逐词时间戳歌词：每个词都有起止时间

这个工具读取的是站内生成歌曲自带的逐词对齐数据。它不是对任意音频跑语音识别：页面上没有上传入口，你本地磁盘里的文件也没有可供查询的对齐数据。如果你要给别处录的音频打时间，这里不是对的工具。

返回的是一串词，每个词带开始时间、结束时间，以及一个标记说明这个词有没有对齐成功。对齐精度是逐词而不是逐行，这个差别是实质性的：逐行的工具告诉你一句从哪里开始，逐词的时间告诉你此刻唱到了这句的哪个位置。

因为数据跟着生成的曲目走，它对齐的歌词就是这首歌当初据以生成的那份歌词。你不是在转写一段演唱、再指望识别出来的字没错；字本身已经是已知的，要回答的只有一个问题：每个字是在什么时候唱出来的。

每个词都带一个成功标记，而且不是每个词都能拿到。对齐失败的词仍然会留在列表里，好让歌词读起来是完整的，但它们的时间在你亲耳听过之前不该当真。先扫一遍这些词，比把整份歌词对着音频从头读一遍要快。

有三个地方出错的概率明显高于其他位置。一是跨好几个音节的长音，它倾向于把这几个词都堆在乐句开头，而不是均匀铺开。二是密集的快速段落，词挨得太紧，相邻的词可能占了彼此的位置。三是垫在主唱后面的即兴和双轨人声，它们会把时间往背景那条线上拉。

除此之外的部分通常可以直接用。实际做法是从头完整放一遍，留意高亮在哪里和你听到的对不上，只去看那几个时刻就够了。

边界在于来源。这个工具只处理在本站生成的歌曲，因为对齐数据是在生成时一并产出、跟曲目存在一起的。你从外部带进来的 MP3 或 WAV，这里的一切都不适用。

如果你有自己的录音、想把词对上去，那是转写而不是对齐，是另一件事，准确度的性质也不同。如果你要的是词本身而不是它们的时间，作词工具可以按主题写出歌词，音乐生成工具可以把歌词变成一首唱出来的曲子。

如果你手上是纯音乐，想知道的是它的结构而不是歌词，调性与 BPM 检测可以从音频里读出速度和调性。很多人问「这首没有人声的歌的时间信息」时，其实要的正是这个。