有字幕的文字轉語音

字幕時間怎麼計算

你的文字會切成一兩句一段的短分段，每一段各自生成音訊。SRT 採用每個生成分段的實際長度，所以每段字幕的開始和結束，都和那段音訊一致。在同一段之內，個別字幕行的時間是依文字長度估算的，很接近，但不是逐格精確。

這帶來一個實際的影響：句子越短，字幕越貼合。用簡短口語句子寫成的腳本，產生的字幕會緊跟著聲音。又長又繞的句子會被拆成好幾行字幕，句中各行的時間是估算的，所以中間幾行可能稍微提早或延後。

SRT 檔案長什麼樣子

每則字幕最多兩行，每行最多 42 個字元。你不需要自己把腳本拆成字幕大小的片段；照一般段落寫就好，檔案會自動替你排版。

SRT 是一種純文字格式，影片剪輯軟體和許多影片平台都接受它作為字幕檔。發布前，你可以用字幕編輯器開啟它來調整某一行的用字或微調時間，甚至用基本的文字編輯器快速修改用字。

在剪輯軟體裡讓音訊和字幕同步

請從同一次生成下載音訊和 SRT，中間不要改文字，這樣兩者描述的是同一段錄音。把音訊放在時間軸的最開頭，或放在你希望第一則字幕出現的確切位置，再把 SRT 匯入為從同一個位置開始的字幕軌。如果之後把配音往後移、替片頭騰出空間，請把整條字幕軌移動同樣的距離。

如果下載後修改了腳本，請再按一次「生成」，重新下載兩個檔案。只有改過的部分會重新生成，所以很快，也能讓字幕和實際說的內容保持一致。打算剪接和混音的配音，請下載 WAV；原因請見文字轉 WAV。

寫出適合上字幕的腳本

腳本要照你希望在螢幕上顯示的樣子來寫，因為字幕就來自你的文字。有個地方要注意：如果你為了修正發音而改寫某個難唸的名字，例如把「Nguyen」寫成「Win」，這個拼法也會出現在字幕裡。下載後在 SRT 裡改正那幾行；只要一分鐘，觀眾就能在聽到正確發音的同時看到正確的名字。

想法之間用 [pause 1s]，段落之間空一行。停頓讓觀眾有時間讀完字幕，也讓你有自然的位置切換到新畫面。給自己的備註和舞台指示不要放進文字框，因為文字框裡的任何內容都會被唸出來，也會變成字幕。

直式短影片與較長的頻道影片

直式短影片中，字幕往往是觀眾跟上內容的主要方式，而兩行、每行 42 個字元的限制，讓每則字幕在窄螢幕上保持精簡。TikTok 文字轉語音頁面介紹了短影音的節奏，以及稍快一點的語速。有空景畫面和配樂的較長影片，請見YouTube 文字轉語音。