# 使用Gemini转写音频视频文件并保证时间轴准确

**URL:** <https://meta.appinn.net/t/topic/65153>\
**Category:** 讨论分享\
**Created:** [2025 年1 月 10 日 15:56 UTC](https://meta.appinn.net/t/topic/65153 "2025-01-10T15:56:31Z")\
**Posts on this page:** 3\
**Page:** 1

<div class="post-metadata">

作者： ![jameon512](https://meta-edge.appinn.com/user_avatar/meta.appinn.net/jameon512/32/49607_2.png) [@jameon512](https://meta.appinn.net/u/jameon512)\
发布日期： [2025 年1 月 10 日 15:56 UTC](https://meta.appinn.net/t/topic/65153/1 "2025-01-10T15:56:31Z")

</div>

Gemini AI 1.5/2.0 flash模型可以快速、准确地将音视频内容转录为文字,并且提供了可观的每日免费额度，足以满足日常的音视频转录需求。

但是，直接将完整的音视频文件发送给 Gemini 转写后，时间轴往往不够精确，尤其在需要转写为字幕场景压根不可用。

为了解决这个问题，搞了一个简单的小工具，主要自动完成以下操作：

1. **智能切片：** 利用 VAD模型，将音视频文件智能切分成小片段。
2. **逐片转录：** 将每个片段单独发送给 Gemini AI 进行转录。
3. **精准组装：** 将转录结果按时间顺序重新组装成一个完整的 SRT 字幕文件，确保时间轴的准确性。

## 开源地址

> **[GitHub - jianchang512/gemini-speech2srt: 使用 Gemini AI 转写音视频为 SRT 字幕](https://github.com/jianchang512/gemini-speech2srt)**
>
> 使用 Gemini AI 转写音视频为 SRT 字幕

## UI截图

![gemini.gif](https://h1.appinn.me/file/1736524504984_gemini.gif)

---

<div class="post-metadata">

作者： ![Qingwa](https://meta-edge.appinn.com/user_avatar/meta.appinn.net/qingwa/32/58632_2.png) [@Qingwa](https://meta.appinn.net/u/Qingwa)\
发布日期： [2025 年1 月 11 日 02:31 UTC](https://meta.appinn.net/t/topic/65153/2 "2025-01-11T02:31:30Z")

</div>

我就问你一个问题：有没有测试过日文？

---

<div class="post-metadata">

作者： ![Qingwa](https://meta-edge.appinn.com/user_avatar/meta.appinn.net/qingwa/32/58632_2.png) [@Qingwa](https://meta.appinn.net/u/Qingwa)\
发布日期： [2025 年1 月 11 日 02:34 UTC](https://meta.appinn.net/t/topic/65153/3 "2025-01-11T02:34:17Z")

</div>

另外大佬啊，你的这个产品在论坛里多次被提及，以及口碑也不错。

为啥不发到 #发现频道 🔎 呢…