口播、课程和访谈视频整理。
2. 支持批量处理 #
如果你有一整套课程视频、一批采访录像或一组短视频素材，可以直接使用文件夹模式批量生成字幕，大幅提高效率。
3. 输出格式很丰富 #
除了常见的 SRT、VTT、ASS 之外，还支持 TXT、LRC、JSON、MD，这使它不仅适合字幕制作，也适合文本提取、知识整理和内容归档。
4. 语言支持范围广 #
当前面板内置了非常多的语言选项，包括中文、英文、日文、韩文、法文、德文、西班牙文、俄文等，也支持自动识别，适合多语言内容场景。
主要参数说明 #
模型文件 #
这个功能需要用户先提供 在视频小能手官方网站下载的模型文件。模型越大，通常识别准确率越高，但耗时和资源占用也可能更高。
面板中也给出了建议：
- 中文可优先选择简体中文或繁体中文
- 如果更重视准确率，可优先使用
small、medium或large-v3
输入模式 #
支持：
- 单文件模式
- 文件夹批量模式
如果只是测试效果，建议先用单文件；如果准备整批生成字幕，可以再使用文件夹模式。
转写语言 #
你可以选择自动识别，也可以手动指定语言。对于中文内容，通常直接指定简体中文或繁体中文会更稳妥。
输出格式 #
当前支持：
- TXT
- SRT
- VTT
- ASS
- LRC
- JSON
- MD
常见使用建议：
- TXT：适合纯文本整理
- SRT：最常见字幕格式
- VTT：适合网页字幕
- ASS：适合后续样式编辑
- LRC：适合歌词或音频字幕
- JSON：适合程序处理
- MD：适合文稿和帮助文档整理
使用流程 #
第一步：准备模型文件 #
先下载并准备好 模型文件，然后在面板里选择对应模型。
第二步：选择输入视频 #
可以选择：
- 单个视频文件
- 一个包含多个视频的文件夹
第三步：选择输出目录 #
设置字幕文件保存位置。建议根据项目建立独立文件夹，避免和原视频混在一起。
第四步：设置语言和输出格式 #
根据视频内容选择：
- 转写语言
- 输出格式
如果你只是生成普通字幕，优先 SRT；如果你还想拿去做文本整理，也可以同步导出 TXT、MD 或 JSON。
第五步：开始转写 #
点击“开始转写”，等待识别完成。较长视频或较大模型通常会耗时更久。
第六步：检查输出文件 #
完成后打开输出目录，检查：
- 文本内容是否正确
- 时间轴是否合理
- 格式是否符合后续使用需求
使用建议 #
- 首次使用时，建议先拿一个短视频测试模型和语言设置
- 中文内容建议优先手动指定中文语言
- 如果后续要继续做字幕编辑，建议优先导出 SRT 或 ASS
- 如果要做内容整理、脚本归档或知识提取，可以同步选择 TXT、MD 或 JSON
- 批量转写前，建议先验证单个样本的识别准确度
适用场景 #
- 课程视频自动生成字幕
- 访谈和会议录像转文字
- 自媒体口播视频字幕整理
- 直播回放内容提取
- 视频内容归档和知识整理
- 多语言视频字幕初稿生成
常见问题 #
视频字幕转和视频加字幕有什么区别？ #
视频字幕是把视频里的语音自动识别成字幕文件；视频加字幕是把已有字幕文件叠加或烧录到视频中。两者属于不同流程。
为什么需要单独选择模型文件？ #
因为识别能力依赖本地模型，不同模型的准确率、速度和资源消耗不同，所以需要用户自己提供。
批量模式适合大量视频吗？ #
适合，但建议先用一两个样本确认模型、语言和输出格式设置都合适，再批量执行。
软件工作方式对应补充 #
从当前工作方式来看，视频转字幕并不是直接把视频丢给模型后立刻得到字幕，而是会先提取音频主流，再做一轮更适合语音识别的预处理，例如高通、低通、降噪、响度标准化、单声道化和 16kHz pcm_s16le 重采样。这样做的目的是尽量提升识别链路的稳定性，尤其对课程视频、口播视频和会议录像更有帮助。
预处理完成后，软件会调用过滤链完成转写，因此这项功能依赖的是本地 .bin 模型，而不是在线接口。对于注重离线处理、隐私和可控性的用户来说，这一点很重要。
输出格式与文本后处理 #
除了直接生成字幕初稿外，当前线程还会根据你选择的格式做二次整理：
TXT：更适合纯文本整理。SRT：最常见的外挂字幕格式。VTT：由 SRT 进一步转换得到，更适合网页字幕。ASS：会把结果转成更适合样式控制的字幕格式。LRC：会把时间轴转成歌词型文本，更适合音频同步阅读。JSON：适合程序或系统继续处理。MD：会整理成更适合文稿、博客或知识归档的 Markdown 结构。
总结 #
视频转字幕功能适合所有需要从视频中自动提取文字和字幕的用户。它不仅支持常见的字幕导出格式，还兼顾了批量转写、多语言识别和文稿整理等场景。对于课程制作、内容归档、视频转文本和字幕初稿生成来说，这是一项非常值得详细介绍的实用功能。