12 00:00:48,120 --> 00:00:51,400 Every cue lands on time.
整句时间戳
由完整语句起止时间生成的 SRT 字幕。
音频、视频与链接转写
音频转 SRT，生成可校对的字幕。
上传音频或视频，或提供你有权处理的公开视频链接。无需比较不同转写引擎，即可获得带时间戳的文本、说话人分段、SRT 和干净全文。
多语言来源识别逐字、说话人、SRT、全文源媒体通常会在约 3 小时后删除
你会得到：一份带时间轴的 .srt 字幕文件。下面是一份真实输出。
me-at-the-zoo.mp4 · 0:19真实输出，未修改
1 00:00:01,150 --> 00:00:03,590 Alright, so here we are in front of the elephants.2 00:00:05,190 --> 00:00:14,190 Cool thing about these guys is that they have really long trunks, and that's cool.3 00:00:16,750 --> 00:00:18,950 And that's pretty much all there is to say.
片段：《Me at the zoo》（YouTube，2005）。 来源 · Jawed Karim, Yakov Lapitsky · CC BY 3.0 · Wikimedia Commons
每日免费额度最多可处理约 5 分钟音频；视频消耗积分更快。登录后可在工作区保留结果。
每日免费额度
每日免费额度最多可处理约 5 分钟音频；视频和链接每分钟消耗更多积分。
短期媒体留存
上传的源媒体通常会在约 3 小时后过期，除非某项功能明确提供更长留存。
安全结账
结账页面标识的支付服务商负责处理全球用户的银行卡付款。
7 种来源语言
自动识别，或指定英语、中文、日语、韩语、西班牙语、法语。
工作流程
00:01
拖入媒体或粘贴链接
音频、视频或公开视频链接，工作台三种都接。
00:02
按语言和媒体形态路由
任务形态、语言和时长决定处理路径，你不需要比较供应商。
00:03
导出你需要的每一层
SRT、逐字时间戳、说话人轮次和干净全文——可单独下载，也可打包 ZIP。
一次任务，四层交付。
每个完成的转写任务都交付同样的四层结果，随时复制或下载。
{"w":"every","s":0.42,"e":0.61}
{"w":"word","s":0.63,"e":0.85}
{"w":"字","s":0.88,…}逐字时间戳
每个词或字一行 JSON，包含开始/结束时间。
S1 00:00:04 → 00:00:11 "Welcome back to the show." S2 00:00:11 → 00:00:19
说话人分段
按整句整理的说话人轮次，包含文本和词范围。
Welcome back to the show. Today, we're talking about subtitles — and why timing is everything.
带标点全文
带标点的完整转写文本。
按分钟付费，不按席位。
1 积分等于 1 分钟音频。USD $20 入门包约可处理 20 小时音频。
$20
1,200 积分
常见问题
转写的准确率如何？
媒体按语言和内容形态进行路由。可用的逐字时间戳、标点和说话人信息会归一化为一份可审阅的文字稿。
免费能用多少？
每日免费额度最多可处理约 5 分钟音频；视频消耗积分更快。登录后可在工作区保留结果。
上传的文件会怎么处理？
源媒体通常会在约 3 小时后删除，除非某项功能明确提供更长留存。转写结果会保存在你的工作区。
支持哪些语言？
自动识别可处理混合语言媒体；也可以指定英语、中文、日语、韩语、西班牙语或法语作为来源语言。
脚本或 Agent 能用吗？
可以。创建按每音频小时 $1 计费的 API Key，或把公开 Skill 文件交给你的 AI Agent——它会继承你的账户权限。