Blog

Jak utworzyć plik SRT z wideo, audio lub tekstu

Autor: Hushscript | Opublikowano: 20 czerwca 2026 | Ostatnio sprawdzono: 20 października 2026

Aby utworzyć plik SRT, wykonaj transkrypcję dźwięku z wideo lub nagrania i wyeksportuj ją jako SRT. Każdy wiersz mowy staje się ponumerowanym wpisem z już wypełnionym czasem początku i końca. Generator napisów robi to online, w przeglądarce, więc nigdy nie wpisujesz znacznika czasu. Jeśli masz tylko tekst, możesz też napisać SRT ręcznie; opisuje to sekcja niżej. Ten poradnik wyjaśnia, co zawiera ten format, jak zrobić plik SRT z wideo, audio lub tekstu i jak go uporządkować, by napisy dobrze się czytały.

Czego potrzebujesz na start

Potrzebujesz pliku wideo i kilku minut. Działa każdy popularny kontener: MP4, MOV, MKV, WebM, AVI i inne. Do utworzenia SRT nie potrzebujesz oprogramowania do montażu ani wcześniejszej konwersji wideo. Edytor napisów jest opcjonalny i przydaje się dopiero później, jeśli chcesz mieć widok osi czasu podczas dopracowywania czasowania.

Do pełnej transkrypcji potrzebujesz konta i wystarczającej liczby dostępnych minut. Kwalifikujące się konta osobiste mogą jednorazowo otrzymać 30 bezpłatnych minut po pomyślnej weryfikacji karty albo z pierwszym zakupem, jeśli nie zostały już przyznane. 5-minutowy podgląd, który pojawia się jako pierwszy, nie wymaga konta, więc możesz ocenić jakość, zanim do czegokolwiek się zobowiążesz.

Czym jest plik SRT

SRT to skrót od SubRip Text. Dokładniejsze wyjaśnienie znajdziesz w tekście czym jest plik SRT i czym różni się od VTT. Format jest celowo prosty: ciąg ponumerowanych bloków, a każdy składa się z trzech części w osobnych wierszach. Najpierw numer, potem znacznik czasu start --> end, na końcu jeden lub dwa wiersze tekstu napisów. Pusty wiersz oddziela jeden blok od następnego.

1
00:00:02,340 --> 00:00:05,810
Dźwięk jest wyodrębniany w twojej przeglądarce.

2
00:00:06,100 --> 00:00:09,440
Na serwer trafia tylko dźwięk, nie wideo.

Kilka szczegółów ma znaczenie, gdy czytasz plik lub edytujesz go ręcznie. Format znacznika czasu to HH:MM:SS,mmm, od godzin po milisekundy, a separatorem przed milisekundami jest przecinek, nie kropka. Strzałka między dwoma czasami to dokładnie dwa myślniki i znak większości. Numery powinny iść po kolei od 1, bez luk. Błąd w którymkolwiek z tych miejsc sprawi, że niektóre odtwarzacze po cichu pominą dany wpis, a to najczęstszy powód, dla którego ręcznie edytowany SRT „przestaje działać” w połowie.

Obsługa SRT jest szeroka w odtwarzaczach na komputer, edytorach i platformach hostingowych, ale nie jest powszechna. Opis formatu w Library of Congress przedstawia SRT jako prosty ciąg ponumerowanych wpisów tekstowych z czasem; każde miejsce docelowe nadal samo decyduje, jakie formaty napisów importuje. Natywny element HTML <track> używa WebVTT dla tekstu z czasem, jak określa living standard WHATWG, co jest szybką konwersją opisaną niżej.

Jak utworzyć plik SRT z wideo

Hushscript działa jak generator i kreator plików SRT: transkrybuje dźwięk, ustawia czas każdego wiersza i eksportuje wynik jako .srt. Aby wygenerować plik SRT z wideo, potrzebujesz wideo, konta i wystarczającej liczby minut na jego długość. Proces ma trzy etapy, a kolejność to część, którą ludzie najczęściej mylą. Najpierw przeciągasz plik i oglądasz podgląd, zanim istnieje jakiekolwiek konto.

1. Przeciągnij wideo, by dostać bezpłatny podgląd. Wejdź na wideo na tekst albo na MP4 na tekst, jeśli twój plik to MP4, i przeciągnij wideo na obszar przesyłania. Ścieżka dźwiękowa jest wyodrębniana w twojej przeglądarce za pomocą lokalnej biblioteki przetwarzania, a potem pierwsze 5 minut wraca jako podgląd z oznaczeniami osób mówiących. Ten krok nie wymaga konta, a samo wideo nigdy nie opuszcza twojego urządzenia.
2. Utwórz konto, by transkrybować resztę. Gdy podgląd wygląda dobrze, załóż konto, by przetworzyć cały plik. Kwalifikujące się konta osobiste mogą jednorazowo otrzymać 30 bezpłatnych minut, po weryfikacji karty albo z pierwszym zakupem. Użyj metody płatności widocznej przy kasie. Karta nie jest wymagana na początek. Transkrypcja jest płatna, bo działa na najwyższej klasy sztucznej inteligencji, więc obowiązuje płatność za wykorzystane minuty, bez abonamentu. Jeśli dłuższe wideo przekracza bezpłatne minuty, zobacz stronę cennika; płacisz za minutę dźwięku, nie za plik.
3. Pobierz transkrypcję i wyeksportuj SRT. Gdy transkrypcja jest gotowa, otwórz ją w edytorze, wprowadź poprawki, kliknij eksport i wybierz SRT. Każda wypowiedź staje się jednym wpisem z już ustawionym znacznikiem czasu początku i końca. Pobrany plik to zwykły plik .srt bez znaku wodnego.

Oznaczenia osób mówiących pojawiają się w edytorze przed eksportem. Jeśli chcesz mieć nazwy w napisach, co przydaje się w wywiadach, debatach i panelach, najpierw zmień „Speaker 1” i „Speaker 2” na prawdziwe nazwy; eksport zapisze je na początku pasujących wpisów.

Przykład z praktyki

Załóżmy, że masz 12-minutowy nagrany wywiad, founder-chat.mp4, z dwiema osobami. Przeciągasz go na stronę, 5-minutowy podgląd potwierdza, że oba głosy są czysto wychwycone, i tworzysz konto. Gdy pełna transkrypcja jest gotowa, zmieniasz nazwy osób mówiących na „Maya” i „Devin”, poprawiasz jedną źle usłyszaną nazwę produktu, a potem eksportujesz jako SRT. Początek pliku wygląda tak:

1
00:00:01,120 --> 00:00:04,460
Maya: Dziękuję, że znalazłeś dziś czas.

2
00:00:04,800 --> 00:00:08,210
Devin: Jasne. Czekałem na to z niecierpliwością.

3
00:00:08,540 --> 00:00:12,900
Maya: Zacznijmy od początku. Skąd wziął się ten pomysł?

Warto zauważyć dwie rzeczy. Każdy wpis odpowiada jednej naturalnej wypowiedzi, więc czasowanie podąża za rozmową, a nie za stałym zegarem. A przerwy między wpisami, tu kilkaset milisekund, odzwierciedlają prawdziwe pauzy między osobami mówiącymi. Zwykle właśnie tego chcesz, z jednym zastrzeżeniem omówionym dalej.

Utwórz plik SRT z audio

Wideo nie jest wymagane. Jeśli masz tylko nagranie, na przykład plik MP3, WAV lub M4A, kroki są takie same: przeciągnij plik, sprawdź bezpłatny podgląd, załóż konto, by wykonać pełną transkrypcję, i wyeksportuj SRT. Wynikiem jest plik napisów, który możesz połączyć z wideo montowanym później albo wykorzystać jako transkrypcję z czasem. Obsługiwane formaty wymienia strona audio na tekst.

Utwórz plik SRT z tekstu

Plik SRT możesz też zrobić bez żadnego oprogramowania poza zwykłym edytorem tekstu, bo format to wyłącznie tekst. Wybierz tę drogę, gdy masz już treść i czasy, na przykład krótki scenariusz, który sam zmierzyłeś.

1. Otwórz pusty plik w edytorze tekstu i wpisz 1 w pierwszym wierszu.
2. W następnym wierszu zapisz czas początku i końca, na przykład 00:00:02,340 --> 00:00:05,810.
3. W kolejnym wierszu lub dwóch wpisz tekst napisu.
4. Zostaw pusty wiersz, a potem powtórz z 2, 3 i tak dalej.
5. Zapisz plik z rozszerzeniem .srt, nie .txt.

Najwolniejsze są znaczniki czasu: trzeba je odczytywać z nagrania, wpis po wpisie. Hushscript tworzy napisy z samego dźwięku, a nie ze scenariusza, który już masz, więc przy długim nagraniu to szybszy sposób na uzyskanie wpisów z czasem. Przy krótkich klipach ręczny zapis w zupełności wystarczy.

Czy istnieje bezpłatny generator plików SRT?

Częściowo. Co nic nie kosztuje:

• Podgląd. Wrzuć plik, a pierwsze 5 minut wraca jako transkrypcja z oznaczeniami osób mówiących, bez konta. Pokazuje jakość; pobranie SRT pochodzi z pełnej transkrypcji.
• Twoje pierwsze 30 minut. Kwalifikujące się konta osobiste dostają jednorazowo 30 bezpłatnych minut, po weryfikacji karty albo z pierwszym zakupem. Dla takiego konta nagranie do 30 minut może przejść od pliku do SRT bez opłaty.
• Ręczne napisanie pliku, jak wyżej.
• Konwersja pliku, który już masz. Konwerter napisów jest bezpłatny i działa w przeglądarce, ale tylko konwertuje istniejący plik napisów. Nie tworzy napisów z audio ani wideo.

Po wykorzystaniu bezpłatnych minut płacisz za minutę dźwięku, bez abonamentu. Zobacz stronę cennika. Kto szuka narzędzia do tworzenia plików SRT, które jest bezpłatne dla każdego pliku, tu go nie znajdzie, a lepiej wiedzieć o tym przed startem.

Pakiety są opłacane z góry, więc miesiąc bez wideo nic nie kosztuje. Strona o transkrypcji z płatnością za wykorzystane minuty wyjaśnia, jak działa wycena za minutę.

Popraw czasowanie i długość wierszy

Większość eksportów nadaje się od razu, ale dwie szybkie kontrole sprawiają, że napisy czyta się zauważalnie łatwiej. Ta krótka korekta odróżnia napisy generowane automatycznie od takich, które wyglądają profesjonalnie.

Długość wiersza i liczba wierszy. Wytyczne bywają różne, a sam format SRT nie narzuca uniwersalnej długości wiersza ani liczby wierszy. Długi wpis nadal może zamienić się w ścianę tekstu. Stosuj się do aktualnej reguły miejsca docelowego, jeśli ją ma; w przeciwnym razie trzymaj każdy wpis zwięźle, dziel go w naturalnym miejscu między frazami i sprawdź wynik w docelowym rozmiarze obrazu.

Tempo czytania. Czas na ekranie musi pasować do tego, jak długo wpis jest pokazywany. Jeśli wpis pokazuje dużo tekstu przez bardzo krótką chwilę, podziel go w naturalnej pauzie albo zmień jego czas tak, by nie zasłaniał późniejszej mowy. Oglądaj napisy przy normalnej prędkości odtwarzania zamiast oceniać czasowanie wyłącznie po pliku tekstowym.

Odstępy i nakładanie się. Odstęp krótszy niż około 80 milisekund między dwoma wpisami może sprawić, że niektóre odtwarzacze zbyt długo trzymają poprzedni wiersz albo pomijają następny, więc zostaw niewielki oddech między wpisami następującymi jeden po drugim. Odwrotny problem to nakładanie się: gdy dwie osoby mówią jednocześnie, silnik przypisuje każdej osobie osobny wpis, a te wpisy mogą kolidować w czasie. Żadne automatyczne narzędzie nie rozwiązuje idealnie prawdziwego nakładania się, więc przy materiale z dużą ilością dialogów przejrzyj nakładające się znaczniki czasu i przesuń ręcznie jeden wpis wcześniej lub później.

Wszystko to zrobisz w dowolnym zwykłym edytorze tekstu, bo format jest czytelny dla człowieka. Przestrzeń eksportu ma też elementy sterujące do ponownego podziału napisów, jeśli chcesz zmienić sposób dzielenia wierszy. Jeśli wolisz pracować wizualnie, specjalny edytor napisów, taki jak Subtitle Edit w Windows albo Aegisub na każdej platformie, dodaje oś czasu z przebiegiem fali i potrafi hurtowo poprawiać typowe problemy z odstępami i tempem czytania.

SRT czy VTT: który wyeksportować

Oba formaty są blisko spokrewnione, a właściwy wybór zależy od tego, gdzie napisy będą odtwarzane. Jeśli przed decyzją chcesz pełnego porównania, SRT czy VTT: który format napisów wybrać omawia mocne strony każdego z nich.

Sięgnij po SRT dla odtwarzaczy na komputer, edytorów wideo i ogromnej większości platform hostingowych, czyli większości tego, czego ludzie potrzebują. Sięgnij po WebVTT, gdy napisy trafiają na własną stronę internetową z elementem HTML5 <video>, bo to jedyny format, który przeglądarki czytają natywnie dla elementu <track>. Zawartość jest w obu identyczna. VTT dodaje tylko wiersz WEBVTT na początku pliku i używa kropki zamiast przecinka przed milisekundami w każdym znaczniku czasu.

Ponieważ różnica jest tak niewielka, nie musisz transkrybować ponownie, by przełączyć format. Wyeksportuj SRT, a jeśli później potrzebujesz VTT, przepuść go przez bezpłatny konwerter SRT na VTT. Działa w twojej przeglądarce, bez konta, i niczego nie przesyła.

Dodaj SRT do odtwarzacza, edytora lub platformy

Gdy masz już plik, sposób dołączenia zależy od tego, gdzie znajduje się wideo.

Odtwarzacze na komputer. VLC, mpv i większość odtwarzaczy na komputer automatycznie wczytują osobny plik SRT, gdy ma taką samą nazwę podstawową i folder co wideo. Zmień nazwę pliku tak, by interview.mp4 miał parę interview.srt, umieść oba w tym samym katalogu, a napisy pojawią się przy odtwarzaniu. Jeśli odtwarzacz go nie wykryje, w jego menu napisów jest opcja ręcznego wczytania, „load subtitle file”.

Edytory wideo. W DaVinci Resolve, Premiere Pro lub Final Cut zaimportuj SRT jako ścieżkę napisów. Edytor umieszcza każdy wpis na osi czasu we właściwym kodzie czasowym, a stamtąd możesz zmienić krój czcionki, pozycję i wypalić napisy w finalnym eksporcie, jeśli chcesz mieć je na stałe.

Platformy hostingowe i wideo w mediach społecznościowych. YouTube przyjmuje SRT bezpośrednio w swoim procesie dodawania napisów. Inne platformy mogą przyjąć osobny plik, wymagać własnego wbudowanego edytora napisów albo oczekiwać napisów wypalonych w wideo. Trzymaj sprawdzony SRT jako źródło prawdy, a potem korzystaj z aktualnego procesu publikacji w miejscu docelowym, zamiast zakładać, że jedna metoda przesyłania działa wszędzie.

Wypalanie napisów. Jeśli tekst ma być na stałe częścią obrazu, a nie osobnym plikiem, który można włączyć i wyłączyć, to osobny krok kodowania. HandBrake potrafi wypalić SRT w wideo za darmo: wczytaj wideo, dodaj SRT na karcie Subtitles, zaznacz „Burned In” i zakoduj. Sięgaj po to tylko wtedy, gdy miejsce docelowe nie potrafi odczytać osobnego pliku, bo osobny SRT pozostaje edytowalny, a wypalone napisy nie. Pełniejszy opis dołączania i wypalania napisów na poszczególnych platformach znajdziesz w jak dodać napisy do wideo.

Typowe problemy i jak je naprawić

Napisy są rozsynchronizowane od samego początku. Stałe przesunięcie, gdy każdy wiersz jest wcześniej lub później o tę samą wartość, zwykle oznacza, że odtwarzacz czyta nieco inną liczbę klatek na sekundę niż ta, na której oparto czasowanie. Większość odtwarzaczy na komputer ma regulację opóźnienia napisów, która przesuwa całą ścieżkę naraz; przesuwaj, aż pierwszy wiersz trafi na miejsce, a reszta pójdzie za nim.

Synchronizacja z czasem coraz bardziej się rozjeżdża. Rozjazd, który rośnie w trakcie odtwarzania, wskazuje na niezgodność liczby klatek między źródłem a wyrenderowaną kopią, częstą po konwersji pliku 23,976 fps na 25 fps lub z powrotem. Wyeksportuj SRT ponownie dla wersji wideo, którą faktycznie opublikujesz, zamiast dla wcześniejszego montażu.

W napisach brakuje nazwy osoby mówiącej. Jeśli oznaczenia zostały zmienione, a platforma nie pokazuje nazw, prawdopodobnie usuwa prefiksy z nazwami osób mówiących z SRT przy imporcie. Żadne ustawienie SRT ich nie wymusza; niezawodne rozwiązanie to wypalenie napisów, gdzie nazwy są częścią obrazu.

Wideo w innym języku niż angielski wróciło w złym języku. Hushscript automatycznie wykrywa język mówiony spośród około 99 języków, ale bardzo krótki lub zaszumiony fragment może czasem zostać źle odczytany. Uruchom ponownie na czystszym fragmencie albo sprawdź stronę języków, czy dany język jest obsługiwany.

Długie fragmenty czytają się jak jeden gigantyczny wpis. Dzieje się tak, gdy ktoś długo mówi bez wyraźnej pauzy. Podziel wpis ręcznie na granicy zdania, tak by żaden blok nie zawierał więcej niż dwóch wierszy czytelnego tekstu.

Wskazówki o dokładności, które zmniejszają liczbę poprawek

Większość jakości napisów rozstrzyga się, zanim w ogóle otworzysz edytor, przez dźwięk, który podajesz na wejściu. Czysty dźwięk źródłowy to mniej źle usłyszanych słów i dokładniejsze znaczniki czasu, a więc krótsza korekta.

Nagrywaj lub eksportuj dźwięk przy normalnym poziomie mowy, bez silnej kompresji, i tam, gdzie się da, unikaj głośnej muzyki pod dialogiem. Gdy uczestniczy kilka osób, nagranie, w którym każdy głos jest dość wyraźny, pomaga utrzymać spójne oznaczenia osób mówiących, co ma znaczenie, jeśli planujesz zostawić nazwy w napisach. Jeśli źródłem jest wideo, które zostało już opublikowane, dźwięk jest, jaki jest, ale przy wszystkim, co nagrywasz sam, kilka minut uwagi poświęconej poziomom i ustawieniu mikrofonu da więcej dla jakości napisów niż jakiekolwiek późniejsze poprawki.

Po SRT: reszta transkrypcji

Utworzenie SRT daje też pełną transkrypcję, więc nie ograniczasz się do napisów. Z tej samej sesji możesz wyeksportować tekst jako TXT lub DOCX na potrzeby notatek do odcinka, blogowej wersji wystąpienia albo dostępnej transkrypcji obok wideo. Wyeksportowanie czystej transkrypcji to ten sam produkt co dodanie napisów do wideo na tekst; SRT to tylko jeden z formatów, które z tego wychodzą.

Na kolejny krok, czyli nałożenie tych napisów na wideo i wybór między osobnym plikiem a wypaloną ścieżką, zobacz jak dodać napisy do wideo.