使用 AI 語音轉文字建立字幕

使用 Video Weaver 的 語音轉文字 (Whisper) 工具，將影片或音訊中的口語內容轉成帶有時間碼的字幕。本篇以英文語音和本機 Whisper 引擎示範。

開始前

準備一段語音清楚的短影片或音訊。你可以選取時間軸上已有的片段，也可以在轉錄對話框中直接選擇檔案。若要使用 目前片段，請先將媒體加入專案，並在時間軸上選取該片段。

1. 開啟語音轉文字

在編輯器中開啟 工具（錘子圖示），選擇 語音轉文字，即可開啟 語音轉文字 (Whisper) 對話框。

2. 設定語言與模型

將 轉錄引擎 保持為 Whisper (local)。英文語音請把 語言 設為 English，不要使用 自動偵測。本篇示範使用的模型是 tiny.en；較大的模型可能需要較長的準備時間，也會使用較多記憶體。

如果畫面顯示 Preparing Whisper engine...，請等引擎準備完成再開始轉錄。第一次使用時，模型準備可能會久一些。

3. 選擇音訊來源

• 選擇 Upload File，從裝置選取影片或音訊檔案。
• 選擇 Current Clip，轉錄目前選取的時間軸片段。尚未選取支援的片段時，此選項會停用。

語音清楚、背景噪音少的片段通常較容易辨識。一般字幕可先不勾選 Word-level transcription；若需要逐字時間碼，再開啟此選項。

4. 開始轉錄並檢查結果

點擊 Transcribe 並等待處理完成。結果會以 SRT 文字顯示，每段都包含開始時間、結束時間和字幕文字。匯入前先檢查內容；人名或專有名詞有誤時，可在稍後的字幕編輯面板中修正。

5. 將字幕加入時間軸

點擊 Import to Captions。Video Weaver 會在字幕軌建立帶有時間碼的字幕片段，並關閉對話框。接著開啟 Captions 面板檢查字幕片段、修改文字並調整外觀。

無法點擊 Transcribe？

請確認已在 Upload File 選取檔案；若使用 Current Clip，先選取支援的時間軸片段。若引擎仍在準備中，請稍候。英文語音也請確認 Language 已設為 English。