普通话口音重，怎么用AI做短视频字幕

口音重的普通话可以先用中文生成字幕初稿，再回听易错的词。方言口播要看工具是否提供对应识别选项。用实际录音中口音最明显的一段先做字幕，更容易看出后面要改多少。

用一段典型口播生成字幕

在 CapCut 网页版已放好素材的样片项目中，打开左侧 Captions，进入 Auto captions。在 Language used in video 里按实际口播选语言，再点 Generate。图中的 English (US) 是界面示例。做中文口播时改选面板里适用的选项，具体语言和使用权限以当前界面为准。样片尽量包含平时说话的速度、地方用词和背景声音。

对着原声校对容易听错的句子

生成后，在字幕列表选中有疑问的一条，定位到原声，再修改对应的字幕文字。先核对人名、地名和数字，例如「十五」是否被写成「五十」。地方用语可以按视频受众决定是保留原话，还是换成意思相同的常用词。断句时按意思分段，避免一句还没说完就跳到下一条。

如果初稿只有个别用字写错，沿用已有时间轴改字通常就够了。出现长段漏句时，可先听写那段原话，再配回画面。背景音乐和说话声叠得很重时，要留意停顿附近是否少了一整句。