字幕是视频后期处理里最费时的环节之一。手打 10 分钟视频的字幕，加上对时间轴，轻松就要花一个多小时。

剪映（CapCut）内置的 AI 字幕识别功能，把这个流程压到 10-20 分钟就能搞定，而且免费版就能用。对中文创作者来说，目前是 cost-performance 最高的字幕工具之一。

剪映 AI 字幕操作流程

剪映的 AI 字幕操作非常直觉，步骤不多：

导入视频：把视频档拖进剪映的时间轴。

打开自动字幕：在顶部菜单找「文字」，选「智慧字幕」里的「识别字幕」。系统会问视频的语言，选好之后按识别。

等它跑完：10 分钟的视频大概要跑 1-2 分钟。跑完之后字幕会自动切好、对好时间轴，直接出现在时间轴上。

校对：这步不能省。AI 识别再准确还是会有错字，特别是专有名词、人名、英文缩写。花 10-15 分钟过一遍，比手打省至少十倍时间。

调样式：字体、大小、颜色、位置。剪映内置的字幕模板蛮多的，挑一个跟视频风格搭的就好。

剪映 AI 字幕操作界面

整个流程下来，10 分钟的视频大概 15-20 分钟搞定字幕。手打加校对则至少要 70 分钟起跳。

剪映台语识别：实测表现

这是剪映字幕功能最让人惊艳的部分。

对着台语口白选「中文（台湾）」识别，台语段落大概有七八成是对的。不是完美，有些词会识别成发音相近的中文字，台语的语助词「啦」「齁」偶尔会被跳过或变成其他字。整体意思能看懂，在这个基础上手动修正比从零手打快太多。

剪映台语识别实测

几个影响识别准确度的因素：

说话速度：讲太快识别率会掉。

口音：偏泉州腔或偏漳州腔表现会有差异。通行腔识别率较高。

背景噪音：有音乐或环境音干扰，识别率明显下降。建议在安静环境录或先做降噪处理。

中英夹杂怎么办

台湾人讲话很常中英夹杂：「这个 API 的 response time 大概 200 毫秒」这种句子。

剪映处理这种情况算可以，中文部分几乎不出错，英文单字大概八成会拼对。常见词（API、ChatGPT、iPhone）识别率高，比较冷门的技术名词（webhook、cron job 之类）偶尔会拼错。

实用做法是识别完之后集中修英文：把所有英文标记出来一次过一遍，比穿插在中文里边看边改有效率。

搭配大模型做字幕后处理

剪映识别完的字幕可以导出成 SRT 文件。把 SRT 文件丢给 Claude 或 ChatGPT，请它帮你做几件事：

  • 校对错字：特别是同音异字的问题，AI 很擅长根据上下文判断
  • 断句优化：剪映的自动断句偶尔会切在奇怪的地方，大模型可以帮你重新切到语意完整的位置
  • 统一格式：英文大小写、数字格式、标点符号

流程是：剪映识别 → 导出 SRT → 丢给大模型校对 → 汇回剪映。多了一步，但字幕质量会好很多。

比较正式的视频建议走这个流程；日常短视频直接在剪映里手动改就够了。

字幕工具比较：剪映 vs Taption vs 雅婷转录稿

比较项目剪映（CapCut）Taption雅婷转录稿
免费额度基本功能免费试用 15 分钟每月 60 分钟免费
中文准确度九成以上九成以上八成左右
台语识别支持（七八成）不支持支持（六七成）
SRT 导出支持支持支持
视频剪辑内置完整剪辑功能无无
适合谁视频创作者、一站搞定需要多语言转录纯文字转录稿需求

本来就用剪映剪片的人，字幕功能直接在里面搞定最省事。Taption 的优势是支持的语言多、导出格式也多，但要另外付费。

AI 配音：另一条路

剪映内置的 AI 配音功能声音偏机械，跟 ElevenLabs 那种接近真人的水准比还有距离。断句节奏、语气变化、情绪表达都还不够细腻。

需要 AI 配音功能的话，业界目前推荐度较高的是 ElevenLabs 或 Play.ht，跟剪映内置是两个层级的产品，不要从剪映的内置功能入手会比较不失望。

FAQ

剪映的 AI 字幕准确度高吗？

中文识别准确度大概九成以上。台语识别会看口音和语速，清楚的台语大概七八成准确。中英夹杂的部分英文单字偶尔会拼错，需要手动校对。在识别结果的基础上修正，比手打字幕省至少十倍时间。

剪映免费版能用 AI 字幕功能吗？

自从剪映 6.0 以后就不提供免费生成字幕了。需升级为 VIP，如果要购买可以去淘宝购买。

剪映的 AI 字幕可以导出 SRT 文件吗？

可以。识别完成后，在字幕区域选择导出，支持 SRT 格式。导出的 SRT 文件可以再丢给大模型做校对和断句优化。

剪映跟 Taption 比哪个好？

看需求。剪映是视频剪辑软件，字幕是附带功能，操作直觉、免费就能用。Taption 专做语音转文字，支持更多语言和导出格式，但要付费。本来就用剪映剪片的人没必要多开一个工具。

台语识别准确度怎么提高？

三个因素影响最大：说话速度（慢一点准确度高）、口音（通行腔识别率最高）、背景噪音（安静环境或先做降噪）。在这些条件都不错的情况下，台语识别大概能到七八成。

小企鹅的经验

剪映的字幕功能是小企鹅目前固定在用的工具之一，蛮好用的。中文准确度高，连台语也能识别，这在中文世界的字幕工具里很少见。

实际工作流是：剪映 AI 识别 → 导出 SRT → 进大模型转成台湾繁中 + 校对。中英夹杂或台语段落会多花一点时间人工修，但比起从零手打字幕，省下来的时间非常可观。处理会议录音类的转录稿可以搭 NotebookLM 转录稿教程，整体免费会议流程则看 免费 AI 会议记录流程。

AI 配音不在小企鹅的日常工作流里，剪映内置的 AI 配音也只当信息性质知道。需要做 AI 配音的人，直接看专业的 ElevenLabs 或 Play.ht 比从剪映内置入手实在。

本文为 AI 工具功能介绍，不涉及证券或投资建议。实际定价以各平台官方最新公告为准，本文信息可能已过时。

延伸阅读

整理：Penna｜小企鹅 Penchan