需先用Audacity将长视频音频拆分为≤15分钟的WAV分段，再逐段导入CapCut识别字幕，手动按原始时间轴偏移拼接，并导出前清空缓存以防丢帧。
你需要把一段超过30分钟的会议录像、课程录播或访谈视频快速生成准确、分段清晰的AI字幕，但CapCut默认界面会卡顿、识别中断或时间轴错乱——关键不是“能不能识别”，而是如何绕过内存限制、音频分片加载与缓存溢出问题，让长视频真正被完整解析。
提前拆分音频再导入CapCut
CapCut桌面端对单次识别时长有隐性限制（通常≤18分钟），超长视频直接拖入→点击【识别字幕】会导致中途静音段误判、标点丢失、说话人混叠。必须先用系统工具预处理音频。
第一步：右键目标视频文件→选择“打开方式”→用系统自带的“媒体播放器”或VLC播放，确认音频轨道可正常播放且无爆音、断续；【若播放时出现卡顿或跳帧，说明视频编码损坏，需先用HandBrake转码为H.264+AAC格式再操作】。
第二步：用Audacity（免费开源）打开该视频→顶部菜单栏点击“文件”→“导入”→“音频”，自动提取音轨→点击“导出”→选择“WAV（Microsoft）无压缩”格式→保存为同名文件（如lecture.wav）。
第三步：在Audacity中按Ctrl+Shift+L调出“分割音频”插件（若未安装，从官网下载Nyquist插件包并放入Plug-Ins文件夹）→设置每段时长为15分钟→点击“分割并导出”→自动生成lecture_01.wav、lecture_02.wav等序列文件。
分段识别并手动拼接时间轴
CapCut不支持批量导入多个音频文件连续识别，必须逐段处理，再靠时间戳对齐。这一步不能跳过，否则字幕块会全部堆在0:00位置。
方法一：桌面端逐段识别+时间轴偏移校准
① 打开CapCut桌面版→新建项目→点击“导入”→选择lecture_01.wav（不是原视频！）→拖入时间线轨道1。
② 点击顶部菜单栏【文本】→【识别字幕】→语言选“中文(简体)”→勾选“自动标点”→点击“开始识别”。
③ 识别完成后，全选所有字幕块→右键→“复制”→新建空白工程→粘贴。此时字幕起始时间为0:00:00，需手动修正：双击第一个字幕块→在时间轴上拖动其左边缘至0:00:00位置→记录该字幕实际语音起始时间（如00:02:15），后续所有字幕统一加此偏移量。
④ 重复①～③步骤处理lecture_02.wav，但粘贴前先在时间轴末尾空出1秒间隔→将lecture_02字幕整体右移15分钟（即00:15:00）→再叠加偏移量（如lecture_02对应原始视频00:15:00–00:30:00，则总偏移=00:15:00+00:02:15=00:17:15）。
方法二：手机端仅作辅助校验（不推荐主流程）
CapCut手机版无法导入纯音频，只能导入视频。若你坚持用手机操作，必须先把lecture_01.wav用“视频合成器”APP（如InShot）配上黑屏画面生成lecture_01.mp4（分辨率720p，时长严格匹配音频），再导入识别——但识别精度下降约23%，且无法调整采样率。
导出前强制刷新缓存防止丢帧
长视频分段识别后，CapCut常因缓存未清导致最后5%字幕不显示或时间码跳变。必须在导出前执行硬刷新。
关闭CapCut软件→打开文件管理器→定位缓存目录：
Windows路径：C:\Users\[用户名]\AppData\Local\Packages\CAPCUT_8wekyb3d8bbwe\TempState\
macOS路径：~/Library/Caches/com.capcut.desktop/
删除整个TempState或Caches文件夹（系统会自动重建）→重新打开CapCut→打开已拼接好的工程→播放检查最后一段字幕是否完整落轨→确认无误后进入导出流程。
