ScreenKite 中生成的字幕是词级的。ScreenKite 不会为整句话或整段视频创建一个长字幕块，而是为每个说出的单词创建一个字幕提示。这为编辑器提供了所需的精确时间数据，用于实现短小、类似 Screen Studio 风格的字幕渐显以及精准的 Agent 工作流。
生成字幕前
打开设置 → 转录，配置词级选项卡：
- 选择自动进行常规设置。配置 API 密钥后，ScreenKite 将使用 ElevenLabs，否则将回退到已下载的 WhisperKit 模型。
- 需要托管的 Scribe 词级时间戳时，选择 ElevenLabs。
- 在 Apple Silicon Mac 上，需要本地 WhisperKit 设备端词级时间戳时，选择本地。
OpenAI、Groq 和 Azure OpenAI 不用于生成字幕的时间戳。它们仍可在文本与导出下配置，用于 AI 整理、校对或转录文本导出工作流。
ElevenLabs 密钥验证
在 ElevenLabs 下输入 API 密钥后，点击测试密钥进行验证。结果直接显示在按钮旁边：
| 标签 | 说明 |
|---|---|
| Valid for Speech to Text | 密钥已被接受并拥有所需的权限范围。 |
| Invalid API key | HTTP 401 — 密钥格式错误、已被撤销或属于其他工作区。 |
| Key needs ElevenLabs Speech to Text permission | HTTP 403 — 密钥存在但缺少所需权限。请打开 ElevenLabs 控制台，更新 API 密钥范围以包含 Speech to Text 访问权限。 |
| 橙色警告（如"ElevenLabs rate limit reached. Try again later."） | HTTP 429 — 已达到 ElevenLabs 速率限制。稍等片刻后重新测试。 |
速率限制及其他临时消息可能折行显示——标签会垂直展开以显示完整文本。
生成字幕
- 在项目编辑器中打开
.skbundle项目。 - 确保项目包含麦克风、替代或主音频。
- 在编辑器中使用字幕生成操作，或让 Agent 生成字幕。
- ScreenKite 使用配置的词级提供商对音频进行转录。
- ScreenKite 导入一个 SRT 文件，其中每个提示对应一个说出的单词。
结果是一个由短小词级时间戳片段组成的字幕轨道，而非句子长度的字幕块。如果提供商未返回任何语音，ScreenKite 会报告未检测到语音。如果提供商仅返回不带词级时间戳的句子片段，生成字幕将停止，不会创建近似的长字幕。
Agent 工作流
Agent 使用与应用相同的词级字幕路径。提示词可以非常简洁，例如：
codex "Open ~/Desktop/Recording.skbundle and generate word-level captions from the microphone track"
对于转录剪辑、语气词整理或 B-roll 规划，Agent 可以复用相同的词级时间戳，确保剪辑点和视觉节奏与语音保持同步。
若要在没有终端的情况下触发字幕生成，请使用内置的 AI 聊天助手——它可以使用相同的字幕工具，只需在聊天面板中输入文字提示即可。
字幕分段
字幕分段控制项可调整字幕的换行方式。默认情况下，ScreenKite 为每个单词生成一个字幕提示，但你也可以配置行分组，将多个单词合并为更易阅读的字幕段落。
转录引导设置
首次使用 AI 或转录功能时，ScreenKite 会显示引导设置窗口，引导你选择并配置转录提供商，确保在生成字幕或使用文本编辑功能前已完成设置。
时间线行为
生成的字幕显示在时间线的字幕轨道上。由于每个单词都有独立的提示，你可以按词粒度检查和编辑时间戳。
轨道导航基础请参阅 时间线与轨道，转录驱动的编辑工作流请参阅 Agentic Video Editing。