场景方案 口播成片拆条
口播视频怎么拆条
一条讲透了的长口播，其实能拆成好几条短素材。麻烦的是找切点、对台词、配时间轴 —— 一条 10 分钟的口播，手动扒一遍一两个小时起步，还容易漏字。
手里有长口播 / 访谈 / 课程录屏，想拆成短视频，或者想拿到带时间轴的文稿的人。
这件事通常卡在哪
不是"很难"，是三个很具体的坎。
听打文稿太慢
10 分钟口播手动听打，一小时起步。中途一走神就要倒回去重听。
切点不好找
想按"讲完一个点"来切，但嘴上没有停顿提示，只能反复听那几秒。
拆完字幕对不上
视频切成几段了，字幕时间轴还是按原片走的，得手动一处处改。
具体怎么做
按这个顺序走一遍就行，共 5 步。
-
1
拆解成片，拿到逐镜结构
口播视频镜头通常很少，但每次切镜往往正好是换话题或换机位的位置 —— 那是天然的段落边界，比凭感觉找切点准。
-
2
逐镜识别台词
台词是按镜头归属的，不是整段丢进去识别 —— 所以每句话天然带着它属于哪一个镜头，不需要事后猜。
-
3
按镜头拆条，导出 SRT
对着镜头边界拆成几条，字幕直接导出 SRT，时间轴已经跟着镜头上。
-
4
用拆出来的文稿剪短素材
有了逐条文稿，选哪几句当一条短素材就变成纯阅读的事，不用再回听。
-
5
顺手校对一遍断句
一句话横跨两个镜头时会被切断 —— 这是逐镜归属的固有代价。导出后校对一遍接缝处即可，比整篇听打省得多。
常见问题
点开看答案。
台词识别准吗？
中文普通话的成片通常够用。方言、强背景音乐、多人抢话会明显变差 —— 这几种情况建议先分离人声再拆。
需要自己准备语音识别服务吗？
不需要。有两条通道：用站内积分（不用配任何 Key），或者填自己的 AI Key（不花积分）。两者在工具设置里切换。
能直接出字幕文件吗？
可以，导出 SRT。时间轴是按镜头切的，和拆条结果天然对齐。
长视频（比如一小时的访谈）能跑吗？
不建议一次跑。工具建议 3 分钟以内 —— 全程在你的浏览器里算，太长会吃满内存。长素材先用剪辑软件切成小段，再分别拆。
用哪个工具做
都在本站，浏览器里直接跑。