不上传视频，也能为它制作字幕

语音识别模型如何下载一次后直接在浏览器和设备中运行

字幕生成器会在你的设备上运行 OpenAI 的 Whisper tiny 模型。 它能自动识别口语，支持 99 种语言，还可按需把语音翻译成英文字幕。

约 41 MB 的模型只需下载一次，随后由浏览器保存。 此后可以离线创建字幕，视频和音频都不会离开设备。

从选择录音到校对文字并下载字幕文件的完整操作步骤

视频和音频文件都可以使用，例如手机录像、播客节目或导出的会议录音。

1. 打开字幕生成器，选择视频或音频文件。
2. 保留自动语言检测；如果开头是音乐或静音，也可以手动选择语言。
3. 开始识别。 在新款笔记本上，通常比录音本身的时长更短；手机会慢一些。
4. 通读字幕，并在编辑器中更正姓名、专业术语和时间。
5. 下载 SRT、VTT 或纯文本，也可以创建字幕已写入画面的新视频。

根据播放器和发布平台选择 SRT、VTT 或画面内嵌字幕

SRT 是支持范围最广的字幕文件。 视频播放器、剪辑软件和大多数视频平台上传表单都能接受它。 VTT 用于网页视频播放器，纯文本则适合会议记录、笔记或搜索谈话内容。

独立字幕文件可以开关，也能日后编辑。 内嵌字幕是画面的一部分，适用于不接受字幕文件的平台。 UseTool 会把这种视频写为新的 WebM 文件，并保持原件不变。

通过清晰录音、指定语言和人工校对提高自动识别结果

tiny 模型足够小，才能在浏览器中运行，这也意味着它有局限。 靠近麦克风的清晰语音效果很好。 背景音乐、多人同时说话、浓重口音和强烈混响都会增加错误。

姓名和专业术语最容易出错，因此发布前值得完整阅读一次。 如果录音混用多种语言或有很长的片头，手动指定语言会有帮助。

工具支持最长一小时的录音。 手机上处理很长的录音可能耗尽内存，所以分成较短片段会更可靠。

会议、采访和治疗录音中本地处理为何对隐私格外重要

会议、采访、课程或治疗过程的录音经常包含个人信息，而相关人员可能从未同意把它交给转录服务。 在自己的设备上处理，完全避开了这项隐私问题，也不会消耗按分钟计算的额度。