第 49 章 字幕系统#

49.1 字幕从最终音频产生#

剧本文字不是时间源。对白和旁白锁定后强制对齐，再人工校正人名、数字、打断和重叠。任何音频改动使相关字幕失效。

49.2 意群断句#

字幕按意义和呼吸分行，不按固定字数切词。谓语与宾语、姓名与身份、数字与单位尽量不拆。每屏只承载观众能一次读完的信息。

49.3 时序#

字幕可略早于声音极短出现帮助阅读，但不能提前泄露反转。出点给足阅读，又不拖到下一角色。打断台词可用破折号或直接截断，保持表演。

49.4 位置与避让#

默认底部安全区，但脸、手、文件、手机和平台 UI 优先。每镜可定义 Subtitle Avoidance Map。动态道具进入时，字幕需要自动化位置或缩短文本。

49.5 字体与样式#

选择手机可读、授权清楚的字体。字号、行距、描边和阴影在明暗背景测试。强调只用于人名、金额、结果等少量关键词，避免整屏花色。

49.6 说话人与旁白#

多数对话靠镜头识别，不必每句加姓名。画外、多人重叠或旁白可用稳定样式区分，但颜色不应成为唯一线索，以照顾色觉差异。

49.7 数字和专名#

字幕显示与发音可以不同，但事实一致。例如声音说“三亿两千万”，字幕可写“3.2亿元”。格式全剧统一，并引用事实账。

49.8 多语言#

翻译后重新断句、计时和避让。不同语言长度不同，不能把中文位置和字号原样复制。保留可编辑字幕，不把唯一版本烧录进母版。

49.9 可访问性#

必要时标注关键画外声音、电话、门响和音乐信息，但商业正片字幕不应被无关音效标签淹没。制作单独的无障碍字幕版本。

49.10 字幕 QC#

检查文字与声音、说话人、拼写、时间、阅读速度、断句、平台遮挡、脸与证明物避让、字体权利和多语言溢出。真实手机正常速度播放，不暂停审美。

subtitle_event:
  id: SUB_E001_012
  start: 00:31.200
  end: 00:33.500
  speaker: CH_LINYUN
  text: 那就请收购方代表参加。
  emphasis: 收购方代表
  position: lower_center_shifted_up
  avoid: PROP_AUTHORIZATION_title

49.11 阅读速度与暴露时长#

阅读速度不应只用一个固定字数阈值。短而陌生的人名、金额、公司名比普通口语需要更长；熟悉的短句可以更快。字幕暴露时间还受画面复杂度影响：观众同时需要看脸、文件和动作时，阅读能力会下降。

实操中先按语音时间产生字幕，再检查每条字符密度、最短暴露、镜头切换和认知负荷。无法读完时优先改写成口语、拆分意群、延长镜头或让画面承担信息，最后才考虑缩小字号。字号不是容量调节器。

49.12 字幕与证据的优先级#

当对白正在解释屏幕或文件时，字幕很容易挡住同一证据。每镜建立可视优先级：人脸、动作、一级证明字段、字幕、装饰图形。若一级证明字段必须读，字幕可上移、分两段、延迟进入，或让对白跨到反应镜头。

Subtitle Avoidance Map 不只是一个固定安全框。它可以带时间：0–1.2 秒底部可用，1.2–2.4 秒授权书进入下中部，字幕转到上方，2.4 秒后恢复。自动系统应读取道具和人脸轨迹，而不是整集机械居中。

49.13 字幕事实源与修订链#

字幕文本来自最终音频转写，但姓名、金额、日期和术语必须与事实账校验。语音识别结果只是候选，不能覆盖项目真相。每条字幕保存 audio_hash 和术语表版本；音频变化或事实字段变化时自动标记失效。

人工为了顺口删改字幕时，应区分“压缩显示”与“改变台词”。压缩不能改变承诺、否定、数字和责任主体。声音说“我没有授权他转账”，字幕不能压成“没授权转账”，因为主体关系可能是剧情证据。

49.14 断句就是表演解释#

同一句“我以为你不会回来”可以按“我以为 / 你不会回来”突出判断，也可以按“我以为你 / 不会回来”产生不同歧义。字幕断句应跟随说话动作和重音，不只追求视觉长度均衡。

被打断、说谎、自我修正和抢话必须保留形式。一个未说完的句子若被字幕补全，会提前泄露人物意图；口吃和重复也不必全部逐字显示，应保留对表演有意义的部分。

49.15 《逆光收购》的金额字幕#

林筠说“三年前，同一天，有三笔合计三亿两千万的款项转出”。原字幕整句两行，同时画面展示三行账目，手机上无法兼顾。新版拆成两个意群：先显示“三年前，同一天”，配时间列高亮；切到金额列时显示“三笔款项，共计 3.2 亿元”。

事实没有减少，但声音、字幕和图形分工明确。金额格式由事实账统一，广告版、正片和英文版都引用同一字段。

49.16 字幕 SOP#

第一步，锁最终音频。第二步，强制对齐。第三步，按意群断句。第四步，统一专名和数字。第五步，应用平台安全区。第六步，为关键镜头做避让。第七步，手机审读。第八步，导出可编辑、烧录和无障碍版本。

49.17 故障树#

**症状：字幕越到后面越漂。**基于剧本估时。重新对齐最终音频。

**症状：字幕挡文件。**没有镜头避让图。移动、缩短或延迟字幕。

**症状：字太小。**试图塞完整书面句。改写、分屏或让画面承担信息。

**症状：多语言溢出。**只翻译未重新排版。独立做断句与字号测试。

49.18 检查表、练习与交付物#

检查时间是否来自音频；断句是否按意群；是否提前泄露；关键画面是否避让；字体是否授权；数字是否统一；手机是否可读；多语言是否独立测试。

练习一：为一分钟音频做逐句时间码。练习二：重排五条遮挡证明物的字幕。练习三：把中文字幕本地化为长度更长的语言。

本章交付物：Forced Alignment、Subtitle Track、Style Guide、Avoidance Map、Terminology List、Accessibility Captions、Subtitle QC。

49.19 字幕对象必须绑定音频和文本版本#

每条字幕保存文本事实源、对白母版哈希、词级时间、说话人、语言、样式和位置策略。音频换 take 后，旧对齐自动失效；剧本改字但音频未重录时，系统报告内容冲突。字幕不能成为第四份独立台词真相。

subtitle_item:
  id: SUB_E001_042
  speaker: CH_LINYUN
  audio_ref: DLG_E001_B04_MASTER@sha256
  text_ref: LINE_E001_B04@v07
  in: 00:41.080
  out: 00:43.420
  break_after: 授权书
  placement_policy: avoid_document_lower_center

强制对齐提供候选时间，人类仍需按表演和阅读修正。停顿不一定换字幕，打断可能要求提前消失，气声可能需要更长暴露。机器负责同步事实，人负责解释语气。

49.20 动态避让是一条时间轨道#

字幕位置不能按整镜固定。人物脸、手势、证据和平台 UI 会移动，Avoidance Map 应随时间改变安全区域。字幕从底部移到上方时要在自然断句发生，不能每秒上下跳动；同一场景尽量保持稳定基线。

图 49-1 第一阶段字幕使用底部区域；证据抬入画面后，字幕在断句处迁移到上方；平台 UI 出现后，右侧继续保持禁入。动态避让不是让字幕追着物体乱跑，而是在少数稳定布局之间有节制地切换。

右侧可读区图应按平台和镜头实时更新。绿色人脸区、红色证据区和蓝色平台区都不是绝对矩形，而是当前帧的注意力占用；字幕选择剩余区域，同时保持最小字号、行长和视觉稳定。

避让优先级通常是：关键证据与口型不可遮，人物眼睛和手部动作其次，普通背景可遮。若画面已无可用区域，应重排字幕时序、拆句或调整镜头，而不是把字缩到不可读。

烧录字幕和外挂字幕分别验收。外挂样式可能由平台控制，必须提供安全位置假设；烧录版则检查压缩边缘、描边、颜色对比和不同背景上的稳定性。

49.21 多语言字幕不是逐句等长替换#

翻译先保留台词功能、关系和信息，再处理长度。英语、西班牙语或其他语言可能比中文更长，需要重新断句和暴露，不能强行复制中文时间点。关键专名、金额和法律术语由 Terminology List 锁定，并经过母语审校。

文化改写与事实翻译分开。称谓、亲属关系和商业制度若目标市场不熟悉，可在台词或字幕中清楚化，但不能改变剧情证据。每项改写记录原因和审批人，避免不同集使用不同译法。

多语言 QA 包括回译抽查、画面对照、阅读速度、标点、本地数字日期格式、敏感词和平台字符支持。字幕正确还不够，必须在真实画面和真实设备上可读。

研究依据说明#

字幕是移动端核心叙事层，不是剪辑软件最后自动生成的装饰。它必须和音频、构图、图形事实与平台 UI 同时设计。