视频生成字幕

生成和烧录设置

AI 模型

Whisper 1 · word timing 默认返回逐词时间，字幕起止可跟随讲话。Gemini 3.5 Flash Lite · cue timing、Gemini 3.6 Flash · cue timing 返回整句的起止；一句拆成多条时，按词数估算各部分时间。

视频语言

默认 Auto-detect 自动检测。列表还有 English、Spanish、French、German、Italian、Portuguese、Russian、Japanese、Chinese、Arabic，即英、西、法、德、意、葡、俄、日、中、阿拉伯语。这里只提示原讲话语言，不翻译；其他语言保留自动检测。

字幕翻译为

默认 No translation 不翻译。可选上述 10 种语言，以及 Hindi、Korean、Dutch、Polish、Turkish（印地、韩、荷兰、波兰、土耳其语），共 15 种。逐条翻译并保留原时间；译文超过 10 词或 84 字符时会拆分，按词数分配时间。目标与检测到的原语言相同则不翻译。译文可能更长，请检查 chars/s 阅读速度。

字幕文件

默认 SRT + VTT，也可只选 SRT 或 VTT。这决定哪些文件保存到共享文件管理器，以及显示哪些下载按钮。

烧录样式

仅用于烧录到视频。默认是白字；粗体文字是粗体白字；大号文字额外放大 10%；黄色文字是粗体黄字。

字体大小

可选小、默认、大、XL，初始为默认。它们是相对视频分辨率的预设，不是固定像素值，下方有常见尺寸的例子。

导出前检查时间和文字

时间检查徽标显示 Timing QA passed（通过）、Timing valid 及警告数，或 Timing needs attention（需处理）。旁边列出条目数、重叠数、最长条目、最高阅读速度和帧率。

Start / End：开始与结束

单位为秒，显示三位小数，例如 12.500。输入后按 Enter 或移开焦点提交；Escape 撤回。时间对齐视频帧并限制在视频时长内，30fps 每帧约 0.033 秒。

Subtitle text：字幕文字

可直接改字，Enter 换行。字段下方显示持续秒数和 chars/s；超过每秒 25 字符会警告，阅读速度警告本身不阻止导出。

Add cue 与删除

Add cue 在当前预览时间插入最长 2 秒的空条目；可用播放、暂停或条目编号定位。补上文字并检查与前后条目的重叠。垃圾桶图标删除该条。

哪些问题会阻止导出

条目与前一条重叠、没有文字、结束不晚于开始，或持续超过 7 秒时，下载和烧录到视频保持禁用；警告列表指出原因。编辑器会自动限制时间范围并对齐视频帧。

怎样保留修改

修改只存在当前浏览器标签页中；共享文件管理器里的 SRT、VTT 是生成时的未编辑原始导出。离开页面、切换视频、点击重置或重新生成前，先下载修改后的版本，这些操作会替换当前列表。