字幕都只能靠听译得来么，有没有用类似语音转换文本的软件？

字幕都只能靠听译得来么，有没有用类似语音转换文本的软件？

语音识别的技术早就有，不过即使是今天，YouTube语音识别出来的英文字幕依然面临一个很大的问题：断句混乱。更不要说国内的讯飞见外等等一众AI了。

YouTube的解决方式是不用srt格式的字幕，用xml之类的脚本让字幕一个单词一个单词地出现，这样一定程度上能够掩盖掉看视频时字幕断句混乱的问题，但是对于想拿这个字幕做翻译的人来说（用转换过的srt字幕），依然需要花不少的时间在重新断句上。

我半年前跟网易见外的AI比了下视频翻译的速度。AI做纯粹的听写+翻译可能只用了半分钟，但是断句混乱，导致中文翻译也很混乱，必须要用人工从头到尾调整一遍。而从现场比试的结果来看，这个调整所花的时间可能经常要比一个成熟的翻译从0开始听译花的时间多。

哦对了，那个视频只有2分钟，口齿非常清晰，停顿也比较理想，依然需要花人工进行调整。

所以软件是有的，只不过效果不够完美，依然需要人工的大量干预。