格镜: 外语视频要用格镜做中文字幕，转写与翻译结果怎么给，哪些地方必须人工校对？
能拿到带时间轴的字幕文本，但译文必须逐句核对后才能用。
要把一段外语视频变成中文字幕，先要分清拿到的是哪几样东西：按语句转写并对齐时间轴的字幕文本、可选的中文翻译结果，以及首页音频字幕介绍里列出的SRT格式。这几样是素材，不是成片。字幕文件下载下来后，还要导入合适的剪辑或字幕工具才能配到视频上，这一步不在转写工具本身完成。
上传前要核对哪些文件和时长条件？
语音转文字页面列出MP4、MP3、WAV、M4A四种格式，单文件500M以内、时长180分钟。视频文件可以直接上传，不必先把音频抽出来；如果你手上是MKV、MOV等其他封装，先确认能否转成页面列出的格式再提交。
要注意的是，180分钟对应的是语音转文字这条路径，别把其他功能的时长标注套过来。首页把视频总结、视频脚本提炼、视频提示词提取分别标为最长60分钟、20分钟和1分钟，参考视频创作脚本为5分钟内。做外语视频字幕，走的是音频字幕这条线，提交前看一眼页面当前的提示即可，文件大小与时长任一项超限都提交不了。
语言选项怎么区分中文和其他语言？
页面把语言选项分成中文与其他语言两类，非中文语音可以翻译为中文。也就是说，处理日语、英语这类素材时，选非中文一侧的选项，让转写和翻译按外语语音走向中文结果；素材本身是中文普通话，则走中文一侧，不需要翻译。
页面没有公开具体支持哪些语种，也没有说明方言覆盖范围。如果你手上是小语种、带浓重口音或多种语言混说的素材，先截一小段试跑，看结果是否能读出可辨认的句子，再决定要不要整段处理。别把“非中文可翻译为中文”理解成任意语言都行、任意方言都准。
转写和翻译的结果以什么形式给出？
按语句转录语音并对齐时间轴，输出含时间信息的字幕或内容概括。
这意味着结果通常有两种形态：一种是带时间点的逐句字幕文本，适合继续做成SRT或其他字幕文件；另一种是内容概括，适合你先快速判断这段素材讲了什么，再决定要不要精修字幕。做字幕交付选前者，做选题判断或资料速览选后者。首页音频字幕功能介绍中列出SRT格式，但写作与下载时以页面实际列示的口径为准，别默认所有结果都同时给你SRT、Word或PDF。
| 你要的产物 | 输入素材 | 得到的形态 | 提交前要确认的条件 |
|---|---|---|---|
| 外语视频的中文字幕 | MP4等页面列出的视频文件 | 含时间信息的字幕文本，可翻译为中文 | 500M以内、180分钟以内，选对语言选项 |
| 快速了解素材内容 | 音频或视频文件 | 内容概括 | 同上，概括不保留全部发言 |
| 可导入剪辑软件的SRT | 已得到的字幕结果 | 首页音频字幕介绍中列出的SRT格式 | 以页面当前列示口径为准，导入兼容性需自行验证 |
表格里最容易被忽略的是最后一行：拿到字幕结果和拿到能直接用的字幕文件不是一回事。SRT只是文本加时间码，导入哪个软件、时间码是否被该软件完整识别，需要在本地实际操作一遍才算确认。
哪些位置必须人工校对？
译文和专有名词、说话人切换、断句这三类位置最需要人盯。
专有名词是外语字幕翻车的重灾区。人名、品牌名、产品型号、机构缩写、地名，机器给出的中文写法经常前后不一致，同一人物前半段一个译名、后半段另一个。做自媒体拆解或课程资料时，先把这些词列成一张对照表，全文统一替换，比逐句改更省事。数字同样要盯：年份、金额、百分比、第几季度，翻译后容易和原声对不上。
说话人切换页面上没有承诺自动区分每位发言者。访谈、圆桌、多人会议这类素材，字幕里往往分不清谁在说，你需要一边听原声一边补上说话人标记或换行。断句也要看：外语一句话被拆成两条字幕、或两条合成一条，读起来会卡；时间轴是否压准口型，抽查开头、中间、结尾各一段就能发现偏移。
翻译本身不是逐字对应的，语气、反讽、行业黑话、字幕长度限制都会影响最终表达。逐句对照原声听一遍，把读起来别扭、意思走样的句子改掉，这一步没有捷径。
结果下载后怎么继续用？
先把字幕结果下载到本地，再做二次编辑。语音转文字页面有使用记录入口，结果支持下载和回查；新用户注册可获5分钟试用时长，各功能共用同一时长余额，按使用分钟数扣减。结果能保存多久、下载有无次数限制，资料没有给出，长期归档的话拿到结果后尽早导出留存，并保留原始音视频作为对照。
如果只是给视频配字幕，把SRT或字幕文本导入你常用的剪辑软件，逐条核对时间码和换行；如果还要发布到平台，注意字幕字号、每行字数和停留时长，这些是转写工具不负责的部分。
常见问题（FAQ）
非中文语音转写后，翻译是自动附带的还是要另外操作？
页面说明非中文语音可以翻译为中文，语言选项区分中文与其他语言。提交时选对语言侧，让转写与翻译按外语到中文的方向处理；具体是以同一次任务给出还是分开操作，以页面当前的转换类型选项为准。
转写结果能直接当最终字幕发布吗？
不建议。专有名词、说话人切换、断句和时间轴都需要对照原声核对，译文还要看语气和长度是否适合屏幕阅读。转写给出的是可编辑的初稿，不是可以直接压制的成品。
支持哪些语言和方言，准确率大概多少？
页面没有公开支持语种清单、方言范围和转写准确率。处理小语种或口音较重的素材前，先截取一小段试跑，看输出是否成句可读，再决定整段提交。
能自动区分视频里有几个人在说话吗？
现有说明里没有提到说话人区分能力。多人访谈类素材，建议在字幕校对阶段根据原声手动标注说话人，别指望结果自带发言人标签。
视频超过180分钟或文件超过500M怎么办？
语音转文字这条路径的公开条件是单文件500M以内、时长180分钟。超出的话先分段处理，或压缩、转码到页面列出的格式和大小范围；注意压缩属于另外的工具操作，不等于转写本身能处理任意大文件。
适用边界
这套流程能给出带时间轴的字幕初稿和中文译文，但不承诺译文质量，也不保证一次成稿可用。
具体语种覆盖、方言识别效果、说话人区分和准确率都没有公开数据，遇到小语种、强口音、多人抢话或背景音乐压过人声的素材，结果质量可能明显下降。交付前至少要完成三件事：抽查时间轴是否对齐原声、统一专有名词译法、按原声校订断句与说话人。如果你的素材涉及合同、医疗、法律等容错极低的场景，字幕只能作为草稿，最终表述仍需具备相应能力的人确认。了解工具入口和当前条件，可以从 gaiyiguo.com 的语音转文字页面看起。