将视频台词脚本与配音录音对齐，生成SRT字幕
脚本写好了，配音也录完了，现在需要字幕跟着说话节奏逐句出现。只需上传音视频与台词脚本，即可生成保留原始措辞、按实际语速对齐时间轴的 SRT 与 VTT 文件。不超过 10 分钟的录音完全免费；更长录音一次付费 $5，最高支持 6 小时。
无需反复手打，文本脚本一键变字幕
旁白解说和视频创作者手里通常早就有现成文案，最耗时的反而是后续工作：把台词一行行拷进字幕编辑器，再一条条拖拽时间轴去卡配音点。在这里，您的脚本直接就是字幕内容。语音识别模型会收听录音并标出每个词的说出时间，算法再将脚本文字与这些词逐一对应。文中只出现一次的独有短语作为锚点固定，夹在中间的词句则逐词对齐。
由于是逐词精细对齐，即便朗读节奏多变也能精准卡点：讲笑话前的刻意停顿、快速的产品卖点报幕、舒缓平静的开场铺垫，字幕都会贴合您最终采用的那条录音节奏，而不是预设的理想语速。
录音与脚本存在出入时的处理方式
- 临场发挥或随口插话若不在脚本中，系统会直接略过不生成字幕，而下一句台词仍会准时出现
- 读错换词或漏读的字词会根据前后上下文确定时间，但字幕仍显示脚本原文字样；如需字幕与实录口播完全一致，请先修改脚本
- 成片剪辑时删掉的脚本段落由于没有对应声音，会导致前后字幕挤在一起；请在上传前将删减段落从脚本中剔除
- 背景音乐、音效和无声空镜会被自动忽略，不会导致后续字幕时间轴错位
字幕断行与排版规则
严格保留脚本中的每一次换行。如果您希望一句台词对应一条字幕，只需一行写一句。超过约 84 个字符的长句会在句末标点或逗号处自动断开，排成两行（每行约 42 字），在手机屏幕上阅读体验极佳。
像场景标题、镜头提示以及“[空镜：城市夜景]”这类无需念出的标记，请在上传前全部删掉，否则它们会被硬挤在前后台词之间生成多余字幕。
先查验对齐效果，满意再付款
超过 10 分钟的配音，系统会先在屏幕上免费对齐前段内容，方便您确认字幕起止点是否与开口说话分毫不差。确认满意后，单次付费即可处理整段录音。您可以在界面上直接修改任意字幕，导出的文件会自动应用修改。阿姆哈拉语、提格利尼亚语、索马里语、达里语、库尔德语、缅甸语或普什图语配音由通用 AI 模型处理，精准度相对较低，建议在这些语种下仔细核对免费试看部分。
工具的工作方式、费用以及文件处理方式,请见 文稿音频对齐 页面;所有工具的价格请见 价格 页面。
最后更新于
常见问题
ChatGPT 能帮我把脚本和配音对齐吗？
对于已知时间戳的超短片段，AI聊天机器人排版 SRT 确实不在话下。但它无法收听长段配音并辨别每句话从何处开始，自行编造的时间戳纯属推测，随着视频播放会越来越音画不同步。本工具则是直接从实际录音中提取真实打点时间。
上传前需要先清理脚本吗？
需要删掉所有没在录音中念出的内容：场景标题、分镜备注、剪辑时删掉的段落等。至于微小的口语偏差，比如漏念了一个“所以”或随口换了个同义词，则无需刻意修改。
支持上传哪些文件？
录音支持 MP3、M4A、WAV、MP4、MOV 等常见音频或视频格式，也支持公开的 Google Drive、Dropbox 或直链链接。脚本可以直接粘贴，也可以上传 TXT 或 DOCX 文件。
专有名词和品牌词的拼写会如实保留吗？
会的。字幕文本完全采用您的脚本，产品名称、特殊拼写和标点符号均与您输入的一模一样，语音识别仅用于提取时间轴。
费用是多少？
不超过 10 分钟的配音完全免费，无需注册即可直接下载。超出时长的录音仅需一次付费 $5，最高支持 6 小时。购买无限版（每周 $19）可将单次任务上限提升至 12 小时。
我未发布的视频内容私密安全吗？
只有您本人可以打开您的任务。录音仅发送给 AI 模型服务商进行处理，绝不会用于训练模型。无需注册账号发起的任务将在 7 天后彻底删除，您也可以随时手动提前删除。