估计因为现在视频领域的确很火，总会有粉丝来问阿虚怎么自动给视频加字幕（也有部分是想啃电影生肉）

这个问题，感觉在后台已经有不下10人次问我了

曾经网易倒是出品过一款良心且免费的加字幕神器——网易见外

不过可惜的是这款产品于去年4月就停止对外服务了

后来的视频创作者们，基本都是在找这款产品的替代品

所以阿虚这里花了点时间，整理了一下这方面目前可用的工具

当然如果你只有几行字幕要加，那杀鸡焉用牛刀，不如自己手动敲

因为自动识别字幕实际上就是基于的语音转文字，而阿虚在后文的测试中发现，就算是你能做到咬字清晰、普通话发音标准到不能再标准播音腔，一样会出现识别错误的情况

真想完全解放生产力，还得寄希望于往后语音识别技术的发展

不过，如果你需要操作的视频时长偏长、数量偏多，那么用上以下工具肯定是能大大提高工作效率的

毕竟后续去对自动识别的字幕纠错，相比自己一句句敲肯定还是要节约不少时间的

1

免费方案

这篇的内容，阿虚就分免费方案和收费方案来介绍

1.1

剪映（Win／安卓／iOS）

在网易见外倒下后不久，被采用最多的方案之一多半就是剪映了，同时也的确是效果很不错的一个方案

本来在之前，还需要把视频传到手机APP上进行字幕生成（或者说用安卓模拟器），不过也可以说不负众望，剪映在前不久，推出了Windows桌面端：https://lv.ulikecam.com/点开扫码

这一下就方便了不少，而且非常良心的目前自动生成字幕还是完全免费的功能

阿虚这里用我很喜欢的一个UP主的一小段视频做测试（BV14t41147vq）

如果有关注「林晨同学」的粉丝，应该知道他原来是在广播电视台工作的，有一口播音腔式、咬字清晰、非常好听的普通话

在此的基础上，用剪映自动生成的字幕，几乎完美！

▲点击查看大图

不过如果你不习惯用剪映导出视频，或者只想用剪映生成字幕文件，通常的办法是：

假设你用的是PR，那就是先用纯绿色对视频进行填充，导出一个绿幕视频 » 利用剪映自动识别生成字幕并导出视频 » 在PR中导入视频并抠像（PR中抠像的方法是效果－超级键－效果控件－主要颜色）

相信会用PR做视频的各位应该能明白阿虚在说些什么，如果还不会的话，可以自己到B站上找找PR抠像的教程

1.2

Videosrt（Win／Linux）

VideoSrt 是一款开源免费软件，但本身并不提供服务，而是需要自己手动申请并填写第三方公共云服务接口，配置好之后才可使用

Github地址：https://github.com/wxbool/video-srt-windows

Github目前处于半墙状态，你下载此软件可能会遇到困难，建议了解《Github加速下载教程》

其中生成字幕所用到的是阿里云的语音引擎，试用版每日提供2小时的免费额度，应该是远够个人使用的了

具体API的申请＆配置，作者做了长达10分钟的超详细视频教程，阿虚便不在此赘述了：https://www.yuque.com/viggo-t7cdi/videosrt/em4n10

▲扫码即可查看

这款软件的优势是可以生成双语字幕，输入输出语言支持：中文、英语、日语、韩语、法语、德语、西班牙语、俄语、意大利语、泰语

当然想生成双语字幕的话，就得额外申请翻译API了（百度 or 腾讯），好在作者都在使用指南中给出了详细的视频配置教程

2

收费方案

而如今更多的自动生成字幕方案其实都是付费的，同时也各有各的优势，所以阿虚在这里尽可能的列举一下

2.1

讯飞听见字幕（WIN／MAC）

众所周知讯飞在语音识别这块也是深耕很多年的了，19年末也是推出了自己的自动生成字幕工具：https://zimu.iflyrec.com/

▲点击查看大图

支持音视频格式比较多是一大优势，支持：mp4、mkv、flv、mov、wmv、mxf、avi、ts、mp3、wav、s48、amr、wma、m4a、aac、pcm

在咬字清晰、普通话标准的情况下，讯飞的表现还是不错的，只有少部分识别错误

▲点击查看大图

最后说一下机器快转的价格：0.48元／分钟

但这都不算是讯飞真正的优势

讯飞的优势应该是目前唯一提供人工精转的平台（如果有其他的欢迎在评论区补充）

虽然自然这样价格就不便宜了，但对于复杂音频场景（比如户外、多人对话...）这可能是最省精力的解决方案了

标准音视频118元／小时，相对清晰音视频168元／小时，需要标时间戳的话，需再额外加价100元／小时

另外人工精转单笔订单起步价为18元，意思是不带时间戳差不多9分钟以上的视频可以用，带时间戳的话5分钟以上可以用

2.2

ArcTime Pro（Win／Mac／Linux）

如果你有学视频剪辑，应该是知道 ArcTime 这款知名字幕工具的：http://arctime.cn/

在不久前它的作者也更新了自动语音转写+打轴功能等功能

价格的话比讯飞稍微便宜不少，新用户的话则是非常便宜了，差不多0.15元／分钟

支持普通话、粤语、英语

可以无缝支持所有主流非编软件是一大优势

同时作为一款常用的字幕工具，就算不使用这个自动生成字幕，单纯用来手工加字幕，也是一个非常不错的选择

2.3

爱幕（网页）

爱慕这个网站，原本是个开源的字幕编辑网页：https://subplayer.js.org/

后来升级加上了自动识别加字幕功能：https://online.aimu-app.com/

因为新注册用户免费送了一些点数，所以阿虚顺便测试了一下，效果还不错的

在咬字清晰、发音标准的情况下，做到了绝大多数识别正确

▲点击查看大图

主要是价格比讯飞要便宜，如果只是语音识别的话，仅0.2元／分钟

另外此站支持中文普通话、英语、日语、粤语的语音识别

2.4

音频自动生成字幕（网页）

这个网站看起爱就比较简陋了：https://aismartvip.com/

但好歹是无需注册即可使用，每天最多免费5分钟，所以还是把它写在这里

支持中英文语音／视频识别，支持28种语言字幕翻译，支持双语字幕，支持最大上传文件为5G

识别率还算是可以，但对断句的判断不太准确

目前有两种引擎可用，价格为0.1元／分钟 和 0.28元／分钟

2.5

字幕酱（网页）

这个网站看似比较简陋：https://www.zimujiang.com/

但优点是60秒内视频免费生成字幕

同时支持支持识别中文、粤语、英文、日语、法语、韩语、俄语、阿拉伯语、德语、西班牙语，还可以翻译后导出双语字幕

▲点击查看大图

价格的话如下，充值的越多越便宜，阿虚测试了一下差不多1分钟需要消耗0.8点

2.6

牛片网（网页）

而如果要论目前最便宜的方案，应该就是牛片网了：https://www.6pian.cn/zimu.html

目前显示限时活动中（不清楚是真的优惠，还是那种“永远在优惠中”）

不到一角钱每分钟是个大优势，但注意：购买后有效期只有1年

另外支持的识别语言包括：普通话、英语、粤语、四川话

新注册用户还免费提供60分钟的转换时间

▲点击查看大图

2.7

人人译视界（Win／Mac）

最后再说这个人人影视创始团队产品的工具吧：http://www.1sj.tv/

有粉丝看到人人这两个字可能就会想：人人影视最近不是凉了吗？

这里就借一张图来说明一下吧：

人人译视界也和人人视频一样，早在17年就隶属 “ 正规军 ” 了，并不受此次 “ 人人影视字幕组 ” 事件影响，完全是可以正常使用的

在软件中打开视频，并点击AI听译，选择要识别的语言后耐心等待即可，软件需要把视频上传到云端进行字幕识别与生成

▲点击查看大图

不过从识别出错情况（第2句）和正好讯飞一模一样，我觉得我有理由怀疑它背后用的就是讯飞的接口...

但人人译视界支持的语言又远比讯飞多，所以可能是偶然情况吧

人人译视界支持：中文、英语、日语、韩语、法语、俄语、西班牙语、德语...等40种语言的AI听译，部分语种还支持口音（如美式英语、广东话等）

有个特点功能是：可以识别画面中已有的字幕——意味着可以用来提取视频字幕

目前在官网进行充值显示的是正在优惠中（同样不清楚是不是一直有优惠）

价格上而言，是阿虚所知的自动生成字幕工具中最贵的，除非是对小语种有字幕自动生成有需求，不然是不太推荐的

总结一下，对于多数人，「剪映」应该是最好的方案了——简单、免费

而「讯飞的人工精较」也可能是一部分人值得的选择——解决发音不标准、复杂语音场景

对于其他平台，因为多多少少会有识别出错的情况，基本都需要识别后手动纠错的

所以大家就根据价格＆自己所使用的平台来进行选择吧

最后的最后，顺便扩展一下，我原来写过的一篇语音转文字／文字转语音教程