免費 AI 自動上字幕，10 分鐘搞定一支影片：2026 年最省時的剪輯流程
底迪
我以前最討厭的剪輯工序是上字幕。
不是因為難，是因為慢。
一支 60 秒的影片，手動上字幕要半小時。
重複聽、重複停、重複打字、調時間點。
然後我發現，這件事根本不需要我做。
為什麼 2026 年還有人手動上字幕？
因為不知道有自動的方法。
或是試過了，但準確率太差，改起來比手打還麻煩。
這兩個情況，在兩年前都是真的。
現在不一樣了。
AI 語音辨識的準確率在過去兩年大幅提升，中文的辨識品質已經到了「偶爾需要修改個別字」的程度，不再是「辨識出來的東西完全不能用」。
如果你只記得一件事：AI 字幕的準確率已經夠高了，現在的問題是你用的工具對不對。
工具一：CapCut（最推薦，免費，中文最準）
CapCut 是 ByteDance（TikTok 母公司）出的剪輯工具，手機版和電腦版都有，免費。
它的中文語音辨識是我試過的免費工具裡最準的，因為它本來就是為中文短影音市場設計的。
基本流程：
- 把你的影片匯入 CapCut
- 點「文字」→「自動字幕」→ 選語言
- 等它跑完（60 秒的影片大概 20 秒就完成）
- 檢查一遍，修改辨識錯誤的字和斷句
- 調整字幕的字型、大小、顏色
整個流程大概 10 分鐘。
但這裡有一個台灣用戶一定會遇到的問題：
CapCut 的繁體字幕字型（像是「現代繁體」、「港風繁體」）有一個很惱人的限制——你只能用簡體輸入法輸入文字，而且常常遇到缺字。
如果你想用特黑體、思源粗宋這類比較好看的常見字型，又想讓字幕顯示繁體，不管你是手動一個一個改字，或是用手機內建的繁簡轉換，效率都很差。
解法：把字幕匯出成 SRT，轉換繁體之後再匯回來。
流程是這樣：（以下為電腦版）
- CapCut 裡先用簡體跑完自動字幕，用好看的字型（特黑體、思源粗宋等）
- 匯出 SRT 字幕檔（匯出 → 勾選字幕，會匯出 SRT 檔）
- 把 SRT 檔上傳到 txtconv.arpuli.com，選擇「簡體 → 繁體」
- 它會自動下載轉換好的繁體 SRT 檔
- 選擇「本機字幕」，把繁體 SRT 匯入 CapCut，再拖到影片時間軸
這樣你可以用任何字型，字幕也是繁體，不用一個字一個字手動改。
如果你只記得一件事：CapCut 跑簡體字幕，匯出 SRT → txtconv.arpuli.com 轉繁體 → 匯回 CapCut。比直接選繁體字幕省時很多。
工具二：Whisper（準確率最高，但需要一點設定）
Whisper 是 OpenAI 開發的語音辨識模型，準確率是目前最頂級的，支援繁體中文。
問題是，它原本的使用方式需要一點技術背景。
但現在有一些基於 Whisper 的工具，把它包裝成更好用的介面：
Whisper Transcription（Mac App Store）： 直接下載，拖入影片，自動辨識，免費版可以用基本功能。
Descript： 雲端工具，上傳影片，自動轉成字幕和逐字稿，可以直接在文字上編輯影片。有免費方案，付費版功能更完整。
我的建議
如果你是短影音創作者，CapCut 就夠了，不需要其他工具。
如果你需要高準確率的逐字稿（像是會議記錄、訪談記錄），Whisper-based 的工具會更適合。
另外，我也非常推薦使用「雅婷逐字稿」，不只支援國英台語，還可以自動辨識是誰在講話，儲存成 PDF 檔、做摘要都很方便。
字幕上完之後，一個很多人忽略的事
字幕不只是「給沒開聲音的人看的」。
好的字幕是高流量影片的標配。
它同時在做三件事：
讓沒開聲音的人也能看懂。 很多人在公共場所、通勤途中、或是不方便開聲音的環境滑手機，字幕讓這群人不需要開聲音就能跟上你說的話。
讓人多留意畫面。 眼睛有字可以跟，注意力比較容易集中在影片上，而不是隨時準備滑走。
降低滑走的機率。 前三秒沒有字幕，觀眾如果沒有聽到你說什麼，滑掉的機率更高。有字幕，就算聲音沒進耳朵，畫面上的文字還是在給他一個繼續看下去的理由。
三個基本原則：
一、字要夠大。在你的手機螢幕上縮小到一半大小，字幕還看得清楚嗎？
二、字要有對比。白字配深色影片、黑字配淺色影片。字和背景顏色太接近，看不清楚。
三、字會不會離手機螢幕邊框太近？某些社群平台上傳影片會被裁切，距離邊框太近，會容易被切掉。
那 40 分鐘到一個小時的上字幕時間，我現在用來做更有價值的事：想下一支影片的腳本。
這才是我的時間應該花的地方。
Instagram：@your_ai_buddy_
常見問題
Q：CapCut 是中國公司做的，資安有疑慮嗎？
這是一個合理的問題。CapCut 由 ByteDance 開發，部分國家政府對其有資料隱私疑慮。如果你的影片內容不涉及任何敏感資訊，一般個人使用的風險相對低。如果有顧慮，可以選擇 Descript 或其他工具。
Q：台語或閩南語可以自動辨識嗎？
目前大多數 AI 字幕工具對台語的支援還不理想，辨識準確率明顯低於普通話/國語。如果你的影片大量使用台語，可以試試雅婷逐字稿，選擇「國英台語」模式，辨識完再匯出 .srt 檔，匯入 CapCut 使用。
Q：字幕可以自動翻譯成英文嗎？
CapCut 和部分工具有自動翻譯功能，但品質參差不齊。如果你需要高品質的中英對照字幕，建議先生成中文字幕，再用 Claude 或 ChatGPT 翻譯，品質比自動翻譯功能好。
Q：字幕格式可以匯出成 SRT 檔嗎？
CapCut 和 Descript 都支援匯出 SRT 字幕檔，可以上傳到 YouTube 或其他平台使用。
Q：影片裡有背景音樂，會影響辨識準確率嗎？
會有一點影響，但現代 AI 的語音分離能力還不錯，輕柔的背景音樂通常不影響太多。大聲或節奏感強的背景音樂會讓準確率下降，建議製作字幕時先不加背景音樂，待製作後期再加上。
