01
选择媒体
支持常见音频与 MP4、MOV、MKV、WebM 视频文件。
视频和非标准音频优先在浏览器本地转换Speech to Subtitle
从音频 / 视频生成原文字幕
音视频会先在浏览器本地优化，仅上传识别所需的音频。上传完成后再创建识别任务，任务完成后可下载 SRT / VTT，并在对应语言的翻译能力开放后继续翻译。
完整视频不上传服务器生成字幕时间轴可继续 AI 翻译
音频识别生成字幕
音视频会先在浏览器本地优化，再单独上传识别音频；确认上传完成后再创建字幕任务
选择媒体
→本地优化
→上传音频
→后台识别
→下载字幕
拖拽音频或视频到这里，或点击选择支持 MP3、WAV、M4A、AAC、FLAC、OGG、OPUS、WebM、MP4、MOV、MKV
语音识别仅登录用户可用。公开页面可查看流程与支持格式，登录后可以上传识别音频并创建后台任务。
Complete workflow
从视频到双语字幕，一条流程完成
识别与翻译分成两个独立步骤，方便先校对原文时间轴，再决定是否生成中文或双语版本。
02
生成原文字幕
提交后可以关闭页面，识别任务会继续进行，完成后即可下载结果。
无需保持页面打开，稍后可在个人中心查看进度03
继续翻译
下载识别语言的 SRT / VTT；已开放的翻译方向可另行提交翻译任务，费用单独计算。
时间轴与字幕结构继续保留