AI 影片字幕工作流：結合 Gemini 與剪映的極速上字幕教學
這套流程解決了影片創作者在製作字幕時的三個核心問題：
- 專業術語準確率：確保 GenAI、LLM、Python 等詞彙不被聽錯。
- 閱讀體驗優化：自動加中英空格、去除口語贅詞（然後、那個）、符合人眼閱讀的斷句。
- 極速同步：利用「文稿匹配」功能，免去手動對時間軸的繁瑣過程。
🛠️ 準備工具
- 剪映 / CapCut 電腦版
- Google AI Studio (網頁版，建議使用 Gemini 3 Pro 模型，免費且 Token 上限極高)
步驟一：音頻導出
在剪映/CapCut 完成剪輯後，先不要上字幕，執行以下操作：
- 點選 導出。
- 僅勾選 「音頻導出」 (格式選 MP3 或 AAC 即可)。
💡 優化點： 處理長影片（超過 30 分鐘）時，建議每 15-20 分鐘切一段導出，避免剪映免費版「文稿匹配」的字數限制。
步驟二：AI 聽寫與校正
這是最關鍵的一步。我們不只是要「轉錄」，更是要讓 AI 幫我們「潤飾」。
- 前往 Google AI Studio。
- 模型選擇 Gemini 3 Pro。
- 將導出的 MP3 檔案拖入對話框。
- 輸入下方的 【提示詞】：
為什麼這樣設計？
- Step 1 術語確認：把 “Notion” 聽成 “Nation” 是不專業的。先讓 AI 問你，只需 30 秒確認，就能保證後面 100% 正確。
- 斷句控制（優化點）：手機直式影片（Reels/Shorts）字幕不宜過長，提示詞中已加入控制，確保閱讀體驗。
💡 使用小撇步
- 遇到極短音頻（< 3分鐘）：Gemini 通常會很有自信，它會直接跳過 Step 1 給您全文，達到「秒出」的效果。
- 遇到新專案/新主題：如果你這支影片是講一個全新的工具（例如突然要講 “Cursor” 編輯器），您在貼上 Prompt 之後，可以順手在
# Context & Vocabulary那邊補上 “Cursor” 這個字，這樣一次就會準。 - 關於「文稿匹配」：複製 AI 輸出的文字後，在剪映中選擇「文稿匹配」時，記得檢查一下第一句是否對齊。只要第一句對了，後面通常 99% 都是準的。
您可以現在就拿一段最近錄製的音檔（或上面那支 YouTube 影片的音頻）去 Google AI Studio 試跑一次，看看效果是否符合您的期待！
步驟三：極速匹配
拿到 AI 生成的完美文本後：
- 複製 AI 輸出的全部文字。
- 回到 剪映 / CapCut。
- 點擊 「文本」 -> 「智能文本」 -> 「文稿匹配」。
- 貼上文字，點擊「開始匹配」。
實測結果： 99% 準確的字幕會自動對齊音軌。
🌟 進階場景分流
根據您不同的產出需求，這裡提供兩個分支技巧：
場景 A：製作「雙語字幕」短影音
如果您想做像國外科技博主那種中英雙語字幕：
- AI 生成 SRT：在 Google AI Studio 完成中文稿後，多加一道指令：
「請將上述內容翻譯成英文，並將兩者合併為 SRT 格式（第一行為中文，第二行為英文）。」
- 導入剪映：將 AI 生成的代碼存為
.srt檔，直接拖入剪映。
場景 B：超長課程影片 (>30min)
剪映的「文稿匹配」有時對長文本不穩定。
- 分段處理：如筆記所述，將音頻切成 10-15 分鐘一段。
- SRT 暴力解法：如果不想分段，直接請 Gemini 輸出「帶時間軸的 SRT 格式」。
Prompt 補充指令：「請直接輸出 SRT 字幕格式，不需要與我確認術語。」
雖然 Gemini 的時間軸不如專門軟體（如 Whisper）精準到毫秒，但對於說話清晰的教學影片通常夠用，導入後只需微調。
參考文章：
