ScreenKite 中產生的字幕是詞級的。ScreenKite 不會為整句話或整段片段建立一個長字幕區塊，而是為每個說出的單詞建立一個字幕提示。這為編輯器提供了所需的精確時間資料，以實現短小、類似 Screen Studio 風格的字幕漸顯以及精準的 agent 工作流程。
產生字幕前
開啟設定 → 轉錄，並設定詞級標籤：
- 選擇自動進行常規設定。設定 API 金鑰後，ScreenKite 將優先使用 ElevenLabs，否則回退至已下載的 WhisperKit 模型。
- 需要託管的 Scribe 詞級時間時，選擇 ElevenLabs。
- 在 Apple Silicon Mac 上，需要在裝置端使用已下載模型的 WhisperKit 詞級時間戳記時，選擇本機。
OpenAI、Groq 和 Azure OpenAI 不用於產生字幕的時間計算。它們仍可在文字與匯出下設定，用於 AI 整理、校對或純文字稿匯出工作流程。
ElevenLabs 金鑰驗證
在 ElevenLabs 下輸入 API 金鑰後，點按測試金鑰進行驗證。結果將直接顯示在按鈕旁邊：
| 標籤 | 原因 |
|---|---|
| Valid for Speech to Text | 金鑰已被接受並擁有所需的權限範圍。 |
| Invalid API key | HTTP 401 — 金鑰格式錯誤、已被撤銷或屬於其他工作區。 |
| Key needs ElevenLabs Speech to Text permission | HTTP 403 — 金鑰存在但缺少所需的權限範圍。請開啟 ElevenLabs 控制面板，更新 API 金鑰範圍以包含 Speech to Text 存取權限。 |
| 橙色警告（例如 "ElevenLabs rate limit reached. Try again later."） | HTTP 429 — 已達到 ElevenLabs 的速率限制。請稍等片刻後重新測試。 |
速率限制與其他暫時性訊息可能會折行為多行——標籤會垂直展開以顯示完整文字。
產生字幕
- 在專案編輯器中開啟
.skbundle專案。 - 確保專案包含麥克風、替代或主音訊。
- 在編輯器中使用字幕產生動作，或請 agent 產生字幕。
- ScreenKite 使用設定的詞級提供商對音訊進行轉錄。
- ScreenKite 匯入一個 SRT 檔案，其中每個提示對應一個說出的單詞。
結果是一個由簡短的詞級時間片段組成的字幕軌道，而非句子長度的字幕區塊。如果提供商未傳回任何語音，ScreenKite 會報告未偵測到語音。如果提供商僅傳回不帶詞級時間戳記的句子片段，產生字幕將停止，而不是建立近似的長字幕。
Agent 工作流程
Agent 使用與應用程式相同的詞級字幕路徑。提示詞可以非常直接，例如：
codex "Open ~/Desktop/Recording.skbundle and generate word-level captions from the microphone track"
對於文字稿剪輯、贅字整理或 B-roll 規劃，agent 可以重用相同的詞級時間戳記，使剪輯和視覺節奏與語音保持同步。
若要在沒有終端機的情況下觸發字幕產生，請使用內建的 AI 聊天助手——它可以使用相同的字幕工具，只需在聊天面板中輸入文字提示詞即可。
字幕分段
字幕分段控制項可讓你調整字幕的換行方式。預設情況下，ScreenKite 為每個單詞產生一個字幕提示，但你可以設定行分組，以產生更易在螢幕上閱讀的多詞字幕片段。
引導式轉錄設定
首次使用 AI 或文字稿功能時，ScreenKite 會顯示一個引導式設定視窗，帶你逐步選擇並設定轉錄提供商。這可確保在你嘗試產生字幕或使用文字稿剪輯功能前，轉錄已準備就緒。
時間軸行為
產生的字幕會顯示在時間軸的字幕軌道上。由於每個單詞都有各自的提示，你可以以詞為單位檢查和編輯時間。
請參閱時間軸與軌道了解軌道導覽基礎，參閱 Agentic Video Editing 了解文字稿驅動的編輯工作流程。