(Cliccare sull'immagine per ingrandirla) 

L'immagine sopra è una cattura di schermo del file audio di una parte del file .MP3  scaricabile da A dieci anni del lancio del Progetto Poschiavo, aperto in Audacity, l'editor audio libero e multipiattaforma, con la trascrizione dell'audio nella pista delle etichette.

Estratto corrispondente del file di testo ottenuto esportando la pista delle etichette: 

117.416337    124.614040    Quindi su questo, è stato possibile costruire un rapporto e costruire anche dei progetti veri e propri.
124.674935    129.010607    [Musica]
129.156753    137.925528    MM: Forse va detto che nell'ambito di questo progetto MovingAlps, noi abbiamo acquisito sul territorio una serie di competenze che predentemente non c'eranno
138.181284    146.268044    Queste competenze, per esempio  nell'accompagnare i progetti, ma anche nell'utilizzo delle tecnologie, nell'apertura verso l'esterno,

Ma si possono fare etichette ancora più lunghe:

182.341811    191.987464    E in tutto questo, una figura chiave, rappresentata da persone che, come lei, hanno il ruolo di accompagnatore di un progetto. Un ruolo nuovo, Maurizio Michael?
192.121431    219.316814    MM: Potremmo definirlo anche una specie di traduttore, quindi di persona che in qualche modo è tra l'interno e l'esterno, quindi che permette di seguire le persone, di seguire i progetti, di seguire le idee, di fare comunque da tramite con delle persone competenti, con degli esperti nel campo, e quindi di ritradurre queste informazioni che provengono dall'esterno in una - lo dico così - lingua comprensibile al territorio.

Ovviamente, per poter utilizzare un file di trascrizione  prodotto così in un captioning SMIL dell'audio di un video, sarebbe necessario un certo editing: dividere per 60 per ottenere minuti e secondi. Poi non so se i file SMIL gestiscano indicazioni temporali date al milionesimo di secondo. Ma visto che il file ottenuto è in testo codificato, forse si potrebbero semplificare queste conversioni utilizzando un foglio di calcolo (anche per aggiungere la categoria dei locutori).

Comunque, se si tratta soltanto di dare una trascrizione dell'audio con poche indicazioni temporali di massima, le etichette di Audacity sono molto comode, perché sono precisissime, perché si può "zoomare" la pista audio per farla combaciare con il testo dell'etichetta, e perché la pista delle etichette può essere reimportata in seguito se uno si deve interrompere. Certo, è anche possibile salvare tutto il "progetto" (pista audio suddivisa in pezzettini, pista etichette, pista tempo ecc), però le cartelle di progetto sono molto grosse. Quidi se è stata utilizzata soltanto la pista etichette, è più economico salvare soltanto quella e reimportarla.