教程 · 工作流
本地生成字幕后,怎么把它变成成片里的字幕
生成字幕只是中间步骤,不是终点。多数人卡在下一步:文件拿到了,导入剪辑软件却发现时间对不上,或者格式不被接受。这篇按顺序讲清楚从字幕文件到成片之间发生的事。
第一步:确认你的字幕文件是"干净"的
一个可用的 SRT 至少要满足三条:每段有递增的序号、时间码格式是 `00:00:01,000 --> 00:00:03,500`(注意是逗号不是句点)、文本不带多余的 HTML 标签。MonoSub 输出的文件默认满足这些,但如果你用别的工具生成,值得先打开确认——很多"导入失败"其实是格式问题,不是软件问题。
- 序号必须从 1 开始且连续,跳号会让部分播放器丢字幕
- 时间码用逗号分隔毫秒(SRT),VTT 用句点
- 单行超过约 42 个字符时,多数播放器会自动折行,但不一定折在语义处
- 空行是段落分隔符,多一个空行可能让下一段被忽略
第二步:选对格式
不同下游要的格式不一样。选错的典型症状是"导入后没有字幕轨道",而不是报错。
| 下游 | 格式 | 说明 |
|---|---|---|
| Premiere Pro / DaVinci Resolve | SRT | 两者都原生支持,导入即成为字幕轨道 |
| Final Cut Pro | SRT | 需通过字幕工作流导入,或转成 .fcpxml |
| YouTube / B 站上传 | SRT 或 VTT | YouTube 两者都收,VTT 对样式控制更细 |
| 网页播放器(video.js 等) | VTT | 浏览器 `<track>` 标签要 VTT,不收 SRT |
| 纯文本整理 / 二次编辑 | TXT 或 MD | 丢掉时间轴,只留文本 |
| 程序处理 | JSON | 带结构化时间戳,方便脚本消费 |
第三步:处理时间轴偏移
如果字幕整体比画面早或晚固定的几秒,这是最简单的偏移,所有剪辑软件都有"整体平移时间"的功能,输入 +2000ms 或 -1500ms 即可。
如果字幕开头对齐、越往后越偏,那是帧率不匹配——常见于素材是 23.976fps 而时间轴按 25fps 解释。这类问题不能靠平移解决,要按比例缩放时间轴,或者在生成字幕时就确认素材的真实帧率。
第四步:决定是外挂还是烧录
外挂字幕是独立文件,播放器加载;烧录(硬字幕)是把字幕画进画面像素里。两者的取舍很明确:
| 外挂字幕 | 烧录字幕 | |
|---|---|---|
| 可编辑 | ✓ 随时改文本和时间 | ✗ 改字幕要重新导出 |
| 可关闭 | ✓ 观众自行选择 | ✗ 永久在画面上 |
| 平台兼容 | 视平台而定,部分不支持上传 | ✓ 任何平台都能播 |
| 样式控制 | 受播放器限制 | ✓ 完全可控 |
| 适合 | 存档、多语言、需要无障碍字幕 | 短视频、社交平台、投放素材 |
MonoSub 只出字幕文件,不烧录——这一步留给剪辑软件或 ffmpeg。如果你想直接用命令行,`ffmpeg -i in.mp4 -vf subtitles=sub.srt out.mp4` 就够了,代价是重新编码一次。
词级时间戳能额外做什么
句级时间戳只能定位到"这句话什么时候开始"。词级时间戳记录每个词的起止,因此可以:
- 做卡拉 OK 式逐词高亮(短视频里最常见)
- 按文字剪视频——删掉某个词,就剪掉对应的那段音频
- 自动生成"删除静音"的剪辑点,不需要手动听
- 重新断句:把一句话拆成两条字幕而不破坏时间对齐
MonoSub 在生成字幕后会额外写出词级与静音信息,正是为了这几件事。如果你的工作流只是"上传视频配字幕",句级就够了;如果要做逐词动效或按文本剪片,词级是必需的。
校对:最花时间的一步
任何语音识别都会出错,重点不是消除错误,而是把校对成本压到最低。两个有效习惯:
一是先通读、只标错,不改。逐句改会让你在细节里丢掉整体判断。二是专有名词单独列一张表,第二次出现时批量替换——人名、产品名、术语的错误几乎总是重复出现的。
结论
生成字幕是这条链上最自动化的一步。真正决定成片质量的是后面三件事:格式选对、时间轴对齐、以及你有没有认真校对。工具能省掉前两件的大部分麻烦,第三件没人能替你省。
MonoSub
做本地字幕工具的人写的对比与教程。产品能做什么、做不到什么,都写在里面。
价格与功能以各产品官网为准,本文数据核对于文中标注日期。
免费下载,批量再买 Pro
单文件处理免费;批量用的 Pro 是一次性购买:Mac App Store 内购 $9.99 / ¥48,或直营店离线授权 ¥36 / $8.60。