首先使用Google Cloud Video Intelligence API自动提取时间戳，登录控制台并启用API后，将视频上传至Cloud Storage，通过POST请求调用视频分析接口，设置标签检测与场景变化参数，处理完成后从JSON结果中获取文本片段的开始与结束时间；若自动方式不适用，可手动添加时间戳，利用VLC等精准播放器记录事件时间，在文本前用[HH:MM:SS]格式标注，并按序号、时间轴、文本的结构保存为.srt文件；对于语音为主的视频，推荐结合Speech-to-Text API，先用FFmpeg分离音频为16kHz WAV格式，上传后调用longRunningRecognize接口并开启enableWordTimeOffsets，获取词语级时间偏移，再合并为句子级时间戳，最终生成同步的带时标文字内容。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您在使用Google AI视频生文功能时，发现生成的文字内容与视频画面不同步，可能是由于缺少准确的时间戳。以下是为Google AI生成的视频文字添加时间戳的具体步骤：
一、使用Google Cloud Video Intelligence API自动提取时间戳
Google Cloud Video Intelligence API能够分析视频内容，并自动生成带有时间戳的文字描述。该方法适用于希望获得高精度时间标记的用户。
1、登录Google Cloud Console并启用Video Intelligence API服务。
2、将目标视频上传至Google Cloud Storage存储桶中，确保存储区域与API调用区域一致。
3、在API请求中设置
label_detection_config和
shot_change_detection参数，以启用场景变化检测和标签识别功能。
4、发送POST请求到
https://videointelligence.googleapis.com/v1/videos:annotate，指定输入URI为视频的GCS路径，输出类型包括
TEXT_DETECTION和
OBJECT_TRACKING。
5、等待处理完成，从返回的JSON结果中提取每个文本片段对应的时间范围，格式为startTime和endTime，单位为秒。
二、手动为转录文本添加时间戳
当自动识别无法满足需求时，可通过人工方式对Google AI生成的字幕或描述进行时间点标注，适合短视频或需要精细控制的场景。
1、播放视频并使用支持帧精确定位的播放器（如VLC）记录关键事件发生的时间点。
2、打开由Google AI生成的纯文本文件，逐句对照视频内容。
3、在每段文字前插入方括号标注时间，例如：[00:01:23] 描述内容开始。
4、保存为.srt或其他标准字幕格式时，需按照“序号+换行+时间轴+换行+文本”的结构编写，时间轴格式为HH:MM:SS,mmm --> HH:MM:SS,mmm。
三、结合Speech-to-Text API实现语音同步时间戳
利用Google Cloud Speech-to-Text API可将视频中的音频流转换为带时间戳的文本，尤其适用于对话密集型视频。
1、通过FFmpeg工具将视频中的音轨分离为线性PCM编码的WAV文件，采样率设为16kHz。
2、将音频文件上传至Google Cloud Storage。
3、调用Speech-to-Text API的
longRunningRecognize方法，配置请求体中的
enableWordTimeOffsets为true，以便获取每个词的时间偏移量。
4、处理响应数据，提取
words数组中的
startTime和
endTime字段，将其与对应的转录文本关联。
5、将词语级时间戳合并为句子级标记，生成最终的时间标注文本。
