1）硬件准备
1-1）电脑1台，最好是低噪音的主机或笔记本。
1-2a）比较专业的抗环境干扰音频电信号连接方案
耳机一分二转换头1个 监听耳机耳塞或外放音箱1套（给人辅助监听的，质量无所谓）
耳机输出接到麦克风或线路输入的信号线1根（有的电脑只有带高灵敏度供电的麦克风接口，可能需要增加电阻电容元件衰减信号和隔断直流。）
监听和音频线接一分二转换头接耳机输出即可
1-2b）比较傻瓜但可能受环境噪音影响的电声耦合方案
稍好的耳麦或电脑单独麦克风1套
笔记本自带机内扬声器或者外接扬声器1套（能比较好还原语音即可）
把麦克风插头插入电脑麦克风输入 麦克风头子尽量靠近外放扬声器
2）软件准备
2-1）电脑跑WINDOWS系统，一般推荐最新的WIN10 64位
2-2）自己熟悉的音视频编辑软件，最好有采样降噪、频率均衡、动态压缩等音频处理能力
2-3）讯飞输入法最新电脑版
2-4）WPS，MS-OFFICE等文字处理软件
2-5）ARCTIME 免费开源字幕软件
3）操作流程
3-1）剪辑好需要做字幕的语言素材（剪辑到什么程度看需要，可以是成片版，也可以是粗编版，不过一般最好是成片版）
3-2）对语音素材进行 降噪，均衡，动态压缩等处理，通常这是一般节目听众的要求，也是提高语音识别率的要求
3-3）正确设置讯飞语音输入法，例如麦克风音量自动优化，选择语种，长文连续输入还是聊天输入，断句间隙时间，标点等，推荐在线云计算提高识别率，离线也行
3-4）打开一个文字处理软件，设置为文字输入状态
3-5）然后用编辑软件播放要做唱词的语音轨（配乐，音效轨等暂时关闭，前面可以提前一点播放给下面的操作留点时间）
3-6）激活讯飞语音输入和文字处理软件的文字输入 语音就自动转换为文字了 推荐断句用逗号隔开
3-7）转换完毕后，用文字处理软件的全部替换功能，把逗号替换成换行
3-8）再次播放音频，人工校对
3-9）把校对好的文稿粘贴到 ARCTIME的字幕稿编辑区
3-10）用媒体制作软件把语音轨内容输出带视频 ARCTIME能导入的 MP4文件（虽然音频即可，但个人认为带视频的校对起来感觉比较好）
3-11）利用ARCTIME的自动字幕时间轴功能制作字幕文件，如果自动有问题，这个软件的人工操作也非常高效
3-12）ARCTIME输出 SRT ASS等通用字幕文件
3-13）这个字幕文件可以用各种工具转换成所需要的格式，或者利用MEGUI等有加载字幕文件的编码软件输出带唱词的交付格式。
3-14）后续审片如果发现字幕BUG，在3-11到3-13都比较好修改
4）补充
4-1）讯飞公司有语音文件转文字的收费服务，但我前面的方法是合法免费的
4-2）个人认为目前人工智能的处理速度正好和语音播放的速度匹配，所以语言文件直接转文字也不见得会快多少，意义不是很大，我们主要是解放了人工听写字幕的苦逼工作。
4-3）目前的机器识别的水平，如果素材好，识别率确实可以达到90%以上，但人工校对等工作还是需要的。