入口在哪
先把素材丢进轨道、确定音频是你要识别的那条，然后左侧面板点「文本」→「智能字幕」→「识别字幕」。识别速度取决于时长和机器，几分钟的视频通常是喝口水的事。识别完轨道上会多出一整条字幕轨，拖动、删除、拆分都和普通片段一样。
如果视频是唱歌或者有歌词，同一个菜单里有「识别歌词」，出来的是逐句高亮那种效果，做翻唱视频挺省事。
错字必须自己对一遍
识别结果对口语里的同音字很不客气，产品名、人名、地名、专业术语基本一遍错一条。一遍跟着听下来改，别指望它。
这里有个效率上的建议：如果你本来就打算写稿，先把文案在记事本里写顺，再在剪映里直接导本地字幕，比起先识别再从头改错字，反而快。
样式不要一条条改
默认出来的白字看着比较土。选中一条字幕，在右侧面板里把字体、描边、阴影、位置调好之后，面板里有「应用到全部字幕」这一类按钮，点一下所有字幕统一跟上。位置要一起移动的话，在播放器里直接拖，再应用一次。
样式建议：字号别太大、加一圈细描边或者轻微阴影，在亮背景上也能看清楚。别用太花的字体，短视频上停留那几秒，花哨的字反而更难读。
字幕还能带走
同一批素材要做多语言版本、或者想把字幕放到别的剪辑软件里继续用的时候，可以在剪映里导出字幕文件，格式通常是 SRT。它是纯文本，用记事本也能改，改完之后再导入回去，批量修错别字比在时间轴上点来点去舒服。
两个容易踩的点
一是先剪完再识别。如果识别完又回头把视频中间剪掉一截，字幕和音画会错开一段，得重新识别或者手动拖。
二是背景音乐声音别盖过人声，识别准确率跟人声清晰度直接挂钩。有条件的先给音频做个降噪，少吃很多亏。
