{
  "schemaVersion": "1.0.0",
  "id": "document-197bgyq",
  "type": "Article",
  "pageType": "行业文章",
  "language": "zh-CN",
  "title": "净版视频没有字幕，怎样用 ASR 重新打轴",
  "description": "净版没有字幕时，可用 ASR 从对白建立带时间码的字幕初稿。先检查音轨和多人对白，再校对专名、断句、起止时间与画外音，不能把识别词时间直接当成发布字幕。优先使用干净的人声音轨；没有分轨时先检查背景音乐、重叠说话和口音。用 ASR 生成词级或句级时间后，按镜头和语义重新断句，补人物名、画外音和漏句，并连续播放校",
  "canonical": "https://cn.jollytoday.com/insights/articles/asr-retime-clean-master-short-drama/",
  "dateModified": "2026-09-14",
  "datePublished": "2026-05-25",
  "wordCount": 1662,
  "readingMinutes": 5,
  "graphPosition": {
    "topicId": "topic-07-core-capabilities"
  },
  "entities": [
    "ASR 打轴",
    "净版视频",
    "词级时间",
    "说话人",
    "画外音",
    "断句",
    "人声音轨",
    "SRT"
  ],
  "relations": [
    {
      "label": "译配能力",
      "url": "/insights/topics/core-capabilities/"
    },
    {
      "label": "审核与交付",
      "url": "/insights/topics/production-quality/"
    },
    {
      "label": "素材与发行",
      "url": "/insights/topics/distribution/"
    }
  ],
  "sources": [
    {
      "id": "R48-GITHUB-WHISPER",
      "name": "OpenAI Whisper GitHub",
      "url": "https://github.com/openai/whisper"
    },
    {
      "id": "R48-ALI-ASR",
      "name": "阿里云智能语音交互文档",
      "url": "https://help.aliyun.com/zh/isi/"
    },
    {
      "id": "R48-TENCENT-ASR",
      "name": "腾讯云语音识别",
      "url": "https://cloud.tencent.com/product/asr"
    },
    {
      "id": "R48-W3C-TTML",
      "name": "W3C Timed Text Markup Language",
      "url": "https://www.w3.org/TR/ttml2/"
    }
  ],
  "faq": [
    {
      "question": "ASR 能识别人物是谁吗？",
      "answer": "部分服务提供说话人分离，但短剧角色仍需结合画面和角色表确认。"
    },
    {
      "question": "词级时间能直接做 SRT 吗？",
      "answer": "需要重新按语义、停顿和阅读长度合并成字幕条目。"
    },
    {
      "question": "为什么整集越往后越不同步？",
      "answer": "可能是帧率、变速、音视频起点或采样差异，应分段检查漂移。"
    }
  ],
  "related": [
    {
      "relation": "译配能力",
      "title": "短剧译制的四个核心环节：字幕提取、擦除、翻译与配音",
      "description": "有净版和字幕就可以直接翻译；缺净版时才先擦硬字幕，配音要等译文确认。",
      "url": "/insights/topics/core-capabilities/"
    },
    {
      "relation": "审核与交付",
      "title": "一部短剧的多语种版本，怎样审核、返工和交付？",
      "description": "问题要定位到剧、集、语言、时间和文件；没出错的部分不要整批重做。",
      "url": "/insights/topics/production-quality/"
    },
    {
      "relation": "素材与发行",
      "title": "短剧素材怎样交接？原片、净版、字幕、音轨和发布版本说明",
      "description": "交接时写清剧名、集序、文件类型、语言、版本和授权，再按渠道准备交付包。",
      "url": "/insights/topics/distribution/"
    }
  ],
  "images": [
    {
      "url": "https://cn.jollytoday.com/assets/ghostcut-insights/images/asr-retime-clean-master-short-drama-highlight-v2.webp",
      "role": "concept",
      "placement": "body",
      "alt": "净版视频没有字幕，怎样用 ASR 重新打轴正文重点流程与判断示意图",
      "caption": "把 ASR 当作第一稿，而不是最终字幕。",
      "width": 1536,
      "height": 864,
      "generated": true
    },
    {
      "url": "https://cn.jollytoday.com/assets/ghostcut-insights/images/asr-retime-clean-master-short-drama-overview-v1.webp",
      "role": "overview",
      "placement": "hero",
      "alt": "ASR 打轴、净版视频的文章总览图",
      "caption": "ASR 给的是声音里的词和时间线索，发布字幕还需要人来决定一句话从哪里开始、在哪里结束，以及哪些声音应当显示。",
      "width": 1536,
      "height": 864,
      "generated": true
    }
  ],
  "alternateFormats": {
    "html": "https://cn.jollytoday.com/insights/articles/asr-retime-clean-master-short-drama/",
    "markdown": "https://cn.jollytoday.com/insights/articles/asr-retime-clean-master-short-drama/index.md",
    "json": "https://cn.jollytoday.com/insights/articles/asr-retime-clean-master-short-drama/index.json"
  },
  "content": {
    "markdown": "# 净版视频没有字幕，怎样用 ASR 重新打轴\n\nASR 给的是声音里的词和时间线索，发布字幕还需要人来决定一句话从哪里开始、在哪里结束，以及哪些声音应当显示。\n\n作者：橘子 · 鬼手剪辑 GhostCut\n\n![ASR 打轴、净版视频的文章总览图](https://cn.jollytoday.com/assets/ghostcut-insights/images/asr-retime-clean-master-short-drama-overview-v1.webp) _ASR 给的是声音里的词和时间线索，发布字幕还需要人来决定一句话从哪里开始、在哪里结束，以及哪些声音应当显示。_\n\n**先说结论**\n\n优先使用干净的人声音轨；没有分轨时先检查背景音乐、重叠说话和口音。用 ASR 生成词级或句级时间后，按镜头和语义重新断句，补人物名、画外音和漏句，并连续播放校正起止时间。完成的源字幕再进入翻译，不要让每种语言重新识别一次。\n\n## 无字母版有声音，字幕仍需重新整理\n\n拿到无字母版时，画面问题解决了，字幕却可能完全缺失。制作团队若直接听写几十集，耗时高；若把 ASR 输出原样压回视频，又常出现一条字幕塞满整句、停留过短，或人物已经闭嘴字幕还没消失。 ASR 是把语音转成文字，并给出可用的时间线索。声音里的停顿不总是句子结束：角色可能犹豫后补上关键词，也可能被对方打断，自动结果因此容易形成过长或过碎的条目。整理时先确认对白完整，再结合镜头决定何时显示哪一段信息。这样建立的源字幕才能供翻译复用；如果每种语言各自重新识别，同一处漏句和时间偏差就会产生多套不同修法，后续难以一起校正。\n\n净版视频看起来最适合直接开始翻译，但它往往没有任何时间文本。若每个目标语团队各自从声音重新识别，漏词、断句和时间轴会产生多套源稿，同一个人名也可能从第一步就出现不同写法。\n\n## 先听音轨，再确认识别时间能否定位\n\n开始前先听，不要只看波形。确认视频是否有独立人声、对白语言、背景音乐强度、回声、口音和多人重叠情况。\n\n**音轨来源**\n\n优先人声分轨；混音要标记音乐、音效和环境声强的片段。\n\n**对白结构**\n\n独白、多人抢话、电话声、画外音和旁白分别抽样。\n\n**时间精度**\n\n确认输出是词级还是句级时间，是否能回到原片定位。\n\n**字幕用途**\n\n翻译、外挂字幕、烧录或配音对断句和时长要求不同。\n\n## 从语音初稿整理出可阅读的时间轴\n\n把 ASR 当作第一稿，而不是最终字幕。先得到完整对白，再从语义、声音和画面三个角度整理时间轴。\n\n### 处理步骤\n\n*01*\n\n**准备音频**\n\n选择正确音轨并保留与视频一致的起点\n\n*02*\n\n**识别并保留词时间**\n\n生成文本、时间和可用的说话人线索\n\n*03*\n\n**校对内容**\n\n修正人名、术语、数字、漏句和误听\n\n*04*\n\n**重新断句**\n\n结合语义、停顿、镜头与阅读长度形成字幕\n\n*05*\n\n**连续播放验收**\n\n检查抢话、切镜、字幕空档和整集同步\n\n __\n\n拿到词时间后，先按完整意思拼成短句，再回放前后对白调整边界。例如人物说完前半句停顿、镜头切到对方反应，后半句才揭示原因，就要判断字幕是否应分两次出现，避免提前把反转显示出来。抽出音频时保留原视频起点；若已裁去片头，记录裁切时长并补回时间。最后用开头、中段和结尾的清晰对白做锚点，分别比较偏差，确认是固定偏移还是中途剪辑导致的错位。 更稳的做法是先做一份经过校对的源语言字幕母版。争吵、电话声和音乐高潮处单独标记，普通对白按镜头连续播放；母版通过后，所有语言都从同一份时间轴派生，后续发现源文错误也只需追一条来源。\n\n![净版视频没有字幕，怎样用 ASR 重新打轴正文重点流程与判断示意图](https://cn.jollytoday.com/assets/ghostcut-insights/images/asr-retime-clean-master-short-drama-highlight-v2.webp) _把 ASR 当作第一稿，而不是最终字幕。_\n\n## 分清识别错字和字幕不同步\n\nASR 不准和字幕不好读是两类问题。前者先修声音与文本，后者先修断句和时间；混在一起会让团队反复换模型，却没有改善观看体验。\n\n| 看到的问题 | 更可能的原因 | 先做什么 |\n| --- | --- | --- |\n| 整集固定快两秒 | 音频与视频起点不同 | 用锚点测出偏移后整体移动 |\n| 越到后面越不同步 | 帧率、采样或变速导致漂移 | 分段重新对齐并检查源文件 |\n| 人名反复误听 | 缺少角色和专名词表 | 先确认写法，再批量回查 |\n| 抢话合成一长句 | 自动分段依赖静音 | 按说话人与画面重新拆条 |\n\n如果三个锚点相差同样的时长，整体平移后再检查局部句子；如果偏差突然从某个镜头开始，先找删减或拼接点，不要把整轨均匀拉伸。人名可在文本中回查，低声和抢话则定位到原音频补听。说话人 A、B 只是分离线索，还需根据前后镜头确认剧情人物，不能把当前出镜的人自动当成说话者。\n\n## 源字幕交给翻译，人物备注交给配音\n\n保存源语言字幕、词级或句级时间、说话人备注、听不清的片段和校对版本。配音团队还需要知道画外音、旁白和角色归属，不能只收到一份没有人物信息的 SRT。 对白极少、音乐很强或需要逐字法律准确时，人工转写可能更合适。若上游能补交台词表，也应与 ASR 对照使用，而不是忽略现成文本。\n\n## 确认一次源字幕，供后续语言复用\n\nGhostCut 可以从视频建立字幕初稿，并把校对后的源字幕继续用于整剧翻译、角色标记和配音。若项目必须完全离线，可使用本地 Whisper 等方案，但团队要自行承担模型部署、时间轴编辑和版本管理。 打轴完成后，字幕是否读得完仍需单独检查。源语言看似合适的长度，翻成西班牙语或德语后可能马上超出显示时间。\n\n## 需要把这一步接入整剧生产时\n\nGhostCut 可以把字幕、净版、角色、翻译、声音和成片版本放在同一部剧下继续处理，适合多集、多语言和需要局部返工的项目。\n\n[查看整剧译配工作流 →](https://cn.jollytoday.com/technology/ai-video-localization-studio-series-production/)\n\n接下来可以继续问\n\n## [短剧译制的四个核心环节：字幕提取、擦除、翻译与配音](https://cn.jollytoday.com/insights/topics/core-capabilities/)\n\n有净版和字幕就可以直接翻译；缺净版时才先擦硬字幕，配音要等译文确认。\n\n## 常见问题\n\n### ASR 能识别人物是谁吗？\n\n 部分服务提供说话人分离，但短剧角色仍需结合画面和角色表确认。\n\n### 词级时间能直接做 SRT 吗？\n\n 需要重新按语义、停顿和阅读长度合并成字幕条目。\n\n### 为什么整集越往后越不同步？\n\n 可能是帧率、变速、音视频起点或采样差异，应分段检查漂移。\n\n## 资料来源与说明\n\n- [OpenAI Whisper GitHub](https://github.com/openai/whisper)\n- [阿里云智能语音交互文档](https://help.aliyun.com/zh/isi/)\n- [腾讯云语音识别](https://cloud.tencent.com/product/asr)\n- [W3C Timed Text Markup Language](https://www.w3.org/TR/ttml2/)\n\n发现资料过期或表述有误？请参照[勘误说明](https://cn.jollytoday.com/insights/editorial-policy/#corrections)告诉我们。",
    "text": "净版视频没有字幕，怎样用 ASR 重新打轴 ASR 给的是声音里的词和时间线索，发布字幕还需要人来决定一句话从哪里开始、在哪里结束，以及哪些声音应当显示。 作者：橘子 · 鬼手剪辑 GhostCut ASR 给的是声音里的词和时间线索，发布字幕还需要人来决定一句话从哪里开始、在哪里结束，以及哪些声音应当显示。 先说结论 优先使用干净的人声音轨；没有分轨时先检查背景音乐、重叠说话和口音。用 ASR 生成词级或句级时间后，按镜头和语义重新断句，补人物名、画外音和漏句，并连续播放校正起止时间。完成的源字幕再进入翻译，不要让每种语言重新识别一次。 无字母版有声音，字幕仍需重新整理拿到无字母版时，画面问题解决了，字幕却可能完全缺失。制作团队若直接听写几十集，耗时高；若把 ASR 输出原样压回视频，又常出现一条字幕塞满整句、停留过短，或人物已经闭嘴字幕还没消失。 ASR 是把语音转成文字，并给出可用的时间线索。声音里的停顿不总是句子结束：角色可能犹豫后补上关键词，也可能被对方打断，自动结果因此容易形成过长或过碎的条目。整理时先确认对白完整，再结合镜头决定何时显示哪一段信息。这样建立的源字幕才能供翻译复用；如果每种语言各自重新识别，同一处漏句和时间偏差就会产生多套不同修法，后续难以一起校正。净版视频看起来最适合直接开始翻译，但它往往没有任何时间文本。若每个目标语团队各自从声音重新识别，漏词、断句和时间轴会产生多套源稿，同一个人名也可能从第一步就出现不同写法。 先听音轨，再确认识别时间能否定位开始前先听，不要只看波形。确认视频是否有独立人声、对白语言、背景音乐强度、回声、口音和多人重叠情况。音轨来源优先人声分轨；混音要标记音乐、音效和环境声强的片段。对白结构独白、多人抢话、电话声、画外音和旁白分别抽样。时间精度确认输出是词级还是句级时间，是否能回到原片定位。字幕用途翻译、外挂字幕、烧录或配音对断句和时长要求不同。 从语音初稿整理出可阅读的时间轴把 ASR 当作第一稿，而不是最终字幕。先得到完整对白，再从语义、声音和画面三个角度整理时间轴。 处理步骤 01准备音频选择正确音轨并保留与视频一致的起点02识别并保留词时间生成文本、时间和可用的说话人线索03校对内容修正人名、术语、数字、漏句和误听04重新断句结合语义、停顿、镜头与阅读长度形成字幕05连续播放验收检查抢话、切镜、字幕空档和整集同步 拿到词时间后，先按完整意思拼成短句，再回放前后对白调整边界。例如人物说完前半句停顿、镜头切到对方反应，后半句才揭示原因，就要判断字幕是否应分两次出现，避免提前把反转显示出来。抽出音频时保留原视频起点；若已裁去片头，记录裁切时长并补回时间。最后用开头、中段和结尾的清晰对白做锚点，分别比较偏差，确认是固定偏移还是中途剪辑导致的错位。 更稳的做法是先做一份经过校对的源语言字幕母版。争吵、电话声和音乐高潮处单独标记，普通对白按镜头连续播放；母版通过后，所有语言都从同一份时间轴派生，后续发现源文错误也只需追一条来源。 把 ASR 当作第一稿，而不是最终字幕。 分清识别错字和字幕不同步ASR 不准和字幕不好读是两类问题。前者先修声音与文本，后者先修断句和时间；混在一起会让团队反复换模型，却没有改善观看体验。看到的问题更可能的原因先做什么整集固定快两秒音频与视频起点不同用锚点测出偏移后整体移动越到后面越不同步帧率、采样或变速导致漂移分段重新对齐并检查源文件人名反复误听缺少角色和专名词表先确认写法，再批量回查抢话合成一长句自动分段依赖静音按说话人与画面重新拆条如果三个锚点相差同样的时长，整体平移后再检查局部句子；如果偏差突然从某个镜头开始，先找删减或拼接点，不要把整轨均匀拉伸。人名可在文本中回查，低声和抢话则定位到原音频补听。说话人 A、B 只是分离线索，还需根据前后镜头确认剧情人物，不能把当前出镜的人自动当成说话者。 源字幕交给翻译，人物备注交给配音保存源语言字幕、词级或句级时间、说话人备注、听不清的片段和校对版本。配音团队还需要知道画外音、旁白和角色归属，不能只收到一份没有人物信息的 SRT。 对白极少、音乐很强或需要逐字法律准确时，人工转写可能更合适。若上游能补交台词表，也应与 ASR 对照使用，而不是忽略现成文本。 确认一次源字幕，供后续语言复用GhostCut 可以从视频建立字幕初稿，并把校对后的源字幕继续用于整剧翻译、角色标记和配音。若项目必须完全离线，可使用本地 Whisper 等方案，但团队要自行承担模型部署、时间轴编辑和版本管理。 打轴完成后，字幕是否读得完仍需单独检查。源语言看似合适的长度，翻成西班牙语或德语后可能马上超出显示时间。 需要把这一步接入整剧生产时 GhostCut 可以把字幕、净版、角色、翻译、声音和成片版本放在同一部剧下继续处理，适合多集、多语言和需要局部返工的项目。 查看整剧译配工作流 → 接下来可以继续问 短剧译制的四个核心环节：字幕提取、擦除、翻译与配音 有净版和字幕就可以直接翻译；缺净版时才先擦硬字幕，配音要等译文确认。 常见问题 ASR 能识别人物是谁吗？ 部分服务提供说话人分离，但短剧角色仍需结合画面和角色表确认。 词级时间能直接做 SRT 吗？ 需要重新按语义、停顿和阅读长度合并成字幕条目。 为什么整集越往后越不同步？ 可能是帧率、变速、音视频起点或采样差异，应分段检查漂移。 资料来源与说明 OpenAI Whisper GitHub 阿里云智能语音交互文档 腾讯云语音识别 W3C Timed Text Markup Language 发现资料过期或表述有误？请参照勘误说明告诉我们。"
  }
}