AI语音识别 - 从音视频转录并编辑字幕
Quantum Subtitle 语音识别会将音频或视频中的口语转换为带时间码的字幕文本。您可以选择识别不同说话人和非语音声音事件，在字幕编辑器中校对转录结果，然后下载 SRT 文件。
语音识别也称为语音转文字或 ASR，它转录媒体音轨中的对白。若视频画面中已有烧录字幕并要将其转为文字，请使用字幕提取器的 OCR，而不是语音识别。若不确定音频语言，可保留“自动”设置。
当前功能：
- 说话人识别：按不同说话人整理转录片段，并可在编辑器中重命名标签。
- 声音事件：可选择将非语音声音事件加入转录结果。
- 标点设置：可选择保留或移除标点。
- SRT 导出：保留字幕时间范围并下载标准 SRT 文件。
| 输入格式 | 限制 | 输出 |
|---|---|---|
| MP3、WAV、M4A、MP4、MOV、AVI、MKV | 每批最多 10 个文件；每个文件最多 5 GB | 可编辑转录文本和 SRT |
识别效果会受到录音质量、背景噪声、多人重叠说话，以及人名或专业术语的影响。发布前请检查转录结果。
分步指南
- 上传媒体文件：选择一个或多个支持格式的音频或视频文件。每批最多 10 个文件，每个文件最大为 5 GB。
- 设置音频语言：不确定时保留“自动”；也可以选择录音中使用的语言。
- 设置识别选项：按需开启“说话人识别”或“声音事件”，并选择是否保留标点。
- 开始识别：提交任务并等待处理完成。
- 校对并导出：在字幕编辑器中检查转录内容，需要时更正字幕文字或分配说话人，然后下载 SRT。
获得最佳效果的提示
- 清晰的音频质量：确保您的视频/音频具有清晰的语音，没有背景噪音
- 单一语言：为获得最佳准确性，请使用单一主要语言的内容
- 适当的音量：确保语音音量足以进行识别
- 文件大小：较大的文件可能需要更长的处理时间，但仍能有效工作
校对转录文本与说话人标签
开启说话人识别后，编辑器会按识别出的说话人整理转录片段。您可以重命名说话人、修改单条字幕文字，或将字幕行重新分配给其他说话人。只有在没有字幕片段或声音事件关联到该说话人时，才可以删除该说话人。编辑器会自动保存更改；保存失败时可以重试。
下载 SRT 时，每条字幕都会保留时间范围。若开启了说话人识别，说话人名称会出现在字幕文本中；若开启声音事件识别，声音事件也可能作为字幕条目导出。发布前请检查人名、重叠语音和事件标签。
打开语音识别工具创建任务；校对完成后，也可以使用在线 SRT 翻译器。