从视频离线生成 SRT 字幕（Mac 和 iPhone）

一、能导出什么？

绿色表示支持，琥珀色表示不支持或有限制。Mac 指 Mac App Store 版和从官网下载的 Mac 版。

二、生成的字幕是什么样的？

每条字幕都按常见的字幕规范切分：

• 每行最多 42 个英文字符，中文、日文、韩文约 21 个字
• 最多两行
• 每条在屏幕上最多停留 7 秒

识别说话人之后，SRT 的每条字幕以说话人名字开头，VTT 则用 voice 标签记录：

1
00:00:01,200 --> 00:00:04,800
小林：欢迎大家，今天我们看一下
新的价格页面。

2
00:00:05,100 --> 00:00:07,900
阿杰：年付方案要不要放在最前面？

三、一段视频要转多久？

内置的 Parakeet 模型在 Mac 上约为实时速度的 74 倍：1 小时的视频，模型处理不到一分钟。你的语言用哪个模型最准，见你的语言该用哪个语音模型？

四、在 Mac 上怎么生成字幕？

1. 把视频拖进 Whisper Notes 窗口，或者点导入按钮，在「导入音频或视频」里选中它。MP4、MOV、M4V 都可以；MKV、WebM 如果 macOS 打不开，先转成 MP4。
2. 转完后打开这条笔记，视频和字幕并排显示：单击一行跳到对应位置，双击可以改字。
3. 选「导出为 → SRT」，或者 VTT。

「显示字幕」会把字幕叠在视频上。从官网下载的 Mac 版还能把字号设成小、中、大三档，并上下拖动字幕，避开画面里原有的字幕。

在 Mac 版里边播放视频边改字幕。视频片段：Tears of Steel (CC BY 3.0) © Blender Foundation | mango.blender.org

五、在 iPhone 上怎么生成字幕？

1. 点录音按钮旁边的文件夹按钮，选中视频。
2. 转完后，点笔记上的 ⋯ →「分享」→「导出SRT」。

要 VTT 的话，先点 ⋯ →「识别说话人」，同一个菜单里就会出现「导出 VTT 文件（含说话人）」。

六、要把字幕压进画面，得用剪辑软件

Whisper Notes 只生成字幕文件，不改动视频本身。VLC 和 IINA 会自动加载与视频同名的 .srt。要把字幕压进画面，把视频和 .srt 一起放进剪辑软件，比如免费的 HandBrake、Final Cut Pro 或 DaVinci Resolve。