自動對時：讓歌詞自動對上歌聲

手動拍點要跟著歌一句一句按，一首歌常常要好幾分鐘。「自動對時」會先把人聲從音樂裡分離出來，再比對歌詞的發音，找出每個字開始唱的時間。對完再用逐字拍點微調，比從頭拍快很多。

需要準備什麼

本地的影片或音檔：用「檔案 > 開啟影片檔」開啟 mp4、mp3、m4a、wav 等檔案。YouTube 網址拿不到聲音，不能用。
新版的 Chrome 或 Edge：對時會用電腦的顯示卡 (WebGPU) 計算，比較快。不支援 WebGPU 的瀏覽器會改用 CPU，也能對時，只是慢很多。
歌詞：一句一行的字幕，時間不用準，順序對就好。可以匯入 SRT 等字幕檔，或在字幕清單一句一句輸入。

第一次使用要下載約 320 MB 的模型，之後離線也能用。影片的聲音和歌詞都只在你的電腦上處理，不會上傳。

支援的語言：中文、日文、韓文、英文、西班牙文。同一首歌夾雜英文也沒問題。

開始對時

開啟歌詞和影片。
選「字幕 > 自動對時」。
選範圍：
- 選取的字幕：只在這幾句目前時間的前後 3 秒內找，適合重對其中幾句。
- 整條字軌：整首歌從頭對，句子原本的時間不用準。
- 全部字軌：有兩條以上字軌時才會出現。對唱的歌如果每位歌手一條字軌，要選這個；只對一軌的話，兩人都唱過的歌詞可能會對到另一個人唱的地方。
想保留原本的字幕，就勾「產生新字軌」，結果會放在新的一軌。
按「開始對時」。

對時分五個步驟：準備歌詞的發音、下載人聲分離模型、下載對齊模型、分離人聲、對齊歌詞。下載都在最前面，網路有問題會在一開始就知道；已經下載過的會直接跳過。一首 3 分鐘的歌，在一般的獨立顯示卡上大約 1 分鐘。

對時的時候請讓這個分頁保持在前景，瀏覽器會讓背景分頁的顯示卡運算慢很多。顯示卡會全速運作，電腦畫面可能會有點卡。覺得太卡的話，可以勾「用 CPU 計算」：慢好幾倍 (3 分鐘的歌大約 10～20 分鐘)，但電腦不會卡。

對完之後

SRT 這類一般字幕對完時間後還看不出變色，Kara3 會接著開啟「轉成卡拉 OK」，並勾好「保留字幕原本就有的逐字時間」，轉換後就能看到逐字變色。
已經是卡拉 OK 的句子，會直接更新每個字的時間。
建議用逐字拍點播放檢查一遍。不對的句子可以選起來按 R 重拍，或選取後再自動對時一次。
整次對時可以用 Ctrl+Z 一次復原。

讀音行也能單獨對時

用自動注音的「另外一行字幕」做出的讀音行，可以單獨對時：只選讀音行，或在讀音軌選一句後選「整條字軌」。日文振假名行會一個假名一個假名變色，例如「二人」唱成「ふたり」，原本的歌詞維持整組變色，讀音行則是ふ、た、り各變一次。羅馬拼音行是一個詞一個詞變色。漢語拼音和韓文羅馬拼音行本來就跟著歌詞逐字變色，不用另外對時，會跳過。重新執行自動注音會重新產生讀音行，對好的時間會被蓋掉，所以建議最後再對。

哪些情況比較不準

讀音和字典不同：漢字照字典的讀音比對，歌詞「水面」唱成「みなも」這類就會偏。先用自動注音加上注音，再改成實際唱的讀音，對時會優先照注音。
唱得含糊或漏唱的字：會用前後的字推算時間。
方言：台語、粵語等用中文字寫的歌詞，會照國語讀音比對，誤差比較大。
和聲很多、伴奏很吵的歌：人聲分離不乾淨，也會比較不準。

我們用幾十首不同語言的歌實測，大部分的字和手動拍點的差距都在 0.2 秒內。