AI 用法與工具
ChatGPT 音檔轉逐字稿
把 MP3 / M4A / WAV 丟進 ChatGPT,一次完成逐字稿、校正、簡轉繁、SRT 輸出,再匯回剪映。附可直接複製的指令。
適合什麼時候使用
這篇是影片「ChatGPT 音檔轉逐字稿」的操作步驟整理。只要你手上有一段「人講話的錄音」,想要變成文字或字幕,都可以照這篇做。
- 剪片要上字幕,但剪映轉出來是簡體、又常聽錯
- 課程錄音、訪談、會議,想要一份逐字稿或重點摘要
- 想把一段錄音延伸成短影音腳本
以下是我實際操作成功的流程,處理速度與辨識結果會依音檔長度、錄音品質而不同。
整個流程大概 10 分鐘,而且每一步都是「跟 ChatGPT 講一句話」就好。
支援的音檔格式
| 格式 | 可以嗎 | 備註 |
|---|---|---|
| MP3 | ✅ | 最通用 |
| M4A | ✅ | iPhone 語音備忘錄預設格式 |
| WAV | ✅ | 檔案較大 |
| MP4 影片 | ⚠️ | 建議先用剪映或手機「分離音訊」存成 M4A 再丟 |
檔案太大或太長的話,先切成 20–30 分鐘一段再分批丟,會比較穩。
步驟 1:丟音檔,轉成逐字稿
- 開 ChatGPT,點對話框左邊的「+」或迴紋針,選你的音檔
- 音檔上傳完成後,直接輸入下面這句:
請幫我把這段音檔轉成逐字稿。
上傳 MP3 音檔並請 ChatGPT 產出逐字稿
ChatGPT 輸出的繁體中文逐字稿
幾秒到幾十秒後,整篇逐字稿就會跑出來。
我的實測:這次比剪映辨識得更準
我這次測試的錄音,ChatGPT 對人名和剪輯術語的辨識比剪映更準。遇到聽錯的詞,也可以接著用指令批量修正。
步驟 2:有錯的話,一句話批量修正
真的遇到它聽錯的人名或專有名詞,不用一個字一個字改,接著跟它說:
逐字稿裡的「小西」是錯的,正確是「小希」,請把全部的「小西」都改成「小希」。
一次要改好幾個也可以:
請幫我修正逐字稿裡的這些詞,全部一次改掉:
- 「小西」→「小希」
- 「簡影」→「剪映」
- 「切GPT」→「ChatGPT」
步驟 3:轉繁體 + 輸出 SRT 字幕
這一步等於一次做完「簡轉繁」和「排成字幕格式」兩件事:
請幫我把以上逐字稿轉成繁體中文(台灣用語),並整理成 SRT 字幕格式。
每句字幕不超過 15 個字,依照語句自然斷句。
ChatGPT 會給你一段像這樣的內容:
1
00:00:00,000 --> 00:00:03,200
大家好,我是小希
2
00:00:03,200 --> 00:00:06,800
今天要教大家一個超實用的功能
把它存成 .srt 檔:
- 如果 ChatGPT 直接提供下載按鈕,點下載即可
- 如果是純文字,複製全部內容 → 貼到記事本 / 文字編輯器 → 另存新檔,檔名取
字幕.srt(副檔名一定要是.srt)
請 ChatGPT 產生 SRT 並下載繁體字幕檔
小提醒:匯入後檢查時間軸
我這次實測,匯入剪映後有些偏移,把整軌字幕拖動一下就能對齊。你匯入後也記得播放檢查;如果每句偏移不同,就需要逐段調整。
步驟 4:把 SRT 匯回剪映
- 開剪映,進入你的專案
- 上方選「文字」→ 左側「本地字幕」(部分版本叫「導入字幕」)
- 選剛剛存好的
.srt檔 - 字幕就會自動鋪到時間軸上,接著套你習慣的字幕樣式即可
選擇繁體中文 SRT 字幕檔並匯入剪映
匯入後的字幕已鋪到剪映時間軸
剪映中的繁體中文字幕清單
到這裡,字幕流程就完成了:不用自己打字、不用簡轉繁、不用一個字一個字校正。
延伸用法:不只是剪輯
同一段音檔丟進去之後,可以接著要它做這些事:
整理重點摘要
請幫我把這段逐字稿整理成 5 個重點,每點一句話。
會議紀錄
請把這段會議錄音整理成會議紀錄,包含:討論事項、決議、待辦(誰負責、什麼時候)。
延伸成短影音腳本
請根據這段逐字稿,寫一支 60 秒的短影音口播腳本。
開頭 3 秒要有鉤子,結尾引導觀眾留言。
課程錄音變講義
請把這段課程錄音整理成講義,用標題分段,每段附一個例子。
常見問題
Q:音檔太長,它說無法處理? 切成 20–30 分鐘一段,分批丟。可以跟它說「這是第 1 段,共 3 段」,最後再請它合併。
Q:有兩個人以上在講話,可以分出誰說的嗎? 可以,在步驟 1 的指令後面加一句:「請標示說話者,用『A:』『B:』區分」。
Q:想要的是純文字逐字稿,不要時間碼? 步驟 1 轉出來的就是純文字,直接用就好;步驟 3 是字幕才需要。
Q:它轉出來還是有錯字怎麼辦? 用步驟 2 的批量修正指令,一次列出所有要改的詞,不用一個一個來。
有問題歡迎到 LINE 官方帳號跟我說,我會持續把大家常問的補到這篇。
加入 LINE
想第一時間收到新影片和完整提示詞,加入小希的 LINE
LINE加入小希的 LINE