\
**Category:** 资源分享\
**Tags:** srt\
**Created:** [2026 年9 月 9 日 10:25 UTC](https://forum.freemdict.com/t/topic/45014 "2026-09-09T10:25:01Z")\
**Posts on this page:** 9\
**Page:** 1
作者：  [@游处相](https://forum.freemdict.com/u/%E6%B8%B8%E5%A4%84%E7%9B%B8)\
发布日期： [2026 年9 月 9 日 10:25 UTC](https://forum.freemdict.com/t/topic/45014/1 "2026-09-09T10:25:01Z")
# 成品展示
感谢坛友@wynick27 提供的点读版html
> [@哈利波特多人配音版 字幕以及点读html（已校对第一册）](https://forum.freemdict.com/t/topic/44810/1):
>
> 之前的帖子： [(全7本) 新出的《哈利波特》多人配音版音频书 (Full-Cast Audio Edition)](https://forum.freemdict.com/t/topic/42014)
>
> 用我写的字幕对齐工具对齐了全部字幕，校对了第一本书，其他的除了一些特殊语速和音量的对齐也没什么问题。
>
> 音频源是opus版
感谢坛友@淳帅二代 开发的的srt字幕转录工具，以及点读工具
> [@关于新出的《哈利波特》多人配音版音频书 字幕快速生成的探讨](https://forum.freemdict.com/t/topic/44154/18):
>
> 从音频转录生成 srt 字幕，可以使用 [HaujetZhao/CapsWriter-Offline](https://github.com/HaujetZhao/CapsWriter-Offline) ，效果比 Whisper 会好很多。
>
> 有了音频、srt 字幕，可以用 [SubTap · 字幕点读器 · 英语学习助手](https://haujetzhao.github.io/SubTap/) 将音频和字幕载入，点一句字幕播一句，这种体验才像是一个音频「书」。
>
> 以防万一，
>
> 上述两个工具，我是开发者本人。
那么话不多说，实际成品如下。
通过网盘分享的文件：Harry-Potter-点读第二版.html
链接: [百度网盘 请输入提取码](https://pan.baidu.com/s/1m4BC3SneLj6NitBcM2gavg?pwd=dxx7) 提取码: dxx7
–来自百度网盘超级会员v8的分享
# 为什么我不直接使用上述两位的成品？我的成品与他们有何不同？
首先，我采取的是淳帅二代的方法，利用CPU： i7-12700KF 12核20线程@3.6GHz 睿频：5.0GHz 内存：32GB 显卡4070的电脑，用他在github上推荐的 【 独显电脑优先用 Qwen3-ASR-1.7B-q5\_k，准确率夯爆】然后根据操作指南，这般如此，如此这般，不懂的就去问ai，下载了ffmpeg后，终于搞出了最初的srt文件。然后，我就将其导入了SupTap里点读，此时出现第一个问题。
哇靠，句子散的不成样子，这样怎么点读？
但是解决办法很简单，把srt文件给gpt，让他帮你按整句分割就行了。gpt 6超好用，基本一次完工不需要返工。
然后成品是这样的。
一般人到这里也就结束了，但是我是一个完美主义者，注意看，高亮的那段话。
The Dursleys had a small son called Dudley, and in their opinion, there was no finer boy any.
这根本就不是一句话，音频识别效果是不错，但是不够完美，如果哈利波特是一部纯音频剧，没有原文对照，那么我也只能遗憾退场，将就着用了。但并不是，哈利波特有原著，而且full-cast是改动相对较少，绝大部分贴合原著的音频改编，因此我去z-library下载了哈利波特全集。
然后用calibre阅读器打开哈利波特全集
啊哈，答案找到了。
但是我很懒，我不想一句一句的对照字幕文件修改，怎么办？
没错，还是ai，直接把第一章的srt字幕文件，和第一章的原文复制过去，让ai帮你改就是了，之前我发的ai提示词里，其实已经是完全版。不要发音频文件，因为gpt识别不了，还要额外下模型。但或许，让GPT自己下模型，就可以省略掉之前自己动手制作srt字幕文件的过程？我没试过，不知道。
还有，之前淳帅二代的方法，需要你有一台windows带独立显卡的电脑，而我没有，因为我是mac系统。而我又不想去网吧，或者再买一台新电脑，这又该怎么办？以防被认为是打广告，我就隐去品牌名字，反正我就用60块钱开了云电脑的月卡，每月有90小时的4070显卡的windows电脑的使用时间，足够我各种转录音频了。
然后这就是更加完美的版本。
然后我又发现一个问题，那就是这个SupTap只能点读，而不能连续播放。当然，也有可能是我还没搞懂它怎么用，反正对于我而言，它不能连续播放，这又是一个痛点。
解决办法又很简单，因为我有每日英语听力永久会员，所以直接把音频和字幕文件导入进去就完事了。
对于我来说，已经完美解决了。可是每日英语听力会员蛮贵的，没有办法共享，怎么办？这时，我又发现了wynick27的帖子，点读html版哈利波特，可以连续播放，单句循环，和点读，满足了大部分需求，但是我下载后发现有几点不满意的地方。
字体太小了，看着很废眼睛，而且部分音频对齐也不是很完美。但主要是字体太小。
然后我就让gpt照着wynick27的格式，制作出更完美的html版本，注意，必须用gpt6，用5.6大概率会不停返工。
现在的版本可以改变字体，字体颜色，背景颜色，文字大小，行间距，行宽，字间距。还有本来的单句循环功能，连续播放，点读功能，加减速功能。以及音频对齐的更好的srt文件。
具体做法就是把wynick27的html文件打包发给gpt。
然后你许愿你想要什么功能，GPT6就会给你实现，非常的轻松，非常的省力。
至于为什么没做完也很简单，因为我的plus额度不够用了，做不完了。我还录了很多pdf的书签，包括之前朗文6英英词典全彩版的书签制作。
但是方法很简单，任何人都可以按照这个方法，制作任何有实体书的音频素材的点读版了。授人以鱼不如授人以渔，大家可以利用这个方法，制作任何喜欢的音频书的点读版。没有gpt会员也没关系，再等一会等到国产模型追上gpt6的进度，也可以做到。ai不用早学，越晚学发现越傻瓜操作，根本不用学，大白话许愿就完事了。
---
作者：  [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2026 年9 月 9 日 10:38 UTC](https://forum.freemdict.com/t/topic/45014/2 "2026-09-09T10:38:18Z")
我发的版本里面本来就有srt啊，我那个html的来源就是电子书，然后对齐工具我也写了，我就是先qwen对齐然后人工校对的啊，看了帖子感觉你在做重复劳动
> [@写了一个电子书和音频对齐工具](https://forum.freemdict.com/t/topic/44762):
>
> 之前哈利波特出了新版有声书有坛友讨论过这个问题： [关于新出的《哈利波特》多人配音版音频书 字幕快速生成的探讨 - 软件经验交流展望 - FreeMdict Forum](https://forumcdn.freemdict.com/t/topic/44154) 我虽然之前一直在用Subtitle Edit，但总感觉不尽如人意，其实之前匹配日文课文时就想写个类似的工具，更适合电子书或者文章的匹配，现在AI编程越来越强，终于可以快速实现这个想法了。 这次用了一晚上用ai写了个音频对齐工具，…
---
作者：  [@淳帅二代](https://forum.freemdict.com/u/%E6%B7%B3%E5%B8%85%E4%BA%8C%E4%BB%A3)\
发布日期： [2026 年9 月 9 日 10:49 UTC](https://forum.freemdict.com/t/topic/45014/3 "2026-09-09T10:49:32Z")
抱歉，我的工具转录出来的字幕分段太差劲，是一个已知 bug，我已经改完了并且已经 push 了，只是还没有做最新的打包，只是自己在用。
SubTap 要求点一句读一句，是故意的设计，因为不同句子的信息密度不同。读完一个句子如果没有消化的话，就立马开始读下一个句子，会让人注意力涣散。就像听课的时候有一句没跟上，后面半节课都听不懂了。可以用键盘快捷键上和下控制上一句下一句。
---
作者：  [@游处相](https://forum.freemdict.com/u/%E6%B8%B8%E5%A4%84%E7%9B%B8)\
发布日期： [2026 年9 月 9 日 10:52 UTC](https://forum.freemdict.com/t/topic/45014/4 "2026-09-09T10:52:53Z")
左边是我按照纯音频转录的srt，右边是你的srt
我其实一开始没有看见你的帖子，按淳帅二代的方式直接从音频转录过来的。然后我才看到你的帖子，下载后我发现你的html在后半段音频对齐有很大问题，就是在good luck，harry那里。你的srt文件后面有一个he murmured，我在音频中没有听见，但是我在原版书籍里看见确实有这段话。可能是因为音频书改编的时候，把一些细节以环境音或者动作音的形式省略掉了。而且我比较喜欢一整段话连起来不分段的整句式srt。
比如左边的大长句我喜欢不分段，右边你分段了。
所以我就以音频为主，原文为辅重置了srt文件。
---
作者：  [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2026 年9 月 9 日 11:04 UTC](https://forum.freemdict.com/t/topic/45014/5 "2026-09-09T11:04:39Z")
因为这个工具是电子书和有声书对齐的，文本是来自电子书，有声书根本没读这句话当然听不到了，这个多人配音版是广播剧性质的，不是逐句和书一致的。所以肯定是电子书有音频没有的不对齐，而不是改电子书文本把音频没有的删除，我写的工具还支持直接导出支持点读的epub 3。另外也是可以自由合并拆分句子的，我是特意把长句拆分了。不管拆分还是合并，用其他工具例如subtitle edit都可以编辑字幕的，不需要重新转录。而且单纯转录文本是不准确的，特别是有背景噪音，特殊音量，多人对话的情况转录问题挺大的。
---
作者：  [@游处相](https://forum.freemdict.com/u/%E6%B8%B8%E5%A4%84%E7%9B%B8)\
发布日期： [2026 年9 月 9 日 11:39 UTC](https://forum.freemdict.com/t/topic/45014/6 "2026-09-09T11:39:34Z")
主要是分享一下新手如何转录出质量较好srt字幕文件，制作音频点读html，把界面改的更方便阅读的教程。如果之后有人有兴趣的话，也可以用类似的方式制作其他有声书籍，不仅仅是哈利波特。
我的想法是，原文只做参照，只依照转录出来的音频文本为主，如果音频里没有，那么srt字幕里也不要有。只有在音频文本出现明显的句子错误或不通顺时，对照原文稍微改动一下。重新转录是为了确保文本一定是出自音频，但是也还是半成品，需要用ai分析整合，重排时间轴才能达到一个比较好的效果。如果直接沿用来自电子书的文本，是没办法知道文本是否出自音频的。
然后你那个音频对齐工具的帖子我没看懂，我是纯新手不会编程。我只是看了你那个哈利波特帖子下面发的html文件，觉得不够完美，就自己试着让ai改了，改的反正蛮符合我的需求的。我就想，既然我都能改出一个不错的成品，那么其他人也可以，其他人可能也有类似的需求，但他们可能只是不知道，现在已经这么方便了，所以我就发了一下教程，从纯新手的角度，完成一个制作音频点读书籍的教程。
---
作者：  [@wynick27](https://forum.freemdict.com/u/wynick27)\
发布日期： [2026 年9 月 9 日 12:11 UTC](https://forum.freemdict.com/t/topic/45014/7 "2026-09-09T12:11:00Z")
其实我写的工具这些功能都实现了，只要载入电子书-\>载入音频-\>自动匹配音频和书的章节-\>转录全部章节-\>调整校对-\>导出html就完了。 如果想改样式直接交给ai在html上改样式就行了，字体大小ctrl+鼠标滚轮就能解决，不需要复杂设定。 然后你认为多了个没有读出来的旁白是很大问题的话直接从html里面把旁白删除就好了。结果现在重新转录，然后发现转录断句不准又让ai重新断句，然后发现转录内容不准，又让ai重新和原书对齐，但是原书这时候已经文本化了，丢失了原epub的样式，然后又让ai对照带样式的html改，绕了一大圈回到原点，而且还退步了，因为原来有的地方考asr是不能准确对齐的，比如唱校歌那段我是手动对齐的，等于费半天功夫还有token反而得到一个劣化版。
我那个音频工具有release，直接下载exe就可以用，当然要用gpu版需要是nvidia显卡然后下载gpu的包，程序内就能下载。
---
作者：  [@游处相](https://forum.freemdict.com/u/%E6%B8%B8%E5%A4%84%E7%9B%B8)\
发布日期： [2026 年9 月 9 日 13:41 UTC](https://forum.freemdict.com/t/topic/45014/8 "2026-09-09T13:41:11Z")
我不知道是否是我的操作有误，不过我先和你对齐一下我这边的操作。首先，我打开的是你发的链接里面下载后解压出来的html文件里的Harry Potter 1 With Audio，里面的index.html文件。
然后我发现，在中段以后，音频对齐就出现很大问题，比如你说的第七章唱校歌。当音频是
_Hogwarts, Hogwarts, Hoggy Warty Hogwarts_的时候，高亮却已经跑到 _For now they’re bare and full of air,_
点读效果就很不理想了。
然后我去直接用你的srt文件当外挂字幕导入的时候，句子之间还是有轻微的偏移，不够完美。有些部分偏移的很轻微，但是第一部第一章节开始，我就发现在html文件中，前面几句可以比较准确的对应，但是一到中期，邓布利多说莉莉死讯的时候，就偏的很厉害了。直接导入这一章节的srt文件，那从第一句开始就开始偏，更不能用。我也不知道该怎么解决，于是就重造更加精准的字幕文件，点击跳转的更加精准一点。
我不知道你对没对比过我的html和你发的原来那个html，虽然我只录了前两章，但是前两章基本点到那句就是读那句，就算点到中段，末段也还是比较精准。你的html在我的电脑上点击的时候，前面还好，后面就有很大偏差。我认为是GPT 6新模型出来后，对于字幕时间轴的划分更精准了，比起以前的旧模型更好用。
---
作者：  [@laiqu](https://forum.freemdict.com/u/laiqu)\
发布日期： [2026 年10 月 3 日 06:32 UTC](https://forum.freemdict.com/t/topic/45014/9 "2026-10-03T06:32:22Z")
支持楼主 效果很好