进阶教程 · 作者 Jun Tang · 价格核对于 2026 年 11 月 1 日 · 约 5 分钟读完

用阿里云 / 腾讯云语音识别批量做字幕：免费额度、费用和一段能跑的脚本

推广说明：本页含推广链接。部分云服务/工具链接以后可能换成推广链接，通过它们注册或购买，我可能获得佣金，你不需要多付任何费用，也不影响我的推荐——免费额度够用的地方我都会写明。价格与免费额度均于 2026 年 11 月 1 日在官网核对，标注“以官网为准”的地方表示官网未写明或无法核实。了解本站如何运作。

一两条视频，用剪映识别字幕就够了。但如果你手上是几十节课程、一批直播回放，或者每天要出很多条口播，一条条点会很累。这时可以直接调用云厂商的「录音文件识别」接口：把视频丢上去，批量拿回带时间戳的结果，转成 SRT 字幕，再导入剪映排版。这篇适合会一点命令行和 Python 的朋友。

简单说：想先免费试：腾讯云录音文件识别每月送 10 小时（常规引擎），而且新用户默认关闭后付费，用完就停，不会意外扣钱；官方还有现成的“视频自动生成字幕”教程。阿里云新用户试用期 3 个月，每 24 小时可免费识别 2 小时录音文件。正式用量大时，两家常规价格都在每小时 1–2.5 元这个区间。

免费额度：先白嫖哪家？

腾讯云 录音文件识别阿里云 智能语音交互 录音文件识别
免费额度每月 10 小时（只适用常规引擎；大模型 1.0/2.0 版没有免费额度）新用户试用 3 个月，每隔 24 小时可免费识别 2 小时
发放方式当月首次开通当天发放，之后每月 1 日发放，仅当月有效试用期内按 24 小时滚动
超出后新用户（2022 年 5 月起开通）默认关闭后付费，额度用完自动停服需升级商用版，按量付费或买资源包
处理时效官方写最长 3 小时返回，大多数 1 小时音频 1–3 分钟完成免费用户 24 小时内完成，付费用户 3 小时内完成
结果保存24 小时72 小时

小结：做字幕的话，腾讯云的免费额度更实用——每月 10 小时，出结果快，还有字幕专用的返回格式。阿里云试用免费任务要等最多 24 小时，更适合不赶时间的批量任务。

超出免费额度后的价格

腾讯云

阿里云

算一笔账：每月 30 小时课程视频，腾讯云前 10 小时免费，剩下 20 小时按 1.75 元算约 35 元；如果买 60 小时 90 元的包，够用两三个月。

腾讯云：从视频到 SRT 的流程

腾讯云官方有一篇《通过录音文件识别实现视频自动生成字幕》，思路很清楚，我按它整理：

  1. 在 腾讯云语音识别 开通服务（需要腾讯云账号，按平台要求完成实名认证），在访问管理里创建 API 密钥（SecretId / SecretKey）。密钥只放在环境变量里，别写进代码、别发给别人。
  2. 准备音频：接口直接支持 wav、mp3、m4a、flv、mp4、wma、3gp、amr、aac、ogg-opus、flac，mp4 不用转码。mkv、avi 之类先用 ffmpeg 转成 wav。
  3. 上传到对象存储 COS 拿一个 URL（官方推荐，不产生外网流量费）。URL 方式音频不超过 5 小时、1GB；直接上传本地文件只支持 5MB 以内。
  4. 调用 CreateRecTask 创建任务，关键参数：ResTextFormat=3（按标点分段、字幕场景专用）和 SentenceMaxLength（单行最多几个字，取值 6–40，竖屏建议 15 左右）。
  5. 用 DescribeTaskStatus 轮询结果，把每句的起止时间写成 SRT。

下面是一段精简示例（需要 pip install tencentcloud-sdk-python），批量的话循环处理 URL 列表即可：

import os, time
from tencentcloud.common import credential
from tencentcloud.asr.v20190614 import asr_client, models

cred = credential.Credential(os.environ["TENCENTCLOUD_SECRET_ID"], os.environ["TENCENTCLOUD_SECRET_KEY"])
client = asr_client.AsrClient(cred, "")

def ms(t):
    h, t = divmod(t, 3600000); m, t = divmod(t, 60000); s, t = divmod(t, 1000)
    return f"{h:02}:{m:02}:{s:02},{t:03}"

def to_srt(url, out_path):
    req = models.CreateRecTaskRequest()
    req.EngineModelType = "16k_zh"      # 常规中文引擎（有免费额度）；中英混说可用 16k_zh_en 等大模型引擎（无免费额度）
    req.ChannelNum = 1
    req.SourceType = 0                  # 0 = 音频 URL
    req.Url = url
    req.ResTextFormat = 3               # 字幕场景：按标点分段，带起止时间
    req.SentenceMaxLength = 15          # 单行字幕最多 15 字
    task_id = client.CreateRecTask(req).Data.TaskId
    while True:
        q = models.DescribeTaskStatusRequest(); q.TaskId = task_id
        data = client.DescribeTaskStatus(q).Data
        if data.Status == 2: break      # 2 = 成功
        if data.Status == 3: raise RuntimeError(data.ErrorMsg)
        time.sleep(10)
    with open(out_path, "w", encoding="utf-8") as f:
        for i, s in enumerate(data.ResultDetail, 1):
            f.write(f"{i}\n{ms(s.StartMs)} --> {ms(s.EndMs)}\n{s.FinalSentence}\n\n")

to_srt("https://你的COS地址/video1.mp4", "video1.srt")

注意：这是示意代码，参数名和返回字段以 腾讯云 API 文档 为准；官方教程附有完整工程（含异常处理）的 GitHub 链接。效果调优：字幕太长就把 SentenceMaxLength 调小（官方建议 15–25），中英混说换 16k_zh_en 系列引擎。

阿里云：要点和坑

拿到 SRT 之后

把 SRT 导入剪映（或你习惯的剪辑软件）统一排版，再按 剪映双语字幕流程 里的校对清单过一遍。机器识别再准，人名、数字、专业词也要人工看。要做双语，可以对校对好的中文 SRT 逐句翻译，保持条数和时间轴不变。

想看云服务和剪映、讯飞智作等工具放在一起怎么选，见 国内 AI 字幕/配音工具对比。

来源（2026-11-01 核对）

相关指南

教程

剪映自动字幕 + 中英双语字幕怎么做（2026 流程）

用剪映给短视频自动加字幕、做中英双语字幕的完整流程：识别字幕、翻译、双行排版、校对和导出，以及哪些功能可能要会员、免费替代办法。

价格

讯飞智作价格、免费额度和能否商用：AI 配音 / 数字人会员怎么选（2026）

讯飞智作（讯飞配音）会员多少钱？配音会员 45 元/月、智作标准 399 元/月、尊享 2999 元/月各含什么，免费额度怎么领，生成内容能否商用，官网逐条核对。

入门

即梦 AI 生成视频入门：免费积分、会员价格和版权说明（2026）

即梦 AI（剪映旗下）生成视频入门：文生视频、图生视频怎么写提示词，每日免费积分规则，基础/标准/高级会员价格，去水印和生成内容版权，均按官网核对。

← 回到国内版首页