功能 · 字幕

先把素材变成能读、能听、能定位的东西

练习的前提是有一份对得上的文本。这一步解决三件事：字幕从哪来、中英怎么对齐、没有字幕怎么办。

字幕的三条来路

旁挂文件把 .srt / .vtt / .ass 和视频放在同一目录，文件名开头一致，打开视频时自动识别。
内嵌字幕轨打包在 .mkv / .mp4 容器里的字幕会被列出来逐条读取；同一语言有多条轨道时，按标点密度和句长打分，取质量最高的一条，避免重复内容混进文稿。
本机语音识别完全没有字幕时，点「生成逐词时间轴」，用本机模型从音频转写。首次使用需要下载一次模型，之后离线可用，音频不上传。

很多双语字幕是滚动式的：下一句会重复上一句的开头几个词，整条字幕像一条往前爬的带子。直接按行配对，就会出现「第一句的翻译跑到第二句下面」。

做法：识别相邻两行的重叠前缀并剥掉，重复行合并；再按时间重叠率把中文轨挂到对应的英文句上。字幕组的署名行（Transcriber:、纯 URL 行）会被过滤，不进正文也不进词卡。

识别不准时　语音识别对干净人声最准。背景音重、多人抢话、专有名词密集都会掉准确率。有现成字幕就优先用字幕；只有识别结果可用时，把它当作「能定位的草稿」，练习时以听为准。