字幕、无障碍字幕与转写：采购区别指南

字幕、无障碍字幕和转写稿解决的是不同需求

比较字幕、无障碍字幕与转写服务时，可以先记住一个核心区别：转写稿把音频内容变成可独立阅读的文档；无障碍字幕让观众在视频播放时同步读取语音和理解内容所需的声音信息；翻译字幕通常让听得见、但不懂源语言的观众理解对白。三者可能共用同一份源语音文本，却不是同一种交付物。

采购时如果只说“请把视频做成文字”，就没有说明是否需要时间码、说话人标签、音效提示、翻译、屏幕位置、网页可检索文本，或能导入学习平台的文件。转写稿不能替代同步字幕；只翻译对白的字幕也不一定包含无障碍所需的说话人和声音信息。本指南帮助培训、媒体、营销和无障碍团队一次把范围说清楚。

定义：每种服务到底交付什么

转写（transcription）把语音以及约定范围内的重要非语音声音转换成书面文字。可选择逐字稿、清洁稿、带说话人、带时间码或适合发布的编辑稿。转写稿通常脱离播放器阅读；互动式转写稿则可高亮当前段落并跳转到视频时间点。

无障碍字幕（captions）是与视频同步的文字替代，既包含对白，也包含理解内容所需的音乐、笑声、警报、语气和说话人信息。W3C 对预录视频字幕的说明明确指出了这一点。可关闭字幕可以由用户开关；开放式字幕直接烧录在画面中，无法关闭。

翻译字幕（subtitles）主要呈现对白，通常用于帮助不懂源语言的观众。不同市场的术语并不完全一致，有些地区也会把同语无障碍字幕称为 subtitles，平台也可能把所有可选择的定时文本都放在“字幕”菜单中。因此，采购文件应写清内容和功能，而不是只写一个名称。

SDH即面向聋人及听障人士的字幕，可把翻译对白与说话人标识、重要音效结合起来。它适合需要本地化和无障碍双重支持的发行项目，但仍须约定格式、阅读规则和平台标签。

采购对比表

同一条培训视频可能三种都需要：网页下方放可搜索转写稿，播放器提供源语无障碍字幕，再为每个市场提供翻译字幕或 SDH。高效流程可以复用审核通过的源语转写和时间轴，但每种交付物必须单独验收。

无障碍要求必须在翻译前确定

“有文字”并不等于“满足无障碍要求”。对预录同步媒体，WCAG 2.2 成功标准 1.2.2在 A 级要求提供字幕，并包含标准列明的例外。W3C 所说的 captions 同时覆盖语音和理解内容所需的非语音信息。播放器下方的对白转写稿没有同步，作用不同；只翻译对白的字幕也可能缺少说话人和音效信息。

转写稿还支持其他使用方式。W3C 的转写稿指南区分基础转写稿和描述性转写稿：后者还包括理解视频所需的视觉信息。它适合偏好阅读、需要更多理解时间、依赖文字搜索或使用其他辅助流程的用户。不要因为交付了一个文本文件，就笼统承诺合规。

法律义务取决于司法辖区、行业、机构政策、发布渠道和节目来源。例如，美国 FCC 的网络视频字幕规则有明确适用范围，与某些曾在电视播出且带字幕的节目有关，并不是所有网络视频的通用规则。应由无障碍或法务负责人确认适用要求，再把标准写入服务说明。

质量也不只是“字对了”。FCC 的字幕质量框架强调准确性、同步性、完整性和位置。这四类指标即使在不受 FCC 规则约束的项目中，也很适合用于采购验收。字幕如果延迟、停留过短、结尾被截断或遮住关键按钮，即使文本正确，观众仍无法有效使用。

从审核通过的源语轨道开始本地化

先锁定源视频版本，记录帧率、时长、音轨和剪辑版本，并收集脚本、人名、术语、发音、品牌规则和画面文字。若视频还会修改，应事先约定如何识别和计价变更；几秒钟的插入也可能让后续所有时间码失效。

随后创建并审核源语转写稿，先解决听不清的语句、人名、数字、缩写和说话人身份，再制作带合理断句、显示时间、换行、说话人变化和音效的源语字幕模板。模板可支持翻译，但不能机械套用：不同语言的长度、语序和自然断句都不同。

翻译必须考虑观看场景，而不是逐句替换。保留含义、语气、术语和行动号召，同时控制阅读密度。按批准的本地化说明处理习语、计量单位、称谓和文化指涉。画面文字也要决定是做字幕、替换图形，还是作为单独资产交付。对白与重要标题卡同时出现时，字幕位置可能需要调整。

最后在实际视频中逐语种审核。只看双语文本无法发现所有定时、裁切、遮挡、字体、编码和场景切换问题。可参考我们的字幕翻译与文化适配指南和多语言字幕 QA 清单。

文件格式要由目标平台决定

• TXT、DOCX 或结构化 HTML适合转写稿。需要导航或证据定位时，应加入说话人和周期性时间码。
• SRT交换广泛、结构简单，但功能有限，各平台的解释也可能不同，适合基础字幕交付。
• WebVTT（.vtt）用于网页定时文本。W3C WebVTT 规范覆盖字幕、说明、章节及与媒体对齐的元数据。
• TTML 或 IMSC用于功能更丰富的专业、广播和流媒体流程；必须指定所需 profile，不能只写“TTML”。
• 平台专用模板可能是广播商、流媒体、LMS、社交平台或剪辑系统的硬性要求，应先测试一个样例导入。
• 烧录字幕属于视频像素，不是可切换文本轨。它兼容没有字幕功能的播放器，但不能关闭、难以由用户调整，也不便于搜索和复用。

清单中应记录可编辑母版、语言代码、源视频版本、帧率假设和交付版本。`module03_zh-CN_sdh_v2.vtt`比`final2.srt`更可追踪。还要测试 UTF-8 或指定编码、中文标点、字体和目标设备显示。

明确时间、说话人、音效和版面规则

给供应商可衡量的标准：时间码是媒体时间还是帧时间；最短和最长显示时间；最大行数；每行字符或字格；阅读速度算法；镜头切换；对白重叠；快速对白如何处理。不同语言和平台没有唯一通用数值，应以目标渠道规范为准。

对 captions 或 SDH，当说话人不明显时应标识身份，并记录与理解有关的声音，而不是描述每个可听事件。音乐只有在来源、情绪、歌词或情节作用重要时才需要说明。标签应保持一致，不能只靠颜色区分。翻译字幕还要约定人名、职称、画面图形和外语对白由同一轨道还是单独轨道承载。

字幕位置要避开人脸、操作演示、安全警告、图表、按钮和 lower third。如果格式支持位置元数据，要在实际播放器测试；若不支持，则需定义安全区和替代表达，并同时检查手机小屏。

采购决策树

• 需要可搜索、可下载或可审阅的文字文档？采购转写稿，并按需要加入说话人、时间码和视觉描述。
• 需要观众在播放时访问源语音频内容？采购同语无障碍字幕，包含必要音效和说话人标识。
• 需要其他语言观众理解对白？采购翻译字幕；若目标观众还需要无障碍信息，则采购本地化 SDH。
• 同时需要无障碍和国际发行？先批准源语字幕模板，再按平台要求制作各语言 SDH 或字幕组合。
• 同时用于搜索、留档、本地化和播放？采购套装：源语转写、定时源语字幕、翻译轨道和版本清单。
• 需要直播？另行设计流程，因为直播字幕和口译有延迟、人员、纠错、平台与备用方案要求。

如果仍不确定，选择一条有代表性的视频做试点，至少包含多位说话人、音乐、画面文字、数字、快语速、口音和 lower third。简单的单人讲话视频无法暴露完整片库的风险。

按验收后的交付物比较报价

两个报价都写“字幕服务”，实际范围可能不同。要求供应商分别列出源语审核、转写、打轴、字幕制作、翻译、双语审校、视频内 QA、格式转换、平台上传、修改轮次和最终修正。若使用语音识别或机器翻译，也要说明后续人工审核。

验收证据应包括语言与文件清单、验证结果、审校清单、问题日志、修正文件以及对应源视频版本。抽查开头、中段和结尾的完整字幕，并重点检查困难片段。若转写稿用于 AI 训练数据，规范会明显不同；我们的AI 训练数据转写服务指南介绍了时间戳、说话人和标注选择。

最终批准前确认：所有语言和交付物齐全；文件对应正确视频版本；语音、人名、数字和术语准确；captions 包含必要声音信息；翻译含义正确且可在播放速度下阅读；时间、换行、位置和镜头切换自然；编码、语言标签、导入和轨道选择在目标设备正常；转写稿作为文档可读；修正已同步到所有相关语言和衍生文件。

正确答案往往不是三选一，而是有意识地组合。向 Smart Language Service 提供一条源视频、目标平台、语言、无障碍政策和使用场景，我们可以在整批报价前确认所需转写、captions、翻译字幕、SDH、格式和 QA 交付物。