# ElevenLabs Scribe 音效字幕：把掌声与笑声转成无障碍字幕，区分人声与非语音

让Scribe把掌声和笑声作为事件标记，再转换成无障碍字幕。人说“哈哈”与真实非语音笑声、合成测试声必须分清身份。

1. 试听混合事件输入
events-input.wav由作者合成台词、短促拍击噪声和笑声形包络组成，event-truth.csv列时间点。它是原创合成测试，不冒充真人掌声或自然笑声录音。

2. 开启事件标记
按Scribe批量speech-to-text当前接口打开event tagging，保存实际请求。不要只用普通转录默认选项，却假设必然有音效标签。

3. 分开word与event
读取返回tokens的类型、开始与结束，保留原JSON。event列不应塞进说话人台词，未知类型先保留，不强行转成某种事件。

4. 回听每个非语音段
对照真值表试听拍击、笑声形段和短句，记录模型实际标记。合成音可能不被识别为自然掌声或笑声，失败也是有效测试，不改写真值迎合模型。

5. 输出可访问字幕
在SRT中用如[拍击声]标记真实返回/人工确认事件，同时保留普通台词。字幕描述不能比音频证据更具体，例如单次拍击不要写“全场鼓掌”。

6. 核对时间与重叠
检查事件是否盖掉同一时刻台词，开始结束是否超出音轨。必要人工修订另存，并保留Scribe原始返回。

7. 交付原音与修订链
保存音频、合成脚本、实际JSON、原字幕与人工修订字幕。包内真值表不是Scribe已经识别的结果，需在目标接口实际运行后填写。

验收：掌声笑声不是台词，不虚构听不到的事件

执行边界：未运行目标云端AI、账号核验或付费生成；原生作者材料与官方示例不充当目标结果。见asset-identity.json。

官方依据：
https://elevenlabs.io/docs/eleven-api/guides/cookbooks/speech-to-text
