Informar dun erro / Solicitar unha funcionalidade
Xerador de vídeos IA Editor de vídeo IA Mellorador de vídeo IA IA Video Dubbing Studio Captura de rendemento da IA (Pista Acto-Dous) Traductor de vídeo de IA Efectos de vídeo IA, estilo Pikaffects Aumenta a escala do vídeo con IA Máis →

Xerador de subtítulos de IA

Uso comercial aceptado Máis de 380 modelos Sen marca de auga Non é preciso rexistrarse
Modelo:
+ GPT-5, Claude, Gemini
Grava títulos virales ao estilo de TikTok no seu vídeo — texto en negrita grande con animación de realce palabra por palabra (tempo de karaoke ASS). Prefire ficheiros SRT/VTT simples? Use subtitle toolen vez diso — este é o estilo primeiro e sempre se queima.

Arrastre un vídeo aquí ou prema para envialo

MP4, MOV, WebM ata 200MB — 99 idiomas soportados a través de Whisper

— — — —
Cor de realzado palabra por palabra (efecto karaoke).
Estimación de token para o seu clip
—
Envíe un vídeo para ver o custo exacto do seu clip.
Obter o vídeo con subtítulos Descargar os subtítulos.ass

Onde os subtítulos virales gañan a súa vida

TikTok / Carretes / Curtos

A taxa de completación da forma curta salta do 30% ao 40% con subtítulos palabra por palabra. A predefinición TikTok Neon é a que usan todos os creadores máis importantes.

Clips virais de YouTube

Sobreposicións de texto en negrita ao estilo de MrBeast en imaxes de reacción/ comentario. Predefinición de YouTube Lowerthird cunha caixa translúcida.

Clips de podcast para redes sociais

Os programas de audio primeiro recortados para IG Reels / TikTok. A predefinición de podcast mantén os subtítulos lexíbeis sobre a moldura da cabeza falante.

Como facer en 4 pasos

  1. Envíe o seu vídeo. Obtemos o son, executamos Whisper STT e lemos a temporización de cada segmento falado.
  2. Escolla un estilo predefinido - TikTok Neon é a elección segura para os virus. A fonte / cor de realce / posición sobrescríbense aos valores predefinidos.
  3. Construímos un ficheiro de subtítulos ASS con tempo de karaoke palabra por palabra (o efecto onde as palabras cambian de cor mentres se falan).
  4. ffmpeg grava os subtítulos no vídeo. O procesamento leva de 30 a 90 segundos. Pecha a lingüeta; enviarémosche un correo electrónico cando remate.

vs. CapCut, Submagic, Opus Clip, Captions.AI

Os subtítulos automáticos de CapCut son gratuítos e bos, pero necesita instalar o editor CapCut e non pode exportalos por lotes. Submagic custa 20$/mes para ilimitado. Opus Clip custa 30$/mes para formato longo → formato curto con subtítulos automáticos incluídos. Captions.AI (App Store) custa 10$/mes. Esta ferramenta executa Whisper large-v3 + unha gravación de karaoke ASS de ffmpeg — as mesmas dúas primitivas que usan todas as ferramentas de pago — dentro do seu conxunto de tokens. Para exportacións sociais individuais e por lotes, é o camiño máis rápido.

Subtítulos vs subtítulos — cal é a diferenza?

Os subtítulos (consulte / vídeo/ subtítulo /) son unha utilidade: ficheiros SRT/ VTT que o espectador pode activar/ desactivar, deseñados para a accesibilidade e enviados a YouTube Studio. Os subtítulos (esta ferramenta) son un estilo: texto en negrita grande gravado en cada fotograma con animación de karaoke, deseñado para aumentar a taxa de finalización en TikTok / Reels / Shorts onde o 85% dos espectadores manteñen o son apagado. Use os subtítulos para as CC de YouTube; use os subtítulos para a forma curta viral.

Cando non se deben empregar os subtítulos

  • Vídeos que xa teñen os subtítulos gravados - o texto duplicarase e parecerá roto.
  • Subidas de YouTube de forma longa — use o SRT de /video/subtitle/ no seu lugar para que os espectadores poidan cambiar as CC.
  • Vídeos sen diálogo — non hai nada para subtitular. Os clips só de música deberían engadir sobreposicións de texto manualmente.
Opcións avanzadas
Resultado
A faltar fichas. Obter máis fichas
Queres mellores resultados? Modelos Premium (GPT-5, Claude, Gemini) ofrecen unha calidade superior. Ver os planos

❤️ Amas Free.ai?

Regístrese para obter unha ligazón de referencia e gañar 25.000 tokens por amigo.

Queres máis? Inscríbete gratis para 30K tokens/día + 10K de bonificación
Inscríbete gratis

A procesar o seu pedido...

Grave subtítulos ao estilo viral de TikTok en calquera vídeo: resalta karaoke palabra por palabra, 7 preconfiguracións de estilo, 8 tipos de letra, 99 idiomas Whisper STT. Grave sempre.

Como usar Xerador de subtítulos de IA

1
Introduza a súa entrada

Escriba texto, envíe un ficheiro ou describa o que queira. Non se precisa conta.

2
Prema para xerar

A nosa IA procesa a túa solicitude en segundos empregando os mellores modelos de código aberto.

3
Obter e compartir

Obteña, copie ou comparta o seu resultado. Gratuito para uso persoal e comercial.

Empregar esta ferramenta mediante API

Automatice esta ferramenta a partir do seu propio código. Punto final REST compatíbel con OpenAI, autenticación por token de portador, non se require SDK adicional. Os custos dos tokens son iguais aos da interface web.

Documentación da API Obter a chave da API 
curl -X POST https://api.free.ai/v1/video/generate/ \
  -H "Authorization: Bearer sk-free-..." \
  -H "Content-Type: application/json" \
  -d '{"prompt": "A cat playing piano", "duration": 4}'

Ferramentas libres de IA relacionadas

Xerador de vídeos IA
Editor de vídeo IA
Mellorador de vídeo IA
IA Video Dubbing Studio
Captura de rendemento da IA (Pista Acto-Dous)
Traductor de vídeo de IA
Efectos de vídeo IA, estilo Pikaffects
Aumenta a escala do vídeo con IA

Xerador de subtítulos de IA — FAQ

Grava subtítulos de estilo viral en calquera vídeo con animación de tempo de karaoke palabra por palabra. Diferente de / video/ subtitle /: os subtítulos saen en ficheiros SRT/VTT que os xogadores activan/desactivan. Os subtítulos sempre se gravan, primeiro o estilo e sintonizados para TikTok / Reels / Shorts onde os subtítulos deben codificarse en cada fotograma.

Catro pasos: (1) extraer o son mono a 16 kHz do vídeo, (2) transcribir con Whisper large- v3 para tempos de palabra en 99 linguas, (3) construír un ficheiro de subtítulos ASS con etiquetas de tempo de karaoke \ kf a nivel de palabra, (4) ffmpeg grava o ASS en cada fotograma usando libass para un texto limpo e antialias.

50 tokens por segundo (mínimo de 2. 000 tokens). Un clip de 30 segundos é ~2. 000 tokens (o chan comeza); un clip de 60 segundos é ~3. 000; un clip de 3 minutos é ~9. 000. STT controla a maior parte do custo; o burn- in engade un 25% encima.

Sete: TikTok Neon (Montserrat amarela, resaltado palabra por palabra), YouTube Lowerthird (Roboto branco nunha caixa translúcida), Meme (Impacto branco cun contorno negro), Podcast (Poppins nunha caixa redondeada escura), Keynote (Arial Black na parte superior), Cinematic (Oswald cursiva na parte inferior) e TED (Roboto aliñado á esquerda).

Si. A lista despregábel de tipos de letra sobrescríbeos con Impact, Montserrat, Bebas Neue, Arial Black, Oswald, Poppins, Anton ou Roboto. O selector de cor de realce controla o realce palabra por palabra (en hexadecimal). A posición permítelle sobrescribir arriba / centro / baixo independentemente do predefinido.

Si — 99 idiomas mediante Whisper. A detección automática funciona no 99% dos clips. Pode forzar unha lingua se Whisper detecta erros (común en clips curtos de menos de 5 segundos ou en sons con linguas mixtas).

Non. Se non hai diálogo falado, Whisper non devolve segmentos e aparece un erro claro « Non se detectou fala » para que non grave fichas nunha tarefa imposible.

CapCut é gratuíto, funciona sen conexión despois da instalación e ten excelentes subtítulos automáticos. Se CapCut xa é o seu editor, utilíceo alí. Xerador de subtítulos de IA salta a instalación e dálle acceso ao navegador por lotes. A cadea subxacente Whisper + libass é a mesma primitiva.

Submagic custa 20$/mes para subtítulos ilimitados con decenas de paquetes de estilo. Opus Clip custa 30$/mes con recortes de IA de forma longa a curta. Captions.AI custa 10$/mes en móbiles. Os tres usan Whisper por baixo; o seu valor real é a biblioteca de estilos e a detección de clips. Para usos únicos e volumes máis pequenos, Xerador de subtítulos de IA é gratuíta dentro do seu conxunto de tokens.

Whisper dá marcas de tempo a nivel de segmento — distribuímos uniformemente a duración do segmento entre as súas palabras para derivar o tempo por palabra. Nos segmentos falados rápido a estimación pode variar ~0, 1 segundos. Para un tempo preciso por fotograma, use o ficheiro. ass que se pode descargar e edite en Aegisub.

Si. Despois da exportación, tanto o ficheiro MP4 subtitulado como o ficheiro. ass en bruto poden ser descargados. Edite o ficheiro. ass en Aegisub se quere tempos de palabra perfectos e logo grave de novo localmente con ffmpeg - vf subtitles=file. ass.

Si. POST multipart a / v1/ vídeo/ título/ con « ficheiro », « estilo » (tiktok- neon / youtube- lower / meme / podcast / keynote / cinematic / ted), opcional « fonte », « cor_ realce » (hex), « posición », « linguaxe ». Pre- voo: GET / v1/ vídeo/ título- cita /? duración=SECS. Fragmentos en / api /.

Inscríbete gratis para obter 30.000 tokens

Crear unha conta libre

Non se require tarxeta de crédito

Como valora esta ferramenta?

Amas Free.ai?