手机视频自动加字幕的方法
口播、采访、教程类视频都离不开字幕，但逐句手打实在太耗时间。现在主流的做法是让语音识别自动生成字幕条，人工只做最后核对。这篇讲自动字幕在安卓手机上怎么做、识别结果怎么校、哪些字最容易错，工具以 ShotCut 的 AI 字幕为例。
相关阅读：安卓手机短视频剪辑入门.md · 照片配音乐做成视频的思路.md
一、自动字幕的原理与边界
识别功能把视频里的人声转成文字，按句铺到时间线上。用之前先知道三件事：
- 它是试用制：识别额度按次计，用完后按应用内页面提示处理，不是无限量；
- 识别质量取决于音源：人声清楚、背景噪音小、少夹英文与专业词的片段，准确率最高；
- 人工核对省不掉：同音字、人名、地名、数字最容易错，识别完从头读一遍，比发布后被观众挑错划算。
二、在手机上操作的完整过程
以 ShotCut 为例，过程分四步：
- 把口播素材导入项目，选中要识别的片段；
- 在字幕相关功能里启动自动识别，等它把文字逐句生成；
- 在字幕编辑面板里核对每句文字，改错字、调断句；
- 统一调样式——字体、颜色、位置、出场时机，每条字幕都能单独改。
识别完成后，字幕是时间线上一条条独立的文字对象，位置可以随手挪。样式上有个通用经验：深色画面用白字加深色描边，复杂背景加一层半透明底条，可读性立刻上来。
三、让字幕更耐看的几个细节
- 停留时长：一行字幕在画面上停 1.5~3 秒比较合适，短了看不清，长了抢戏；
- 位置：底部留白区最稳，别压住人脸和关键画面；
- 动画克制：渐显、缩放这类进出动画只在标题和重点句上用，每句都动会把注意力全拽走；
- 自动翻译：需要双语字幕时可以开启翻译行，同样要人工过一遍机器翻译的生硬处。
四、识别总出错的补救
音源实在嘈杂时，先试这几招：换安静环境重录；麦克风离嘴 15~20 厘米；识别前把明显的背景噪音段剪掉。还不理想就退回手动加字——手动虽然慢，但配合「播放头定位 → 添加文本 → 调时长」的流程，一段三分钟的视频也就多花十来分钟。
自动字幕只是包装环节的一环，前期的镜头结构、配乐节奏同样影响观感，完整流程见安卓手机短视频剪辑入门.md。想了解 ShotCut 这款安卓工具本身，ShotCut 手机剪辑介绍里有界面与功能的逐项拆解。