制作短剧双语字幕通常涉及听写/翻译、时间轴制作和压制三个核心步骤，以下是针对不同水平（新手到专业）的完整流程指南：
第一步：准备原始素材
- 获取音频/视频：确保视频文件清晰，音频无过多杂音。
- 决定语言对：中文→英文，或 英文→中文。
第二步：听写与翻译
你不需要直接写代码,但需要处理文本。
-
手动听写
- 使用文本编辑器或专业的字幕软件（见第四步）。
- 听一句,暂停，输入原文，再输入译文。
- 技巧：使用播放器的慢放功能（0.5x或0.75x）处理口齿不清或语速快的部分。
-
AI辅助听写（推荐）
- 语音转文字工具：使用剪映（必剪）、讯飞听见、网易见外等。
- 步骤：
- 上传音频/视频到工具。
- 自动生成原文时间轴（SRT格式）。
- 校对：AI识别准确率通常在90-95%，需要人工修正专有名词、连读、标点。
-
翻译环节：
- 如果你精通双语：直接在下文第三、四步中输入。
- 如果你需要辅助：使用DeepL、Google翻译，或AI工具（如ChatGPT）。千万不要直接使用机翻结果，必须人工润色调整语序、文化梗（我服了”译为“I give up”而非“I admire”）。
第三步：选择字幕制作工具
| 工具 | 适合人群 | 优点 | 缺点 |
|---|---|---|---|
| 剪映专业版 | 新手、短视频创作者 | 免费，内置语音识别、翻译、字幕段落对齐 | 无法直接导出ASS格式（特效字幕），字幕风格较模板化 |
| Arctime | 进阶爱好者 | 自动打轴（需人工校准），可编辑样式，支持SRT/ASS | 翻译功能弱（需外部导入），界面略旧 |
| Aegisub | 专业字幕组 | 精确控制时间轴，支持高级特效（卡拉OK、字体特效） | 学习曲线陡峭，无AI翻译，纯手动 |
| Subtitle Edit | 效率党 | 免费开源，多种听写引擎（Whisper）集成，支持波形修改时间轴 | 界面功能复杂，翻译需插件或手动输入 |
| 在线工具（如快乐字幕君、SubtitleNEXT） | 偶尔使用 | 免安装，可拖动时间轴，支持在线翻译 | 有文件大小限制，会员制，隐私风险 |
第四步：制作时间轴与对齐
确保字幕出现在正确的时间点,这是区分“合格”与“粗糙”的关键。
- 硬打轴（新手推荐）：使用剪映等工具，先听写，再调整字幕块长度，原则：字幕在说话前0.1秒出现，在说话结束后0.2-0.5秒消失，长字幕需拆分（每行不超过20-30个字符）。
- 波形/频谱打轴（手动专业）：使用Aegisub或Subtitle Edit，观察音频波形，说话时波峰明显，在波形上框选时间范围，输入原文和译文。
- 机器打轴+精调：Arctime可以按“说话停顿”自动断句，但需手动微调错位。
第五步：格式化双语布局
经典布局策略：
- 上1下2或上2下1（常见）：
- 原文在上（例如中文），译文在下（例如英文）。
- 或者原文在左,译文在右（适合竖屏短剧？容易导致文字重叠，不推荐）。
- 左1右2（横屏视频）：使用Aegisub将两条字幕分别放在左右两侧，或使用ASS脚本对齐。
- 单行混合：
-你好 -Hello（只适合短句，长句阅读吃力）。
具体在工具中设置：
- 剪映：将原文和译文分别放在不同的字幕行，选中字幕，在“样式”中调整位置（Y轴坐标）：第一行 -50，第二行 -20。
- Aegisub：创建两个样式（Style），一个命名为
ZH（原文），位置Align 2（底部居中）；另一个命名为EN（译文），位置Align 8（顶部居中）或其他偏移位置。
第六步：检查与导出
- 时间轴一致性检查：从头到尾播放，确认每句字幕在语音持续期间完整显示。
- 翻译准确性：检查专有名词（人名、地名）、俚语、语气词（“嗯”、“啊”最好省略，或用英文对应语气词如"Oh", "Yeah"）。
- 字符限制：
- 中文每行不超过18-20字。
- 英文每行不超过40-50个字符（含空格）。
- 每行停留时间不要少于1秒,以免阅读困难。
- 导出格式：
- 硬字幕（嵌入视频）：在工具中直接导出视频（推荐短剧平台）。
- 软字幕（独立文件）：导出SRT（兼容性最好）或 ASS（保留样式特效）。
推荐工作流（适合新手）：剪映快速流
- 导入视频 > 文本 > 智能字幕（或：识别歌词）> 自动生成中文/英文时间轴。
- 进入文本编辑模式,为每个字幕段手动输入另一语言（或使用剪映的“翻译”功能获取草稿后手动修正）。
- 将原文和译文分别放置在上下行，调整字号、字体（原文一般用无衬线字体如黑体、Arial，译文用Times New Roman或Roboto）。
- 预览检查 > 导出视频（带字幕）或导出SRT文件。
进阶：批量处理（字幕组效率流）
- 使用Spleeter（音源分离）：处理多人对话噪音。
- Whisper（语音转文字）：本地运行，高精度多语言识别，输出带时间轴的JSON/SRT。
- 对齐工具：Subtitle Edit的“对齐波形”功能自动调整时间轴。
- 翻译记忆库：使用Okapi或OmegaT统一翻译风格（如统一角色名）。
总结核心要点
- 原文要准，译文要读得通（不要逐字死译，要符合目标语言口语习惯）。
- 时间轴是灵魂：宁可提前0.1秒出现，不要晚0.5秒消失。
- 美观阅读：字符限制 + 清晰字体 + 适当阴影（或描边）+ 不遮挡画面重要元素（如人脸、字幕条）。
- 效率为王：新手先用剪映 + AI听写，熟练后再学习Aegisub的专业控制。
如果你能提供：原始语言、目标语言、以及是否已有时间轴（或只有视频），我可以给出更精确的适配方案。