打开视频或音频
选择 MP4、MOV、WebM、MP3、WAV 等本地文件。能否读取取决于内部编码和浏览器，自动识别需要可解码的语音。
免费给视频加字幕
从语音生成字幕，逐句校对并调整样式。下载可继续编辑的 SRT/VTT，或把字幕固定在 MP4 画面中。源文件在本地处理，无需注册，不加水印。
或从现有字幕文件开始
如何给视频自动加字幕
选择语言和字幕样式
选择素材中的说话语言或自动检测，再选样式并生成。首次使用等待模型下载；也可直接导入已有 SRT/VTT。
试听并逐句校对
点击字幕跳到对应位置，修正人名、数字和起止时间。播放检查文字是否读得完，位置是否挡住主体。
保存字幕或带字幕的视频
下载 SRT/VTT 留作可编辑副本，或在支持的环境中导出 MP4。打开导出文件，检查字体、同步和声音。
从自动字幕到可发布的文件
本地自动识别语音
选择说话语言或自动检测，在模型可用时生成带时间的字幕。已有 SRT/VTT 可直接导入，无需重新识别。
媒体无需上传
音频识别和字幕视频导出在设备上完成。首次使用需要下载语音模型，部分字体也需要联网加载。
修改文字、时间与样式
搜索并定位字幕，修改起止时间，添加、删除或合并字幕行。预览字体、颜色、大小和位置。
选择字幕文件或 MP4
SRT/VTT 保存文字与时间；支持的浏览器可将所选视觉样式烧录进 MP4，字幕成为画面的一部分。
给一段产品演示加上能看懂的字幕
例如，一段两分钟的中文演示中包含产品名、版本号和三个操作步骤。生成时选择中文，先搜索产品名并逐个修正，再播放每个步骤的开头，核对字幕是否跟上说话。若字幕遮住按钮，把字幕框移到空白位置；检查最长的一句，确认字号与换行在画面中仍然清晰。完成后保存 SRT，并导出带样式的 MP4 用于直接播放。
SRT、VTT 与字幕视频分别适合什么用途？
需要交给剪辑师继续修改，或在支持字幕的平台中作为独立字幕轨使用，可以选择 SRT；网页播放器常用 VTT。此工具导出的两种文本文件都只保留文字与时间，不包含预览中的字体、颜色和动态样式。想让观看者直接看到同样的样式，则导出 MP4；使用字幕轨的平台可能再次显示字幕，发布前要检查是否重复。
已有字幕也能继续编辑
可以单独导入 SRT/VTT，修改文字和时间后重新下载，不必先做语音识别。需要画面预览或 MP4 输出时再加载对应媒体，并检查字幕是否匹配这一版素材；剪过开头的视频可能已经与旧字幕错位。也要检查最后一条字幕的结束时间，避免超过视频而延长输出。
视频加字幕常见问题
自动字幕和导出都免费吗？
此工具免费、无需账号，不添加 DojoClip 水印。处理能力仍取决于浏览器、编码支持、模型可用性和设备内存。
视频和字幕会上传到 DojoClip 吗？
不会为这项本地字幕处理上传媒体或字幕文字。模型与字体下载需要网络。请在离开或刷新页面前下载结果，不要把当前页面当作已保存的项目。
可以选择哪些识别语言？
界面提供中文、英语、西班牙语、法语、德语、意大利语、葡萄牙语、韩语、日语和自动检测。这里选择的是原片的说话语言，不会自动把字幕翻译成另一种语言。
自动生成后还需要校对吗？
需要，尤其是人名、专业词、数字、口音或多人同时说话的部分。可以修改文字和时间，也可补加或合并字幕。逐字高亮使用估算时间，应在播放中检查节奏。
MP4 字幕能像 SRT 一样关闭或修改吗？
不能。烧录字幕固定在画面中，建议同时保存 SRT/VTT。MP4 会重新编码为 30 fps，画面最长边限制为 4096 像素，不保证原帧率或无损。仅音频素材会生成深色背景字幕视频。
为什么生成较慢，文件有什么限制？
首次生成需要下载模型。自动识别上限为 700 MiB；浏览器报告为低内存的设备最多 10 分钟，其他设备最多 30 分钟。实际可用性仍受设备影响。这些是自动识别限制，导入 SRT/VTT 不需要下载语音模型。