去除换行与时间戳：文字稿清理工具

清理工具会去掉什么

从视频播放器里复制的文字稿是为了边看边跟读，而不是为了阅读：每隔几秒一个时间戳，字幕在哪儿结束就在哪儿换行，句子中间还冒出 [Music]。清理工具会剥掉这些“脚手架”，给你段落。每个选项都可以关闭，结果会随你输入实时更新。

它能识别哪些格式

• 我们的 YouTube 文字稿——每一段前面带有 [mm:ss] Speaker A: 的那种复制格式。同一说话人的片段会被合并，每个段落只写一次说话人标签。
• YouTube 自己的文字稿面板——时间在一行，文字在下一行。时间行会被去掉，包括有些复制结果里带的口语形式（“1 minute, 5 seconds”）。
• SRT、WebVTT 和 SBV 字幕文件——字幕序号、时间行、VTT 文件头、注释和行内标签都会去掉；VTT 的说话人标签会变成说话人标签；自动字幕每条顶部重复的那一行会被删除。
• 会议记录里姓名和时间各占一行的写法（“Speaker 1 0:03”）会变成“Speaker 1:”。

只有看起来像时间戳的内容才会被去掉：位于行首、单独成行或放在括号里的。句子中间的“We meet at 10:30”会原样保留。

段落是怎么重建的

当文字来自播放器时，每个换行都被视为字幕的结束而不是段落的结束，所以先把各行合并起来。被连字符分在两行的单词会重新拼好。然后每 3、4、5、6 或 8 句开始一个新段落（默认 4 句），说话人改变时总会另起一段。你自己输入的文字则保留原来用空行分隔的段落。

自动生成的字幕通常完全没有句号，所以没有句子可数。当文本平均每句超过 60 个词时，清理工具会改按长度切分段落——你要求的每一句大约对应 20 个词——并告诉你这么做了。

“修正空格和大小写”会去掉双空格以及逗号、句号前的空格，补上逗号后缺失的空格，并把每个句子的首字母大写。像“Dr.”这样的缩写和“U.S.A.”这样的首字母缩写不会结束一个句子，而“iPhone”这样的词会保留它的首字母。

口头语，谨慎处理

默认词表只包含犹豫的语气声——英语的“um”“uh”“erm”，俄语的“э”“эм”，德语的“äh”“ähm”——涵盖十种语言：英语、俄语、乌克兰语、西班牙语、葡萄牙语、法语、德语、意大利语、波兰语和荷兰语。页面语言决定使用哪个词表。像“like”“you know”或“o sea”这样的词是有意排除的：它们同时也是普通词，盲目删除会改变意思。如果想把它们去掉，请自己加入词表；由多个词组成的短语也可以，你的词表会被记在这个浏览器里。

局限

清理工具整理的是文字，并不理解文字。它无法补上原文从来没有的标点，无法纠正听错的词，而以首字母大写的单词加冒号开头的行（“Note: …”）可能被误认为说话人标签——所以这个选项默认关闭。发布之前请先读一遍结果。一切都在你的浏览器中运行；文字不会被上传或存储。