字幕生成器
BETA无需上传媒体即可转录音视频、编辑每条字幕并导出时间信息。
快速说明与规格
核心流程在此浏览器中运行。开始前请核对支持格式、公开限制以及按需下载的模型大小。
- 输入
- WAV、MP3、M4A、AAC、OGG、Opus、FLAC、MP4、MOV、M4V和WebM
- 输出
- SRT、VTT、txt和JSON
- 处理位置
- 此设备的浏览器中
- 模型支持的语言
- 100 种语言 — 请查看语言选择菜单
- 单文件上限
- 200 MB
- 每次文件数
- 1
- 媒体时长上限
- 60 分钟
- 按需模型下载
- 99 MB
- 最后核验
界面语言与模型处理语言不同。识别和发音质量因语言而异，请核对结果。
媒体和转录文本保留在此设备上，语音模型会下载到浏览器并缓存复用。
拖入一个音频或视频文件
最大 200MB、60 分钟，支持常见音视频格式。
选择文件如何在浏览器本地生成并编辑音视频字幕
Aiviko 字幕生成器可在浏览器本地将单个最大 200 MB、最长 60 分钟的音频或视频文件（支持 WAV、MP3、M4A、AAC、OGG、Opus、FLAC、MP4、MOV、M4V、WebM）转录为可编辑的时间轴字幕，无需上传媒体文件。工具结合本地音频提取（Web Audio 或 ffmpeg.wasm）、Silero VAD 语音活动检测（约 1.8 MB）与支持 99 种语言的 Whisper tiny 模型（约 104 MB），最多可生成和编辑 10,000 条字幕并导出为 SRT、VTT、TXT 或 JSON。
1. 拖入单个音频或视频（最大 200 MB / 60 分钟）
选择受支持的音视频文件，在转录设置中指定说话语言（或自动检测）以及每行最大字符数。
2. 运行本地音频提取、VAD 与 Whisper 转录
浏览器在后台工作线程中提取 16 kHz 音轨、通过 Silero VAD 切分语音片段，并用 Whisper tiny 生成带时间码的字幕。
3. 在字幕编辑器中微调并导出 SRT/VTT/TXT/JSON
边看视频预览边修改文字与起止时间，支持整体时间偏移、拆分与合并字幕，修复时间冲突后即可下载。
支持的媒体格式与字幕工作流
- 支持 MP4、MOV、M4V、WebM 视频转 SRT/VTT 字幕，以及 WAV、MP3、M4A、AAC、OGG、Opus、FLAC 音频（上限 200 MB、60 分钟）
- 本地 Silero VAD（约 1.8 MB）语音分段与 99 语言 Whisper tiny（约 104 MB）模型协同推理
- 内置可视化字幕编辑器（最高 10,000 条）：支持带字幕视频预览、全局秒数偏移、拆分/合并、单行字数控制与时间轴错误校验
- 一键导出标准 SRT、WebVTT (VTT)、纯文本 (TXT) 与结构化 JSON 文件
运行预算与转录限制
- 为防止浏览器内存溢出，超过 200 MB、时长超过 60 分钟、解码 PCM 超过 128 MB 或超过 10,000 条字幕的任务将被拒绝。
- 5 分钟以内的常见音频优先使用 Web Audio 直接解码；较长视频或特殊封装会加载本地 ffmpeg.wasm，处理期间请保持标签页打开。
- 自动生成的字幕与时间轴属于初稿，发布或压制前请务必结合播放器复核人名、术语和断句时间。
相关语音工具
字幕生成器常见问题
我的视频或音频文件会上传到服务器吗？
不会。音轨提取、语音检测、Whisper 识别、时间轴编辑以及 SRT/VTT 导出全部在您的浏览器本地完成，仅在首次运行时下载并缓存模型与解码器资产。
为什么提示有时间错误时无法导出字幕？
当某条字幕内容为空、开始时间为负数或结束时间早于开始时间时，编辑器会阻止导出以避免生成损坏的 SRT/VTT 文件。按提示修正对应字幕条目即可。
支持的最大视频大小和时长是多少？
每次可处理 1 个不超过 200 MB 且时长在 60 分钟以内的支持格式音视频文件，最多支持 10,000 条字幕。
使用前须知
产品信息审核：Aiviko Team处理位置
所选输入在浏览器中处理，不会上传到 Aiviko 的处理服务器。
可能使用网络的内容
页面可能下载代码、字体、运行文件或机器学习模型。分析与广告仅按隐私和 Cookie 政策所述选择与条件加载。
结果与限制
速度、准确率和实际最大文件大小取决于输入、浏览器与设备。重要用途前请阅读指南。