已有音频文稿，怎样生成字幕时间线

[nanqic]

如题，请教各位做字幕的大佬，已有如下格式的 txt 文稿，和 mp3 文件，有自动匹配字幕时间线的软件吗？ 用过剪映，准确率不高，Subtitle Edit 好像没有这个功能，目前是听一句音频，根据波纹手动调整时间，有没有高效一点的处理方式？

第一句
第二句
第三句

想要生成如下格式或 srt 字幕

00:00:00:01 00:00:02:08 第一句
00:00:02:08 00:00:03:24 第二句
00:00:03:24 00:00:06:04 第三句

[Rang666]

直接 whisper 就生成了啊

[aulayli]

https://replicate.com/openai/whisper

[Nosub]

arctime ，讯飞听见，剪映都支持这个功能，讯飞听见应该最好，前两个都要收费，剪映免费，如果你想字幕调整方便一点，可以试试我写的字幕软件，目前仅支持 Windows 版本，https://github.com/patui/Nosub

[emonc]

用 whisper 生成字幕就好了，原文稿用来校对。
不过 whisper 不支持直接导出 srt ，你可以用二次封装的，或找个转换器转成 srt 。

[nanqic]

感谢各位的回复，whisper 的封装版 Memo 我用过，用 large v3 中文识别，普通话不太标准的话，出错挺多，而且打好的文稿都已经调整好断句了，我再找找其他工具吧

[old9]

关键词 Forced Alignment 楼主可以搜搜看

[nanqic]

@old9 感谢回复，试了 aeneas ，中文不太行。 @Nosub 大佬推荐的两个收费的效果还可以，只是 1 分钟.5 元有点贵了，视频有很多小时，后面还会有新视频，有买断付费本地运行的就好了

[muzuiget]

试下老黄的 https://docs.nvidia.com/deeplearning/nemo/user-guide/docs/en/stable/tools/nemo_forced_aligner.html

它还有个在线 Demo 。