影片自動上字幕，可以先用語音辨識產生草稿，再由人核對文字、時間與畫面。要選手打、線上服務或本地模型，先看你能否上傳素材、需要哪些語言，以及誰負責校對。
這篇適合製作繁體中文口播、教學或訪談的人，目標是選出適合自己的字幕流程，並知道交付前要檢查什麼。本文依官方文件整理與編輯分析，不是三款工具的繁中準確率實測；沒有固定完成時間或效率倍數的保證。
三種做法怎麼選
手動輸入與對時
在剪輯軟體輸入文字、調整出現時間。你能逐句決定用字和斷句，但仍可能打錯或對時不準。短片、需要精細編排的字幕，可以先評估這條路；成本主要是輸入、校對與排版的人工作業時間。
線上字幕服務
適合希望直接上傳影片、取得字幕草稿的人。使用前核對支援語言、能否匯出 SRT、浮水印、影片長度及免費額度。收費可能依分鐘、訂閱或其他方式計算，不能只用首頁的「免費」判斷整個流程零成本。
客戶會議、未公開產品與內部訓練，先確認素材是否允許交給該服務處理，以及保存和刪除規則。工具方便不代表你已有上傳權限。
本地語音辨識模型
適合希望在自己電腦處理素材、且能維護環境的人。以 OpenAI Whisper 官方專案為例，模型與程式採 MIT 授權，但仍有設備、儲存、安裝與操作時間成本。只有確認整條流程都在本機，才能說素材沒有送到雲端；外掛與後續翻譯也要分別查核。
Whisper 官方說明模型之間有速度、記憶體與準確度取捨，表中的相對速度來自特定硬體和英文測試，不能直接當成你的繁中影片耗時。先用同一小段素材比較，再決定採用哪個模型，不把「中文一定要 medium 以上」當作普遍規則。
繁體中文字幕要核對什麼
- 字詞與專有名詞： 準備人名、品牌名、數字與術語清單，對照原音核對；不要用全域取代把其他同音字一起改掉。
- 繁簡與用語： 檢查輸出是否符合目標讀者。轉繁體後仍要看整句意思，字形正確不代表辨識正確。
- 斷句與時間： 一句不要在不自然的位置換行，字幕需配合說話時間。字數、字級與行數應用實際手機畫面驗收，沒有適用所有版面的固定行長。
- 漏字與多字： 即使語句流暢，也要對照原音。中文同樣可能把否定、金額或姓名聽錯，不能只檢查外語影片。
如果影片還需要翻譯，先校對辨識稿，再翻譯及複核。不要假設模型能可靠標出所有不確定句子，也不要只看它自行標示的低信心片段。
SRT 字幕檔還是燒進畫面
可開關字幕適合需要後續修改、提供多語言或由觀眾自行切換的場合。YouTube 官方支援格式包含基本 SRT；檔案內的時間碼與文字要符合格式要求。支援上傳不等於平台已收錄字幕內容，也不代表搜尋排名提升。
燒錄字幕是把字做進影片畫面，適合想固定字體、位置與呈現方式的輸出。但仍要避開播放器按鈕、平台遮罩及裁切區，不能保證所有裝置和版面都看得清楚。
依發布平台與交付需求決定是否同時保留影片、可編輯專案與字幕檔。若委託製作，先把這些檔案是否交付寫進範圍；可參考AI 影片與圖片服務。
剪輯與字幕的順序
對沒有同步更新字幕時間軸的流程，較容易驗收的做法是：先完成剪輯，再對最終版本產生或校正字幕。若軟體能讓字幕跟著剪輯一起移動，也可以先轉錄，但輸出前仍要檢查。
只剪掉影片中段、卻沿用原本字幕檔的時間碼，可能造成後段不同步。問題在於時間軸沒有跟著變動，不是任何「先轉錄」的流程都一定錯。延伸可讀剪掉影片停頓的注意事項與影片轉逐字稿的限制。
用自己的短片做一次驗收
- 選一段你有權使用、能聽懂內容的短片，保留原始檔，寫下語言、長度、工具與模型版本。
- 用你已選定的方式產生字幕；分開記錄處理時間與人工校對時間。沒有測過的欄位填「未測」，不要用別人的速度補上。
- 對照原音逐句核對文字，特別查看人名、數字、否定詞及句尾；在開頭、中段、結尾檢查同步。
- 在預計發布的畫面尺寸預覽，確認換行、對比、字幕位置及操作介面遮擋。字幕檔重新匯入後再看一次；燒錄版則檢查實際輸出的影片。
- 留下錯誤與修正紀錄，再決定是否擴大使用。若比較兩種工具，用同一段影片、同樣的驗收標準，記錄各自費用限制。
完成後應有一份校對後字幕、對應影片與作業紀錄。這份練習讓你估算自己的工作量；本篇沒有替讀者跑模型，也不把練習步驟當成已完成的實測結果。
成本與來源範圍
總成本要一起看工具額度、設備、人工校對、翻譯與重新輸出。多人重疊說話、背景音樂、回音或大量專有名詞，都值得先抽樣測試。不要先承諾每支影片十分鐘完成，再用刪減校對來湊時間。
官方來源查核日期：2026-09-22。Whisper 的模型、授權與速度限制依官方 README；字幕格式依 YouTube 說明。本文由 AI 協助整理並修正舊版未附證據的時間估計與「繁中實測」標示，保留原始發布日。後續若公開實測，應另附素材條件、設備、版本與原始結果。