基本的にはマイク入力を想定したものですが、既存の音声や動画を読ませることでも、自動的に字幕を生成できます。(※ 但し、お手持ちのpcが上記サイトのマイク入力に動画や音声ファイルを送れる設定が可能かどうかはその機種にもよります)

書き起こされたら、それを「キャプション(.srt)にエクスポート」でsrt形式の字幕ファイルとしてダウンロードできます。※上方のメニュー内にダウンロードの選択があります。
(ここでリアルタイム翻訳しても、そちらはsrt化されないので後でファイルを翻訳するためです)

さてダウンロードした字幕ファイルをテキストエディタで開き中身を全選択してコピペでgoogle翻訳にかけます。(英語→日本語、日本語→英語など)
※長文の場合拡張子をTXT等にしてドキュメントを選択すると全文翻訳されます。
翻訳された字幕テキストは、およそ三つの要素が全角などに誤変換されて、そのままでは機能しないので、テキストエディタを使って置換し、修正します。

「：」(全角)→「:」(半角)
「-> 」→「 --> 」(空白も正確に置換する)
「?」→　「(何もなし)」もしくは、削除。

そうしたら元の.srtファイルに書き戻し保存します。(念のため元ファイルのバックアップはとっとくが吉)
これで.srtファイルとして正常に動作するようになります。

※ ちなみに筆者は、TeraPadというフリーの優れたテキストエディタを置換用に使わせて頂いてます。
https://forest.watch.impress.co.jp/library/software/terapad/

生成された.srtファイルを拡張子はそのまま、動画と同じファイル名にして同じフォルダに置き、字幕対応の動画プレイヤー等で再生すれば、めでたく字幕が表示されます。

字幕対応プレイヤー例

Vlc player　https://www.videolan.org/vlc/index.ja.html
Gom player　https://www.gomlab.com/gomplayer-media-player/?language=ja
Light alloy　http://light-alloy.verona.im/
Zeus player　https://www.gemsoft.jp/product/zp-free/
pot Player　http://potplayer.●●●●.net/
その他

書き起こし精度はgoogleドキュメントとほぼ同じだと思います。
素材の音声、動画によって、誤読率はかなり変わります。
人の耳ではあまり明瞭さの変わらないような音声でも全く書き起こしできない場合もあります。
たまに原因不明で停止するケースもありました。
音量の設定等でも読み取りは変化するようです。
ただしベストがどのようなセッティングかは明確には言えません。
入力される音が大きすぎたり、小さすぎても、書き起こし結果に影響するようです。

ちなみに、Subtitle Workshopといった有名ソフトでも翻訳ができることになっていますが、筆者の環境ではうまく翻訳されませんでした。(2021/01現在)
そのためここでは紹介していません。

もうひとつ「字幕コンバータ」というフリーソフトがあります。
こちらのほうがVTT→SRT等で失敗しにくいと思います。

マイクロソフトストアにあります。
(リンクできないので、検索するか下記のURLをコピペ)
https://www.microsoft.com/ja-jp/p/%E5%AD%97%E5%B9%95%E3%82%B3%E3%83%B3%E3%83%90%E3%83%BC%E3%82%BF/9n075r8fbm0m?activetab=pivot:overviewtab

タイトル画像素材 by PublicDomainPictures (https://pixabay.com/ja/users/publicdomainpictures-14/)