實操指南：如何用AI在十分鐘內給影片加字幕

一條成片最耗時間的，往往不是剪輯，而是把說話內容變成能看清的字幕。口播五分鐘，手打加對軸就能耗掉一個下午。下面這條路徑，是我們在處理台裡反覆走通的：從選片到匯出，十分鐘內做出能發布的版本。

先判斷這條影片適不適合「聽寫」

有原聲、口齒清楚、環境不太吵的口播，最適合走語音辨識。如果軌裡幾乎沒人聲，只有燒在畫面上的字，就改走硬字幕辨識，別硬用聽寫。

上傳後處理台會先看時長、解析度和有沒有人聲。檢測結束再勾選功能，比一上來全開更省額度。

十分鐘路徑

1. 打開處理台，拖入本機 MP4 / MOV。素材留在瀏覽器裡，不會進公共池。
2. 等檢測結束後，勾選「AI 字幕產生」。嘈雜或口音重時，語言選「自動」往往比鎖死中文更穩。
3. 辨識完成後進入審校：改錯字、拆超過一行的長句、把起止點貼到氣口上。
4. 匯出燒錄字幕的 MP4，或另存 SRT / VTT 丟進剪映、Premiere。

免費版這項每月 1 次，夠你先跑通流程。樣式、雙語和額度說明見功能介紹與定價。

審校時只盯三件事

• 錯字：人名、品牌、數字最容易飄，發布前掃一遍。
• 一行長度：直式建議每行不超過 14 個漢字，橫式可以略寬，但不要擋住人臉。
• 出沒點：字幕應在開口前約 0.1 秒出現，在收聲後馬上消失，比「整句貼死」更跟嘴。

常見翻車

錄音底噪大、多人搶話，或把直式當橫式去聽，準確率都會掉。這時與其反覆重跑模型，不如先剪掉片頭片尾的空鏡，再辨識。辨識完仍要人工過一眼——模型負責快，你負責最後一公里。

做完字幕如果還要配音，按同一條軸合成，見AI 配音。翻譯見雙語字幕出海，封面可以看2026 年創作者後期。