ScribeToAny

把 MP3 轉成 SRT 字幕

手上只有音訊卻需要字幕?上傳 MP3,ScribeToAny 自動生成時間軸精確的 SRT 檔案——逐條分段、逐條打點,直接配到影片或播客播放器上。

  • AI 轉錄
  • 98 種語言
  • 加密儲存,我們絕不用你的檔案訓練 AI

從你的錄音開始

把音訊或影片檔案拖到這裡，或點擊選擇。

實際轉錄成果預覽

一段 64 秒雙人訪談（合成語音）的未編輯轉錄結果，已開啟說話者辨識。此處僅顯示前幾行。

逐字稿 (TXT)
SPEAKER_00 (0:00) Welcome back to Small Shop Stories.
SPEAKER_00 (0:02) Today I'm talking to Maya, who runs a tiny bakery on the
SPEAKER_00 (0:05) corner of Mill Street.
SPEAKER_01 (0:07) Thanks for having me.
SPEAKER_01 (0:08) It's really small, just two ovens and a counter.
SPEAKER_00 (0:12) So how does a normal day start for you?
字幕 (SRT)
1
00:00:00,000 --> 00:00:01,680
[SPEAKER_00] Welcome back to Small Shop Stories.

2
00:00:02,160 --> 00:00:05,320
[SPEAKER_00] Today I'm talking to Maya, who runs a tiny bakery on the

3
00:00:05,320 --> 00:00:06,320
[SPEAKER_00] corner of Mill Street.

比對原稿後，189 個字詞中僅 4 個有出入——字詞錯誤率為 2.1%（將寫為「80」的「eighty」亦計入錯誤），全部 14 次發言輪替皆標註正確。此為清晰語音的測試結果；背景雜音較多或多人同時說話時準確率會較低。 查看完整逐字稿與評分方式

使用方法

  1. 1

    上傳

    拖入音訊或影片檔案,或貼上連結,常見格式全部支援。

  2. 2

    轉錄

    AI 自動轉錄,帶時間戳,可選說話人識別,通常幾分鐘完成。

  3. 3

    匯出

    匯出可直接使用的 SRT 或 VTT 字幕,也可選 TXT、PDF、DOCX。

為什麼選 ScribeToAny

  • 將純 MP3 音訊轉為精準同步的 SRT 字幕：打造播客波形動效影片（Audiogram）、歌詞影片及音訊視覺化的絕佳搭檔。
  • 無縫搭配靜態背景圖與動態音訊波形圖，快速將純音訊節目轉化為吸睛的社群媒體短影音。
  • 字幕時間來自語音本身，所以與影片或音訊波形圖搭配時，字幕會和聲音保持同步。

常見問題

字幕時間軸有多精確?

時間戳按語音實際起止逐段生成,精確到亞秒級。

匯出前能修改字幕內容嗎?

可以,在編輯器裡改字、刪段後再匯出,SRT 會包含全部修改。

該用 SRT 還是 VTT?

SRT 是剪輯軟體和播放器的通用標準,VTT 用於網頁影片(HTML5)。兩種都能匯出,按平臺需要選即可。

能給歌曲或歌詞影片做字幕嗎？

可以試試，但演唱比說話難得多：音樂很大聲時歌詞常被聽錯或略過，字幕時間也只能大致跟上人聲。Podcast、旁白、訪談這類說話的音訊，產生的 SRT 要好得多。歌曲的話，請預留時間在編輯器中修改歌詞。

字幕是怎麼切分的？

先依自然停頓切分，再依長度切分：每條字幕控制在約 7 秒、84 個字元以內（兩行、每行約 42 字元）；中文、日語和韓語約 32 個字元。並盡量在句子或子句的標點處斷開。

相關工具