怎么自动生成字幕？
自动字幕来自语音识别：把视频里的话写成带时间轴的一行行字幕，用不着字幕文件。电脑里的文件用本地播放器打开，网页视频用扩展，「字幕来源」选音频识别，点「开始翻译」就行。
三步从声音生成字幕
看视频在哪儿
电脑里的文件：浏览器打开本地播放器。YouTube、X、B站上的视频：装上扩展。
选「音频识别」
「字幕来源」选音频识别，「翻译成」选中文，「视频语言」保持自动识别。
WT事实上，我发现每个人都对教育感兴趣。开始翻译，然后播放
几秒后出第一句，之后跟着播放走；拖动进度条，就从新位置接着生成。
自动生成字幕能给你什么
没有文件也有字幕
视频没有字幕轨、也找不到 SRT 时，说话声本身就能变成字幕。
原文和译文一起
识别出的原文可以留在译文下面，也可以单独显示。
能存下来的时间轴文本
已生成的部分导出成 SRT 或 VTT，拿去编辑或换个播放器用。
常给这些视频生成字幕
下载的电影和剧集
电脑里没有配字幕文件的视频。
自己录的视频
讲座、课程、会议录像。
没 CC 的 YouTube
刚上传或多年没人配字幕的视频。
B站生肉
搬运来的外语视频，原作者没配字幕。
X 上的新闻片段
只有原声的短视频。
练外语听力
同语言字幕，边听边读。
什么时候字幕文件更好？
有和你手上版本对得上的官方字幕文件，时间轴和说话人标注都更准，直接用它。没有、或者对不上时，再自动生成。
| 你的情况 | 通常做法 | 加上 WatchTranslate |
|---|---|---|
| 官方字幕文件对得上 | 直接加载 | 用不着 |
| 完全没有字幕文件 | 自己听写，或者硬看 | 边看边从说话声生成 |
| 有别的语言的字幕 | 再去找翻译版 | 直接翻现成文字，更省 |
| 事后要一份字幕文件 | 手动整理 | 导出已生成部分的 SRT / VTT |
从声音生成 1 点/分钟；翻现成字幕 0.2 点/分钟。
我们试过的视频
在电脑上用线上版扩展，没有登录这些网站，「字幕来源」选音频识别。
- 能用
YouTube 上的 TED 英语演讲
不用视频字幕，从英语原声生成原文，约 9 秒出第一句中文。
- 能用
B站没有字幕的英语 vlog
听原声生成字幕，5 到 8 秒出第一句。
2026年11月8日实测 · 扩展 0.5.728 / 0.5.732 · Chrome · 未登录
电脑里的文件用本地播放器打开，网页视频用扩展，选好音频识别就能开始。
详细说明
在哪儿生成字幕
| 视频在哪儿 | 用什么 | 要知道的 |
|---|---|---|
| 电脑里的 MP4、MKV | 浏览器里的本地播放器 | 视频文件不会整个上传 |
| 浏览器播不了的格式 | Windows 或 Mac 桌面 App | 能播 MKV、AVI、HEVC 等 |
| YouTube、X、B站 | 浏览器扩展 | 字幕叠在网站自己的播放器上 |
| 安卓手机上的视频 | WatchTranslate App | 手机里的文件 |
自动生成字幕是怎么回事
自动生成字幕，就是不用打字，把视频里的话变成带时间轴的文字。语音识别听音频，把每一句话连同开始、结束时间写下来，合在一起就是一条字幕轨；再加一步翻译，就能变成另一种语言。没有字幕文件时，这是唯一的办法；说话清楚的视频，生成的字幕已经足够跟着看。
电脑里的文件
浏览器打开本地播放器，登录后把视频拖进去，选音频识别和目标语言，点「开始翻译」再播放。按 30 秒左右一段处理声音，视频文件本身不会整个上传。
网页上的视频
在 Chrome 或 Edge 装好扩展，打开 YouTube、X 或 B站上的视频，点 WT，选音频识别，再点「开始翻译」。字幕叠在网站自己的播放器上。
准不准，看什么
一个人清楚地说话最准；背景音乐响、口音重或几个人同时说话时会差一些，这是听写本身的限制，不是翻译的问题。原声一直在播，听得到说了什么。
从声音到一行行字幕
多久出第一句？
一般几秒。当前这段和下一段先处理；拖动进度条后，从新位置那段开始。
语言怎么认出来？
自动识别时，每段 30 秒左右的声音会被识别，并判断是哪种语言。说话人中途换语言，就手动指定主要那一种。
要花多少？
音频识别 1 点/分钟，没人说话的片段也按识别时长计；处理失败的片段和完全静音的片段不扣点。新账号 20 分钟免费。
YouTube 自己的自动字幕
以下来自 YouTube 帮助中心，未登录 YouTube 核对，核对日期 。
YouTube 也用语音识别生成自动字幕，但不是每个视频都有：处理未完成、视频太长、语言不支持、开头没人声、音质差或多人同时说话时，可能没有。
support.google.com/youtube/answer/6373554
这样生成的字幕最干净
从有人说话的地方开始
片头音乐过去再开始，第一句来得更快。
混着几种语言就手动指定
说话人换语言时，选好主要那一种。
保留原文那一行
人名和数字对照听到的核一遍。
长片先整段准备
一部电影先提前翻译完整字幕，再一次导出。
关于自动生成字幕
没有字幕文件也能生成字幕吗？
能。这正是语音识别做的事：音频被写成带时间轴的文字，成为字幕轨。
准确率够看吗？
说话清楚时通常够；嘈杂、有音乐或多人重叠时会差一些，原声一直在播。
本地文件也能用吗？
能。本地播放器能给电脑里的文件生成并翻译字幕，不用上传整个视频。
点开始后多久出第一句？
几秒。我们实测 YouTube 上的英语演讲约 9 秒，B站英语 vlog 5 到 8 秒。
生成的字幕能导出吗？
能，导出 SRT 或 VTT，原文、译文或双语。
能识别哪些语言？
74 种字幕语言，自动识别或手动指定。
要钱吗？
新账号 20 分钟免费，之后从声音生成约 1 点/分钟。
手机上能用吗？
安卓手机上的文件用 WatchTranslate App。
视频会上传吗？
不会整段上传，按约 30 秒一段处理声音。
一个工具，看懂各个网站的外语视频
边看边翻译，看到哪翻译到哪
拖到哪，翻译到哪；不用先翻译完整部视频
YouTube、X、B站等网站的视频都能翻
有字幕直接翻译，没有字幕也能生成双语字幕。
翻译质量优于传统机翻／实时翻译
AI 大模型结合上下文，联系前后对话理解语境。
字幕可以导出为 SRT / VTT 文件
已生成的原文、译文或双语字幕都能下载，在常用播放器里加载。
别人翻译过的，你免费看
免费注册后，同视频、同字幕来源和语言的已生成字幕免费复用，额度用完也能看。
手机上看视频，也有双语字幕
播放手机里的视频文件，或在 App 内置浏览器里打开视频网站，点「翻译」就出字幕。原生播放器解码，能播的格式比网页版多。
接着看
相关问题
- YouTube 没有字幕怎么办YouTube 上的情况
- 本地视频没有字幕怎么看电脑里的文件
- 导出 SRT / VTT 字幕存下生成的字幕