字幕清理與台灣字幕慣例
現在要生逐字稿很容易——但自動轉錄的逐字稿不能直接當字幕。 這篇整理從「逐字稿」到「能上片的字幕」中間，那條固定要跑的後處理管線。
一、台灣字幕的三條慣例
看一下台灣的電視節目、電影、YouTube 影片字幕，會發現幾個共通規則：
句尾不放句號
字幕本身就是一句一句出現的，句號是多餘的。
句中的標點用「空格」取代，不要直接刪
句號、逗號、頓號在字幕裡改用一個空格處理。
別直接刪標點
直接刪掉會讓前後兩句黏在一起變成一長串，反而更難讀。要換成空格，保留呼吸感。
「？」「！」保留
這兩個有語氣意義，是資訊而不是格式。
語助詞不上字幕
哦、嗯、啊、欸這些，除非有戲劇作用（例如刻意的停頓、情緒），否則不要出現在字幕上。逐字稿裡滿篇的「哦」，放到螢幕上是純粹的閱讀干擾。
二、自動刪語助詞的誤傷邊界
想用程式批次刪語助詞的話，這件事只能動一組安全字元：
✅ 可以自動刪：
哦、喔、嗯、欸、呃、啊（這幾個字幾乎不會是某個詞的一部分）
❌ 不能碰這些，看起來像語助詞，但常常是詞的一部分：
| 字 | 誤傷例子 |
|---|---|
| 嘛 | 幹嘛 |
| 呢 | 呢絨、句中的「呢」 |
| 吧 | 好吧、酒吧 |
| 啦 | 很多詞尾都有 |
這幾個交給詞彙表規則或人工處理，不要放進自動刪除清單。
三、自動轉錄的中文特性（實測心得）
以 macOS 26 內建的 SpeechTranscriber 跑一場兩小時的線上會議錄影為例：
- 速度約 59 倍速（兩小時的影片約 2 分鐘跑完），本機執行、免費，中文（zh-TW）可用
- 一段常常長達 10～17 秒 —— 直接燒上去就是一面文字牆
專有名詞的錯字是「系統性」的
這是最重要的一個發現：同一個詞每次都會錯成同一個樣子。
例如佛學內容裡的「四聖諦 → 四聖地」、「苦集滅道 → 苦及滅道」、「釋迦牟尼 → 釋迦利摩尼」。
錯得一致，代表 建一份詞彙表做批次取代，是投報率最高的修正方式——比換一個幾 GB 的大模型划算太多。每個領域（宗教、醫學、遊戲、你的產品名）都值得養一份自己的詞彙表，一次建立長期複用。
順帶一提，也會出現少量港式異體字（裏麵、導緻、癥狀），同樣批次取代即可。
用逐詞時間軸切出正常長度的字幕
現在的轉錄工具多半會提供每個字/詞的時間點，不只是整段的起訖。有了逐詞時間，就可以照下面的規則重新切段：
- 滿 22 個字必斷
- 滿 10 個字時，遇到標點就斷
切出來大約是 3～10 秒一條，這才是正常的字幕長度。
四、順序鐵律：先剪片，再轉錄
SRT 的時間碼是「從檔案開頭起算的絕對時間」。
- ✅ 純轉檔（整支影片換格式，不動長度）：字幕不會錯位
- ❌ 先轉錄、後剪接：字幕會整體偏移你剪掉的長度；如果用的是不重編碼的「極速剪接」，還會再加上關鍵影格貼齊造成的偏移
正確流程永遠是：先把影片剪好 → 對剪好的成品轉錄。
五、完整管線
轉錄
→ 詞彙表批次取代（修同音錯字）
→ 清理語助詞與標點
→ 逐段人工掃過一次
→ 輸出
中間三步可以自動化，但最後那次人工掃過不能省。
六、輸出：軟嵌字幕 vs 燒錄字幕
| 軟嵌（Soft Sub） | 燒錄（Hard Sub） | |
|---|---|---|
| 本質 | 獨立的字幕軌 | 字幕畫進畫面像素裡 |
| 處理時間 | 秒級（不用重編碼） | 需要完整重編碼 |
| 觀眾可否關閉 | 可以 | 不行 |
| 相容性 | 看播放器 / 平台支援 | 任何裝置都看得到 |
軟嵌：mp4 / mov 容器要用 mov_text 格式；其他容器建議改輸出 mkv。
燒錄：用 ffmpeg 的 subtitles 濾鏡。
燒錄時的路徑地雷
subtitles=濾鏡的檔案路徑跳脫規則很難搞（冒號、引號、中文都會出事）。最省事的解法不是想辦法正確跳脫，而是繞開它——把 SRT 先複製到一個純英數的暫存路徑，再餵給 ffmpeg。
平台選哪個
- 上 YouTube：軟嵌或直接上傳 SRT。字幕檔對 SEO 有幫助，觀眾也能自己關掉
- 上 Instagram、TikTok、Threads 這類手機短影音：燒錄。這些平台多半不吃外掛字幕軌，而且觀眾常常靜音看