從逐字稿產生字幕 是做什麼的？
字幕不是選擇性的修飾，而是無障礙設計的必要元素。它能讓觀眾在靜音狀態下繼續觀看，對於教學影片更能強化特定的 UI 術語。這項技能能產出乾淨、時間軸精準的字幕檔。樣式設定與燒錄到畫面上的工作則留給後續步驟。
先取得最準確的文字
準確度取決於你的起點：
- 如果有敘述腳本，直接用它作為正確文本。 腳本在技術名詞和 UI 標籤上已經正確無誤。只需將它對齊音訊，而不是從頭重新轉錄。
- 否則，先轉錄音訊（使用 Whisper、平台內建的自動字幕或其他 ASR），然後根據影片進行校正。ASR 經常搞錯產品名稱、程式碼和縮寫——請逐一修正，確保與螢幕上顯示的內容完全一致。
永遠不要直接使用未經校正的 ASR 輸出。錯誤總是集中在最重要的詞彙上。
將提示對齊語音
- 每則提示應該在台詞開始說話時出現，並在台詞結束時消失——對齊語音，而不是任意時間間隔。
- 最短顯示時間約 1 秒（即使是很短的提示），最長約 7 秒。超過這個時間就要拆分提示。
- 句子中間不要有間隔；句子之間可以有短暫間隔，這有助於閱讀。
行數與閱讀規則
- 每則提示 1-2 行，絕不超過 3 行。
- 每行約 32-42 個字元。超過這個長度會讓字幕佔據畫面太多空間，超出安全區域。
- 閱讀速度 ≤ 約每秒 17 個字元（大約每分鐘 160-180 字）。如果一則提示的閱讀速度超過這個上限，文字會閃得太快——請拆分提示或延長其顯示時間。
- 在子句邊界處斷行，不要在片語中間斷行。像「開啟設定頁面」這樣的片語要保持完整；不要把「開啟」單獨放在一行。
選擇格式
- SRT - 通用格式：索引 +
HH:MM:SS,mmm --> HH:MM:SS,mmm+ 文字。適用於上傳到大多數平台和編輯軟體。 - WebVTT（.vtt） - 帶有
WEBVTT標頭，使用HH:MM:SS.mmm時間戳記，支援提示的定位和樣式設定。適用於 HTML5<track>標籤和網頁播放器。
輸出必須有效且可解析——時間戳記標點符號要正確（SRT 在毫秒前使用逗號，VTT 使用句點），提示之間用空行分隔，結尾不要有多餘空白。
乾淨版 vs 逐字版
對於教學影片，使用乾淨版字幕：刪除填充詞（「嗯」、「啊」、重複開頭），但保留語意不變。技術名詞、程式碼和 UI 標籤必須完全保留。只有在使用者明確要求（法律、研究、精確引用等情境）時才使用逐字版。
QA 檢查同步
對照實際影片進行抽樣檢查——開頭、中間和結尾各檢查一次，因為時間軸漂移會逐漸累積。確認提示在對應的台詞出現時顯示，並在下一句開始前消失。修正任何停留在錯誤畫面上的字幕。
交接
完成的 .srt / .vtt 檔案會交給 social-video-formatter 進行燒錄和平台樣式設定，或直接提供給網頁播放器的 <track> 元素。顏色、字型、位置和動畫等設定留給後續步驟——這項技能只產出準確、時間軸精準的文字，不做其他事情。
不要做的事
- 不要設定樣式、顏色、位置或將字幕燒錄到畫面上——這些是 social-video-formatter 的工作。
- 不要逐字製作動畫——這是 kinetic-typography 的工作。
- 不要輸出未經校正的 ASR；錯誤總是集中在最重要的詞彙上。
- 不要為了避免拆分提示而塞進 3 行文字或超出閱讀速度限制——直接拆分提示。