AI 视频字幕生成
博主必备：视频一键自动生成字幕——可直接烧录进画面发布，也可导出 SRT/VTT，还能 AI 翻译成 11 种语言
语音识别在我们自己的服务器上运行（Qwen3-ASR 模型，配合强制对齐生成精准时间轴），音频转录后 30 分钟内删除。转录耗时约为视频时长的 20%-50%；勾选烧录视频会额外增加一次转码时间。
管线阶段与样式选项
- ASR 阶段——转录并标注词级时间点；标点自动补全。
- 翻译阶段（可选）——感知上下文的逐行翻译，同时遵守每条字幕的阅读速度上限。
- 烧录阶段——字体、字号、描边和位置直接渲染进像素。
- 软字幕选项——把 SRT 作为可切换的字幕轨道封装进去而不烧入画面，视频本体分毫不动。
转录、翻译、烧录，一次任务全完成
语音识别生成带时间戳的 SRT/VTT（按所说语言），可再逐行翻译，最后把带样式的字幕烧录进视频。
真正的语音识别引擎
音频或视频由我们服务器上的 Qwen3-ASR 转写，而不是不稳定的浏览器语音引擎——生成带精确时间轴的字幕，处理完成即可立即编辑。
SRT、VTT、ASS 或纯文本
按你的编辑器、平台或播放器需要的格式下载字幕。字幕与原始音轨同步，你可以随时润色措辞、拆分台词并再次导出。
一键翻译或烧录字幕
把做好的 SRT 交给 DeepSeek 翻译成十一种语言，或直接把字幕烧进视频——每个可选步骤单独计费，且只在你使用时才扣费。
如何使用
- 1
上传你的视频（任意格式，最大 1 GB），选择语音语言或让 Qwen3-ASR 自动检测。
- 2
服务器自动识别语音，默认把字幕直接烧录进画面。
- 3
下载带字幕的成品视频直接发布——同时提供 SRT/VTT 给剪辑软件，还可一键 AI 翻译成 11 种语言。
- 4
选择烧录或软字幕，调整样式后下载——SRT 文件本身也始终可以单独下载。
常见问题
字幕的准确率怎么样？
我们运行 Qwen3-ASR 模型，配合强制对齐生成精准时间轴。清晰的语音在包括中英文在内的多种语言中都有出色的准确率；口音重、背景音乐或多人抢话会降低效果，页面上的字幕预览方便快速人工校对。
输出什么格式？翻译后时间轴还在吗？
输出标准 SRT（所有剪辑软件和播放器通用）和网页播放器用的 WebVTT。AI 翻译只改写文字内容——每条字幕的时间轴原样保留，翻译好的文件可直接导入 YouTube 或剪辑软件。
我的视频会被保留或拿去训练吗？
不会。上传文件、提取的音频和字幕结果都会在 30 分钟内从服务器删除，任务只能用你会话签发的令牌访问，不分享、不用于训练。
相关工具
什么是 AI 视频字幕？
AI 视频字幕是根据视频中的语音自动生成的字幕——不用手动打字，也不用转录服务。本工具在我们的 VPS 上运行 Qwen3-ASR，一款 Whisper 级别的语音识别模型：上传任意视频（最大 1 GB），拿到时间轴精准的字幕，可直接烧录进画面发布，也可导出 SRT 和 WebVTT 给剪辑软件。字幕还能用 AI 翻译成 11 种语言。它是为 B 站、抖音、YouTube 博主、课程作者，以及任何想从视频中获得更大曝光和更好无障碍体验的人打造的。 你还可以在导出前于页面内编辑字幕，让最终文件符合你的措辞，而不是只有模型的选择。
这款工具能做什么
- 🎙️ Qwen3-ASR 识别语音，带词级时间轴
- 🌍 10 种语言可选提示，外加自动检测
- 🔥 字幕直接烧录进视频，下载即可发布
- 📄 导出 SRT 或 WebVTT，适配任何剪辑软件
- 🌐 字幕可 AI 翻译成 11 种语言
- ✏️ 页面内可编辑字幕，然后重新烧录
什么时候会用到
- 发布视频时想带上字幕，提升曝光和互动
- 想让内容对聋哑和听障观众无障碍
- 想把视频翻译成其他语言，面向新受众
- 课程或内部视频库需要字幕文件
你的视频会上传到我们的 VPS，由 Qwen3-ASR 转录；文件 30 分钟内自动删除。转录按时长消耗积分，每次 AI 翻译另收少量费用。对质量的如实说明：识别效果取决于音频本身——背景噪音大、口音重、多人抢话或语速过快都会降低准确率，因此我们提供页面内编辑器，导出前可以逐句检查修正。