屏幕上有多处字幕，怎么一次同时识别？

屏幕实时识别一次盯一块区域。可屏幕上要认的字常常不止一处：直播画面下面一条字幕、右边一列滚动评论；网课上 PPT 正文在中间、老师的补充说明在底下；双语视频里中文一行、英文一行；分屏放两个视频，两路台词都想留。

这时候要么开好几个工具、来回切，要么干脆放弃一路。专业版里的多区域实时识别是给这类场景准备的：一次框选最多 4 块区域，它们各按自己的间隔连续识别，结果分开放，导出也分开导。

先分清：一路用屏幕实时，多路才用多区域

选择依据还是那句——屏幕上有几处在动。

要解决的问题	用哪个	拿到什么
一个视频或直播里的一路字幕，逐句往上滚	屏幕实时识别	一路连续文本，边播边累积
同一画面里多处文字要同时抓	多区域实时识别	最多 4 份结果，按区域分开摆、分开导
屏幕上不动的一段文字，拿一次就够	屏幕取词（幕析 AI 版）	置顶浮层里的一段文本

还有一点要说在前面：多区域走的是通用识别，跟屏幕实时识别同一套引擎，页面里没有语言切换。繁体、日文、中英对照这类要按语言调整结果整理的，走左侧导航"多语字幕提取"分组下的专项功能页，那些页面是单区域的。

框区域：动作只有一步，细节有讲究

1. 左侧导航「通用」分组里点多区域实时识别。
2. 点添加区域，屏幕进入框选状态，拖一个框把要认的文字罩住，松手就加好了。
3. 要加第二块就再点一次「添加区域」，一共最多加 4 个，加满后按钮自己置灰。
4. 区域备齐了点开始识别，四路就各自跑起来。

框的时候有几件事值得先知道：

• 每个区域各有一个置顶红框。边框只有 2 像素，整块是透明的，也不拦鼠标——识别跑着，你照常点别的窗口、照常翻页。
• 框新区域时旧红框会暂时藏起来，免得挡住你要选的内容，加完自动恢复。
• 多屏要一屏一屏框。框选层只铺在光标所在的那块屏幕上，想框副屏，先把鼠标移到副屏再点「添加区域」。缩放 125%、150% 都不影响，区域按实际像素记录。
• 框得松一点。上下左右都留些余量，别让字贴着框边——识别前软件会在这张图四周补一圈白边再交给引擎，贴边容易被切掉半个字。
• 要加新的一路得先停一下。识别进行中「添加区域」是置灰的，先点「停止识别」再框新的一块，加完重新点开始——已认出的结果和整条时间轴都还在，不会归零。

每块区域自己的节奏：识别间隔

间隔就是这块区域多久取一次屏幕，从 500ms 起、到 2000ms 止，共 500 / 600 / 800 / 1000 / 1500 / 2000 六档。每个区域面板的右上角都有自己的下拉框，改完立刻生效，只管这一块，别处不受牵连。

顶部那组「识别间隔 + 保存」管的是默认值：点保存会把这个间隔一次性应用到所有已添加的区域，之后新加的区域也按它起步。

至于下限为什么卡在 500ms：四路共用一个识别引擎，而引擎一次只认一张图。到点是几路一起到，认图却是一张一张排队认。间隔设得过小，队列排不过来，快不了多少，还白耗资源。所以软件直接不给更小的档。

实际配法大致是这样：

• 逐句往上滚的字幕、直播评论：500 或 600ms，句子出得及时。
• 站着不动的 PPT 正文、板书、标题条：1500 或 2000ms，画面没变化就不必白认。
• 两者混着来：滚动的设小、静止的设大——这正是每个区域单独设间隔的意义，一个总间隔满足不了两种内容。

四路结果怎么放、怎么拿走

结果区按区域数量自动排：1 个占满一行，2 个左右分栏，3 个上面两个下面一个横跨，4 个排成 2×2。每块面板头部是一个彩色圆点加"区域 1 / 区域 2 / 区域 3 / 区域 4"，四路分别用蓝、绿、橙、紫。屏幕上的红框长得一样，对号入座靠的是这个编号。

每块面板右上角五个动作，都只作用于这一路：

• 复制：把这个区域已经认出的全部文本行写到剪贴板。
• TXT：导成纯文本，一行一句。
• SRT：导成带时间轴的字幕文件。
• 清空：只清这一块的结果，红框和别的区域都不动。
• 删除：把这个区域整个去掉。

时间轴的口径要说清楚：起点是你第一次点「开始识别」的那一刻。每条新文字记下它出现的时间，下一条出现时上一条的结束时间才收口，最后一条按 2 秒兜底。四个区域共用同一个起点，所以四份 SRT 是同一条时间轴上的四路内容——直播字幕导一份、右侧评论导一份，拿进剪辑软件能互相对得上。文件名也带着区域号（区域1_20261026_183045 这种形式，扩展名按 TXT / SRT 各自对应），四份不会互相覆盖。

停止识别之后再点开始，时间轴接着上一轮往下走，不会归零；界面上看到的、TXT 里的、SRT 里的三处内容始终一致。只有把区域删空、或者点「重置」，时间轴才回到起点。

重复的句子不会被记两遍。每个区域带着自己的去重上下文：新结果和它前面那条很像，就当同一句丢掉；除了比相邻一条，还会往前再比最近的几条，专门对付字幕一个字一个字拼出来的情况——不然同一句会被累积成两句。这套判定也是各区域独立做的，两路内容撞上也不会互相吞掉。为什么只按相邻判定、不做全局合并，《字幕识别不准、重复、出现乱码？按这个顺序排查》里讲得细。

这个页面的结果框是只读的，免得手一滑改动打断正在累积的内容。要改字就复制出去改，或者导成 TXT 再改；导出来的时间轴要对不齐、要整体偏移几秒，看《SRT、ASS、VTT、LRC 有什么区别？字幕格式与时间轴一次讲清》。

几个容易操作错的点

• 删区域会把识别停下来。面板上的「删除」不只是移除一块区域，它先停识别、再删。其他区域的结果都还在，重新点一次「开始识别」继续。
• 「清空区域」和「重置」不是一回事。「清空区域」只把屏幕上的红框摘掉，区域列表和已识别结果都留着，再点「开始识别」红框自动回来；「重置」会先弹二次确认，然后把红框、区域和全部结果一起清掉。想收工又不想丢内容，用前者。
• 切到别的模块，识别会自动停。左侧导航切走时红框隐掉、识别停下，区域和结果都保留；回来时红框恢复显示，但要自己再点一次「开始识别」。
• 单区域「清空」会把去重状态一起清掉。这是有意的——不清的话，屏幕上正显示着的那句会被当成"刚刚已经认过"，再也录不进来。
• 区域多、间隔小，出字会比设定值慢一点。四路排队认图，某个区域上一轮还没跑完，这一轮就直接跳过：宁可跳一帧，也不让任务越堆越多。

常见问题

最多框几个区域？

4 个。加满之后「添加区域」自己置灰，想换个位置得先删掉一块。真需要更多位置，一般靠调整窗口布局把同类文字并到一处，或者分两轮会话来。瓶颈不在数量上——4 路已经共用一个识别队列了。

标准版和幕析 AI 版有多区域吗？

没有，多区域实时识别只有专业版提供。标准版是单区域的屏幕实时识别，幕析 AI 版这边是一路屏幕实时识别加取词、图片识别。要同时盯好几处就选专业版，三版差异看《专业版、标准版与幕析 AI 版怎么选？附三版功能对比表》。

屏幕内容会上传吗？

不会。取帧和识别都在本机完成，四路都是同一台机器上的本地引擎，识别本身不占网络。

用之前要先登录吗？

订阅模式下需要登录、且会员有效才能开始识别；不想登录可以切到体验模式，框选和识别照常用，识别不按次计费，只有把结果拿走的那一步（复制、导出）按次结算。

红框会被当成内容认进去吗？

指示器只有 2 像素的边，框体透明、不吃鼠标，正常不会成为识别内容。真正会影响结果的是遮挡：某一路文字被别的窗口压住，识别只能拿到露出来的那部分，这个得把窗口挪开再认。

小结

一路字幕，用屏幕实时识别；同一画面好几处要同时拿，才用多区域。框四个、各定各的间隔、结果分四份拿走，重复交给每区域独立的去重，时间轴从第一次「开始识别」起算。上手建议先只框两路——一路字幕一路评论，摸清间隔和导出感觉，再加到四路。

现在就下载试试 ↓