在 Mac 上把音频或视频转成 SRT 字幕

先确认视频里有可用的人声

访谈、课程和录屏都可以从声音开始做字幕。Sonano 转写视频时处理的是其中的音轨；没有人声的画面不会因为导入成功就产生可靠的文稿。先回放一小段，检查音量、语言和是否有明显的音乐或重叠讲话。

在模型库下载需要的转写模型，并为素材和导出文件留出空间。模型准备好以后，本地识别处理不需要把媒体上传到转写网站。Free 的使用有每日额度，具体范围见当前套餐说明。

在转写工作流里建立第一份结果

1. 打开 Sonano 的转写工作流，导入音频或视频。
2. 选择已准备好的 Qwen3-ASR 或 Whisper，以及与讲话内容对应的语言。
3. 提交转写，等待任务完成；失败时先查看错误和模型状态。
4. 打开结果，对照原媒体回放，修改人名、数字和专业词。

拿不准模型时，先用同一段短录音比较，参见Qwen3-ASR 与 Whisper 的选择方法。长文件的处理时间取决于模型、素材和 Mac，短测试更容易发现方向性问题。

文字正确以后，再检查每条字幕

SRT 把编号、开始与结束时间、字幕文字组合成一个个条目。下面是格式示意，时间和文字均为预置示例：

1
00:00:02,000 --> 00:00:05,200
先确认这一段录音。

2
00:00:05,600 --> 00:00:08,400
然后检查字幕出现的时间。

回放时重点看三个地方：字幕是否在开口附近出现，是否在一句话还没结束时消失，以及一屏文字是否太长。遇到说话人交替或长停顿，不要只凭全文读起来通顺就结束校对。

剪辑过媒体，要选匹配的时间线

例如，原片在第十秒开始第二句话；你删除了前面两秒的停顿，剪辑版本里的同一句就会提早。沿用原片字幕，后面的字幕会持续错位。

Sonano 支持在审查后导出媒体编辑结果。对编辑过的媒体，导出对应编辑时间线的字幕；对原始素材，则使用原时间线。两份文件可以按同一个版本名保存，避免把新版视频与旧版 SRT 配在一起。

在目标播放器里完成最后一次检查

选择 SRT 导出，并把文件导入准备发布的剪辑工具或播放器。需要网页文字轨时，也可以按目标工具要求选择 VTT；只改文件扩展名并不能完成格式转换。确认字幕能加载，开始、中间和结尾都能对应语音。

独立字幕文件不会自动烧录到画面里，也不会自动把原声翻译成另一种语言。想交付带固定字幕的视频，需要在目标剪辑工具里继续完成渲染。操作入口见转写文档。