# 字节跳动自动字幕专利：分轨识别语音，再调整字幕重叠时间

解读US11837234B2的音轨选择与字幕时间调整，并区分专利公开内容和CapCut的公开操作说明。

Source: https://www.iplexlaw.co.kr/zh/blog/bytedance-track-based-caption-timing

首页 / 新闻与洞见 新闻与洞见 字节跳动自动字幕专利：分轨识别语音，再调整字幕重叠时间 解读US11837234B2的音轨选择与字幕时间调整，并区分专利公开内容和CapCut的公开操作说明。 人工智能 2026.11.18 已出版 IPLEX 阅读约7分钟 以虚构料理视频说明两条音轨分别转写为字幕片段的概念图。 教学视频中，讲解与操作提示可能同时出现。系统既要决定识别哪段语音，也要安排字幕的显示时间。字节跳动的美国专利US11837234B2介绍了逐轨识别、按开始时间排序，以及在字幕重叠时提前结束前一条字幕的处理方式。下面用虚构的教学视频说明这一流程。 1. 讲解与操作提示同时出现时 设想一段模型组装教学视频：主持人介绍部件，另一段单独录制的语音补充操作指令。若只对混合后的声音进行识别，同一时段的两段话可能产生漏字或混淆。 音轨是视频时间轴上的独立声音轨道。旁白、操作提示和背景音乐分轨保存时，编辑人员可以分别调整位置与音量，也可以在混音之前选择需要转写的轨道。 北京字节跳动网络技术有限公司的US11837234B2于2023年12月5日在美国获得授权。本文关注其技术公开：分别识别选定音轨，再把文字片段组合成同一视频的字幕。 2. 对选定音轨分别进行语音识别 自动语音识别把录音中的话语转换为文字。图1描述系统收到字幕生成请求后，查找选定各轨的音频数据并分别识别；图2展示选择一个或多个音轨后生成字幕的界面。 例如，可以选择旁白和操作提示，排除独立的背景音乐轨。每段语音都从原有的独立音轨中识别，这不同于从已经混合的录音中分离说话人。 输出是包含句子或部分话语的文字片段，每个片段关联显示开始与结束时间。即便识别过程分开进行，字幕最终仍须对齐到视频的共同时间轴。 3. 排序后调整前一条字幕的结束时间 把一个音轨的全部字幕接在另一个音轨之前，会破坏实际的时间顺序。图3先按照显示开始时间，对所选音轨产生的文字片段进行综合排序。 随后比较前一片段的结束时间与后一片段的开始时间。在重叠的示例中，把前一片段的结束改为后一片段的开始。两者本来有间隔，或前一条恰好结束时后一条开始，就无需这样缩短。 调整的是字幕显示区间，录音本身不移动。对于同时开始的片段，说明书另有保留结束最晚片段的实施方式。因此，若需呈现全部话语，还应检查最终保留下来的内容。 4. 虚构组装视频中的一秒重叠 假设字幕A“先检查底板的槽”显示于第3至7秒，字幕B“请把侧板立起来”显示于第6至9秒。它们来自不同音轨，在第6至7秒之间重叠一秒。 虚构组装教学视频中，编辑人员检查独立音轨与字幕显示区间。 采用图3的方式，将A的结束从第7秒提前到第6秒。A于是显示于第3至6秒，B显示于第6至9秒。字幕文字和录音都不变，只改变显示区间。 消除重叠并不等于保证可读性。如果A很长，三秒可能不足以读完。编辑人员仍需考虑拆分文字或重新安排时间，自动生成的区间只是编辑起点。 5. CapCut公开帮助说明的操作流程 字节跳动在官方产品列表中把CapCut列为视频编辑工具。CapCut帮助页说明，自动字幕通过语音识别生成文字；桌面端可选择音频来源与语言，再在时间轴上修改文字和显示时间。 教学团队可以播放画面和声音，同时检查字幕初稿。把某个词识别错需要修改文字，提示说完后字幕仍停留则需要调整时刻。这是两类不同的编辑问题。 多段视频沿用相同字幕样式，也不意味着显示时长完全相同。语速加快或增加操作指令时，应结合镜头切换、实际发话和字幕开始时刻确定修改位置。 6. 开发团队可以保留哪些比较记录 分别检查输入、识别和显示结果。记录选择了哪些音轨、何时有重叠语音，再检查必要词语是否遗漏，以及字幕的起止时刻和阅读时间是否合理。 在同一视频上比较混音识别与分轨识别，可以看到重叠处漏词的差别。时间调整测试可覆盖短字幕、长字幕、同时开始和无重叠情形，并记录编辑修改量。 准备专利讨论材料时，可按流程说明音轨选择标准、相邻字幕所比较的时间值，以及缩短后阅读时间不足的处理。记录同一时间轴上不同条件的结果，有助于解释技术贡献。 图中保留原始标注与形态，相关内容在正文中说明。 教学场景为虚构示例。公开产品资料不能单独证明某产品实施了特定专利权利要求。 USPTO专利文献US11837234B2 CapCut字幕识别帮助 字节跳动产品与服务 科大讯飞语音识别专利：让会议术语与声音相互校验 三星AI音频编辑：在分离完成前准备操作界面 如需整理语音识别和字幕时间控制技术，可查看IPLEX的AI项目与咨询准备资料。 了解金容德专利代理师的AI专业经验 Tistory原文 查看韩文原文 本文基于发表时的情况撰写。如需就具体事项咨询，请联系IPLEX。 咨询相关业务 ↗ 全部文章 本页目录 1. 讲解与操作提示同时出现时 2. 对选定音轨分别进行语音识别 3. 排序后调整前一条字幕的结束时间 4. 虚构组装视频中的一秒重叠 5. CapCut公开帮助说明的操作流程 6. 开发团队可以保留哪些比较记录 咨询IPLEX 与我们讨论您的需求 保护、维权与管理。 我们将与您共同分析技术与业务需求。 ↗ 联系我们 较新文章 波兰商标申请实务：异议、注册与续展 ↗ 较早文章 嵌入式插座外观设计：安装后隐藏的背面也要比较 ↗ 相关解读 人工智能 2026.11.19 Matryoshka嵌入与图像检索：用向量前缀筛选，再用完整向量重排 解读NeurIPS 2022的Matryoshka Representation Learning、不同长度的联合训练及ImageNet-1K检索实验。 ↗ 阅读全文 人工智能 2026.11.17 苹果文字识别专利：把照片中的电话号码与网址连接到操作 解析US12001642B2中识别文本、图像坐标、文本类型和用户输入如何共同决定菜单与操作。 ↗ 阅读全文 人工智能 2026.11.16 现代摩比斯：先识别乘客状态，再调节座舱环境 解析US12233843B2如何融合裁剪图像特征，并将阅读等状态连接到灯光、座椅和调光控制。 ↗ 阅读全文

- https://www.iplexlaw.co.kr/zh
- https://www.iplexlaw.co.kr/zh/blog/category/ai
- https://image-ppubs.uspto.gov/dirsearch-public/print/downloadPdf/11837234
- https://www.capcut.com/help/how-to-recognise-subtitles
- https://www.bytedance.com/products-services
- https://www.iplexlaw.co.kr/zh/blog/iflytek-contextual-hotword-speech-recognition
- https://www.iplexlaw.co.kr/zh/blog/samsung-ai-audio-classification-separation
- https://www.iplexlaw.co.kr/zh/ai-patents
- https://iplexlaw.tistory.com/30
- https://www.iplexlaw.co.kr/ko/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/zh/contact
- https://www.iplexlaw.co.kr/zh/blog
- https://www.iplexlaw.co.kr/zh/blog/bytedance-track-based-caption-timing#article-30-en-0
- https://www.iplexlaw.co.kr/zh/blog/bytedance-track-based-caption-timing#article-30-en-1
- https://www.iplexlaw.co.kr/zh/blog/bytedance-track-based-caption-timing#article-30-en-2
- https://www.iplexlaw.co.kr/zh/blog/bytedance-track-based-caption-timing#article-30-en-3
- https://www.iplexlaw.co.kr/zh/blog/bytedance-track-based-caption-timing#article-30-en-4
- https://www.iplexlaw.co.kr/zh/blog/bytedance-track-based-caption-timing#article-30-en-5
- https://www.iplexlaw.co.kr/zh/contact
- https://www.iplexlaw.co.kr/zh/blog/poland-trademark-filing-guide
- https://www.iplexlaw.co.kr/zh/blog/brunch-case-1973
- https://www.iplexlaw.co.kr/zh/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/zh/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/zh/blog/apple-recognized-text-contextual-actions
- https://www.iplexlaw.co.kr/zh/blog/apple-recognized-text-contextual-actions
- https://www.iplexlaw.co.kr/zh/blog/hyundai-mobis-occupant-state-cabin-control
- https://www.iplexlaw.co.kr/zh/blog/hyundai-mobis-occupant-state-cabin-control
