音述AI怎麼用 語音轉文字和字幕教程

註冊帳號後先確認麥克風和音訊權限是否開啟

瀏覽器輸入音述AI官網，手機號註冊登入。進去後先別急著傳檔案，點右上角頭像進「設定→隱私與權限」，確認麥克風開關是藍色啟用狀態。安卓使用者還要去手機系統設定裡，找到音述AI，把“訪問所有音訊檔案”勾上，不然上傳的錄音檔案系統讀不到。這一步不做，後面拖檔案進去會一直卡在0%不動的。

語音轉文字必須用拖拽上傳別用瀏覽按鈕

回首頁點左上角「新建任務」，選「語音轉文字」模式。把MP3或WAV檔案直接拖進虛線框裡，單檔案別超過100MB。千萬別點“瀏覽”按鈕選檔案，Chrome 127以上版本會觸發安全策略攔截，而且不給任何報錯提示，你等半天以為在處理其實檔案根本沒進去。拖進去後看頁面頂部，出現音訊時長和取樣率兩個數字才算上傳成功。

上傳前先檢查音訊取樣率是不是44.1或48kHz

檔案拖進去之前，右鍵點音訊檔案看屬性，核對取樣率必須是44.1kHz或48kHz，其他數值系統會直接拒絕處理。Mac使用者右鍵「顯示簡介」看取樣率，Windows使用者右鍵「屬性→詳細資訊」裡找。如果取樣率不對，用Audacity匯入後重新匯出，匯出時選44.1kHz。另外立體聲檔案要轉成單聲道，音述AI對左右聲道相位差很敏感，哪怕0.3秒的偏差都會判定為無效輸入。

靜音段佔比超過65%的音訊要先剪掉再傳

用Audacity開啟音訊，Ctrl+A全選，頂部選單選「分析→統計」，看靜音百分比。如果靜音佔比超過65%，系統會直接拒掉，因為它只信任有效語音密度大於35%的音訊。所以錄音環境很安靜、但中間停頓特別多的素材，先把大段空白剪掉再傳。剪的時候別手軟，半秒以上的純靜音全刪，保留正常換氣停頓就行。

轉寫完成後匯出SRT字幕檔案不要匯出純文字

檔案解析完，系統自動生成帶時間軸的轉寫稿。在匯出選項裡選“匯出SRT字幕檔案”，別選“匯出純文字”。純文字沒有時間資訊，後面匯入剪映或者PR做字幕時對不上畫面。SRT格式帶完整時間碼，拖進任何剪輯軟體都能直接識別。匯出後先用記事本開啟看一眼，確認每條字幕的時間塊格式正常，別出現空行或者亂碼。

用VS Code檢查SRT時間塊有沒有半句話被切斷

用VS Code開啟匯出的SRT檔案，查詢所有時間塊。重點看每個時間塊裡是不是隻包含一句完整的話。如果出現前一個塊結尾是“這個角色穿”，後一個塊開頭是“著紅裙子”這種被切斷的情況，必須手動把這兩個塊合併，時間改成“00:00:01,000 –> 00:00:04,200”。不合並的話，匯入剪輯軟體後字幕會斷成兩截顯示，觀眾看著很彆扭。

刪掉持續時間不到0.8秒的碎片時間塊

繼續在SRT檔案裡排查，把所有持續時間小於0.8秒的時間塊整條刪掉。這些碎片大多是語氣詞或者系統誤識別的噪聲，音述AI在後續處理時會直接丟棄，但留在字幕檔案裡會影響剪輯軟體的時間軸匹配。刪完儲存，重新匯入剪輯軟體，字幕對齊準確率會高很多。我一般導完SRT先做這一步，比在剪輯軟體裡逐條改快多了。

把SRT重新上傳生成硬字幕但別選按靜音間隔分割

修好的SRT檔案重新上傳到音述AI，在解析選項裡選“按字幕段落分割”，別選“按靜音間隔分割”。前者依據你校準過的時間軸切分，準確率高；後者靠音訊波形自動判斷，誤差率能到47%。選完之後點生成，等十幾秒出帶字幕的影片檔案。如果生成的字幕顏色或者位置不對，在匯出設定裡手動調，別重新跑一遍浪費額度。

免費使用者每小時只能處理3分鐘音訊別連續傳大檔案

免費帳戶有個硬限制：每小時只能處理3分鐘音訊，超了要等整點重置，不能跳過。所以別一次性傳一個20分鐘的訪談錄音，傳上去系統會提示超額，前面處理到一半的也會中斷。我的做法是把長音訊切成3分鐘以內的小段，分時段傳。如果確實要處理長內容，看看充值檔位，按量付費比干等整點重置划算。

字幕生成後匯出前先在預覽頁對一遍時間軸

字幕影片生成後別直接下載，在預覽頁從頭到尾拖一遍進度條。重點看三個地方：字幕出現時間跟聲音對不對得上、有沒有漏掉整句沒顯示字幕、末尾字幕是不是提前消失。有問題的話回SRT檔案改時間碼再重新生成，別在成品影片上硬改。確認沒問題再點下載，免費匯出的影片帶輕微水印，做短影片夠用，正式商用得開會員去水印。

語音轉文字和字幕這套流程跑下來，免費額度處理幾分鐘的短影片素材沒問題，長內容就得切段或者付費了。潤滅網後面會整理一批免費音訊轉文字工具的橫向對比，能幫你找到每小時額度更寬鬆的替代品。