上周三早晨十一点视频www.abg6888.net，我还正在对着一段47分钟的访谈视频忧虑。手动打字？天亮也弄不完了。
换成AI视频语音转文字工具跑了一遍，六分钟出稿。带时间轴语音音轨，精确率年夜要九成二了。剩下那点错别字。改起来比重新敲快太多。操做上没什么形而上教啊？
先把音轨从视频里剥出来的，MP4拖进剪映，或者用ffmpeg一止号令搞定转文字实。ffmpeg -i input.mp4 -vn -acodec pcm_s16le audio.wav。采样率16kHz、单声道就够了，文件太年夜反而拖慢上传的。工具挑支撑中文的，也别贪免费额度操从出的残缺，有些平台前十分钟免费了，后面按分钟计费，长视频算下来已廉价。我自己常用通义听悟和剪映智能字幕，前者对多人对话分脚色更准的，后者胜正在和剪辑软件买通，改完间接生成字幕轨到字。
转完别急着导出。AI视频语音转文字最怕三样，背景音乐、方止口音、专业术语的。那次访谈里嘉宾说“私域流量”，幕导机械听成“思域流量”。人名“任泽平”酿成“仁泽平”。
通读一遍，把同音错字和断句毛病挑出来。时间轴也得看，长句被切成三段是常事，手动兼并一下流程，否则字幕跳得人目炫。导特别局看用处的。B站、YouTube上传用SRT，Pr、达芬奇剪片子用ASS或XML。纯文字稿就存TXT。本视频是英文的话，AI视频语音转文字还能随手翻译，机翻痕迹重，最好自己再过一遍。
工具再强也替代不了人耳。上个月处理一段带闽南语的素材，AI视频语音转文字出来的功效根柢没法用。
最后仍是靠人听写。我的习惯是浅显话明晰、情况安静的素材放心交给机械；方止、嘈纯现场、多人抢话的，先做好意理筹办，把AI当草稿而不是末稿。
