Tạo file SRT, VTT từ video hoặc audio

Tạo file SRT và WebVTT có mốc thời gian cho từng đoạn

Tạo file SRT hoặc WebVTT từ link video được hỗ trợ hay bản ghi bạn tải lên. Mỗi đoạn có thời điểm bắt đầu và kết thúc. Cùng bản transcript đó, bạn có thể lấy JSON hoặc văn bản có mốc thời gian, không cần xử lý lại bản ghi.

Chọn định dạng theo công cụ bạn sẽ dùng

Đổi định dạng bằng cùng một id

Gọi GET /v1/transcriptions/:id với format=json, text, srt hoặc vtt. Nếu không chọn, API trả JSON.

Văn bản dễ đọc, dễ tìm lại đoạn gốc

format=text cùng timestamps=true thêm [hh:mm:ss] ở đầu mỗi dòng, tiện để ghi chú hoặc kiểm tra trích dẫn.

Phụ đề cho trình phát và phần mềm dựng

SRT dùng application/x-subrip. VTT dùng text/vtt và bắt đầu bằng WEBVTT. Mỗi segment tương ứng một mục phụ đề.

Lấy dữ liệu từng từ khi cần

include=words thêm thời điểm bắt đầu, kết thúc, chữ, độ tin cậy và người nói khi nguồn có dữ liệu đó. Với phụ đề do người đăng tải lên, words là null.

Tải thêm định dạng không mất thêm phút

TXT, JSON, SRT và VTT đều lấy từ cùng transcript đã hoàn tất. Đọc lại hoặc đổi định dạng không tạo job mới.

Đọc transcript có mốc thời gian mà không cần cú pháp phụ đề

Chọn format=text và timestamps=true để mỗi dòng có mốc thời gian. Nếu đã bật nhận diện người nói lúc tạo job, dòng cũng có nhãn người nói. Xem tham số lấy transcript để chọn cách đọc.

Dạng văn bản này hợp với ghi chú và tài liệu cần dẫn về bản ghi gốc. Giữ link hoặc tên file cạnh transcript: mốc 00:12:40 chỉ có ích khi biết nó thuộc bản ghi nào. Nội dung bên dưới là ví dụ minh họa cách xuất.

Trong JSON, start và end là số giây tính từ đầu bản ghi, không phải giờ trên đồng hồ hay ngày ghi âm. Ứng dụng có thể dùng các giá trị đó để tua trình phát đến đúng đoạn hoặc lưu làm nguồn cho ghi chú.

format=text&timestamps=true

curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?format=text&timestamps=true" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY"

[00:00:00] Place the microphone near the speaker.
[00:00:04] Record a short test before the interview.

Nên tạo file SRT hay tạo file VTT?

SRT gồm các mục đánh số với thời điểm bắt đầu và kết thúc. WebVTT bắt đầu bằng WEBVTT và dùng được trong phần tử track của HTML. Khi job hoàn tất, gọi format=srt hoặc format=vtt rồi lưu phản hồi.

Chọn định dạng phần mềm đích nhận được: SRT thường dùng khi dựng hoặc tải phụ đề lên; WebVTT phù hợp với track video trên web. Cả hai chỉ là file phụ đề, không chèn chữ vào hình ảnh hay sao chép kiểu phụ đề của mạng xã hội. Font và vị trí do trình phát hoặc phần mềm dựng quyết định.

SRT ngăn phần mili giây bằng dấu phẩy, còn WebVTT dùng dấu chấm. Đổi đuôi file không chuyển được định dạng. Hãy lấy đúng bản xuất từ cùng id đã hoàn tất; thao tác này không tốn thêm phút xử lý.

format=srt

1
00:00:00,000 --> 00:00:04,200
Place the microphone near the speaker.

2
00:00:04,200 --> 00:00:09,800
Record a short test before the interview.

Dùng JSON để đồng bộ chữ với âm thanh

Thêm include=words khi lấy JSON nếu cần tô sáng từng từ hoặc chọn đoạn cắt chi tiết. Nguồn không có mốc thời gian từng từ trả words: null. Tài liệu API giải thích các trường trước khi bạn dùng ví dụ bên dưới.

AI trả thời điểm bắt đầu, kết thúc và độ tin cậy của từng từ. Phụ đề YouTube tự động có thời điểm bắt đầu; thời điểm kết thúc được suy ra từ từ tiếp theo. Phụ đề do người đăng tải lên trên YouTube và mọi phụ đề ngoài YouTube không có dữ liệu từng từ, kể cả phụ đề tự động trên X, TikTok hay Bluesky. Phụ đề X có transcript_source là x_captions.

Giao diện cần dùng mốc của segment khi words là null. Đừng coi mốc từng từ là điểm cắt hoàn hảo: nghe thử quanh điểm cắt để không mất âm đầu hoặc hơi thở. Nếu làm phụ đề, nhóm từ thành cụm dễ đọc và kiểm tra trên đúng kích thước màn hình đích.

include=words

curl "https://api.transcript1.com/v1/transcriptions/tr_8fK2Lm0PqRsTuVwXyZaBcD?include=words" \
  -H "Authorization: Bearer $TRANSCRIPT1_API_KEY"

Kiểm tra file trước khi đưa vào trình phát

Chờ status=completed rồi mới lấy SRT, VTT hoặc văn bản. Job chưa xong sẽ trả đối tượng JSON mô tả trạng thái. Nếu trình phát báo lỗi file SRT, kiểm tra xem bạn có lưu nhầm JSON trạng thái với đuôi .srt không.

Thời gian phụ đề phải khớp bản video cuối cùng. Nếu cắt một đoạn ở giữa bản ghi, bạn cần dịch lại mốc thời gian cho đoạn đó. Khi tái sử dụng nội dung, giữ khoảng cắt dự kiến rồi căn phụ đề sau khi chốt bản dựng.

Trước khi công bố, mở phụ đề trong trình phát đích và xem ở tốc độ bình thường. Kiểm tra độ dài dòng, thời gian đọc và cách ghi người nói. Hướng dẫn phụ đề dễ tiếp cận còn nhắc những âm thanh quan trọng và ngữ cảnh hình ảnh mà lời nói chưa thể hiện hết.

Lưu id của transcript cùng thông tin bản xuất. Sau này cần VTT thay SRT, hay JSON từng từ thay văn bản, bạn chỉ đọc định dạng khác từ cùng job chứ không gửi lại bản ghi.

Câu hỏi thường gặp

Tôi có thể chuyển video thành phụ đề SRT không?

Có. Tạo transcript từ link YouTube hoặc file MP4, chờ hoàn tất rồi lấy format=srt. Bạn cũng có thể lấy WebVTT, văn bản và JSON từ cùng id.

start và end tính theo đơn vị gì?

Trong JSON, đó là số giây tính từ đầu bản ghi. SRT và VTT dùng định dạng thời gian hh:mm:ss theo quy ước của từng loại file.

Phụ đề YouTube có thời gian từng từ không?

Phụ đề tự động có thời điểm bắt đầu từng từ. Phụ đề do người đăng tải lên không có, nên words là null. Với AI, bạn có cả thời điểm bắt đầu, kết thúc và độ tin cậy.

Có lấy được SRT khi job còn chạy không?

Chưa. SRT, VTT và văn bản chỉ có khi transcript hoàn tất. Trước đó API trả JSON để bạn đọc trạng thái job.