字幕生成說明

從影片聲音到雙語字幕

字幕生成執行的是自動語音識別（ASR），也稱語音轉文字（STT）。它將影片中的說話聲轉換成文字，並加入時間戳，讓每行字幕在對應的影片位置出現。

翻譯是單獨的操作，處理的是已有字幕文字，需要其他語言時再發起。如果影片已有可讀取的文字字幕，可以直接瀏覽、編輯和翻譯。

從找到入口、準備語音模型開始，瞭解如何生成和編輯字幕，再按需翻譯，選擇原文、譯文或雙語播放。

在哪裡開始

點選影片顯示播放控件，再點選頂部的字幕氣泡按鈕。開啟的面板中有“設定”“字幕”和“生成”三個標籤。

有可用字幕時，面板通常先顯示“字幕”頁；沒有字幕時，先顯示“生成”頁。你可以隨時切換標籤。

“設定 → 功能 → 字幕生成”提供模型管理和翻譯管理入口。

播放本地影片，開啟字幕生成入口，在模型管理中準備語音模型，再按需選擇模型、語言和音軌。完成後可檢查結果、修改文字與時間，並匯出 SRT 副本。

首次準備模型需要時間和存儲空間，處理速度取決於設備、模型和影片長度。使用前請檢查識別結果。

入口：播放器頂部“字幕”按鈕 → “生成”。“設定 → 功能 → 字幕生成”提供模型管理和翻譯管理。

下載與選擇語音識別模型

首次轉錄前，需要在“模型管理”中下載 ASR 模型。下載會使用網路流量並佔用設備存儲空間；模型準備完成後，語音識別在本機執行。

同系列中，較大的模型通常有更好的識別能力，但也需要更多存儲、運行記憶體和處理時間。實際效果還取決於語言、音質和設備。

Whisper 模型

Whisper 多語言模型支援自動檢測說話語言，也可以手動指定語言。英語專用版本只適合英語音訊。

Parakeet 模型

當前 Parakeet 模型會自動識別其支援的歐洲語言，不支援中文、日文或韓文；這些語言請選擇合適的 Whisper 多語言模型。

可以參考“模型管理”中的設備建議和短音訊測試來選擇模型。測試速度僅供參考，不能代表每段影片的實際處理時間。

語音識別模型負責將聲音變成文字，Apple 翻譯語言資源負責翻譯已有文字。兩者是不同的下載內容，不能互相替代。

開始生成與查看進度

在“生成”頁選擇已下載的模型和識別語言。影片有多條音軌時，選擇包含所需對白的音軌，再開始生成。

“識別語言”指影片中的說話語言；“目標語言”在後續翻譯字幕時選擇。

任務可能先排隊，再進入處理階段。可以查看當前階段、進度和預計剩餘時間，也可以暫停、繼續，或在失敗後重試。

後台執行受 iOS 限制。任務中斷後，可以重新開啟並從已儲存的進度繼續。處理較長影片時，盡量讓應用保持在前台。

轉錄完成後，GPlayer 通常會儲存與影片同名的 SRT 檔案，並自動載入到播放器。開啟“字幕”頁即可檢查結果。

字幕以獨立檔案的形式載入到播放器。生成字幕不會將文字寫入影片畫面，也不會改寫原影片。

瀏覽、校對與編輯字幕

點選字幕行可以跳到對應的影片位置。當前播放行會高亮顯示，方便反復聽取對白並校對文字。

可以修改字幕原文；已有譯文時，也可以同時修改譯文。開始和結束時間支援精確到毫秒的調整。

時間加減按鈕每次調整 0.1 秒，長按可以連續調整。結束時間應晚於開始時間，並處於影片時長範圍內。

關閉編輯器，或切換到上一條、下一條時，會自動儲存修改並更新播放器字幕。儲存失敗時，請按提示重試後再離開。

進入多選狀態後，點選需要處理的字幕行，即可翻譯、刪除或合併。可以使用“全選”或“取消全選”快速調整選擇。合併要求選中至少兩條連續字幕。

選擇原文、譯文或雙語顯示

在“字幕”頁的顯示菜單中選擇“原文”“譯文”或“雙語”。雙語模式中，原文在上，譯文在下。

“關閉”只隱藏影片畫面上的字幕，字幕列表仍可瀏覽。只翻譯了部分行時，尚未翻譯的字幕行會繼續顯示原文。

常見問題與改善效果

為什麼無法開始生成？

檢查合適的模型是否已下載完成、本地影片是否可以訪問，以及所選音軌是否有聲音。遠程檔案應先下載到設備。

為什麼有些文字識別不準確？

檢查說話語言、模型支援的語言範圍和所選音軌。噪聲、背景音樂和多人同時說話會影響識別。可以嘗試更大的適用模型，並在編輯器中修正剩餘錯誤。

為什麼處理較慢？

較長的影片和較大的模型需要更多處理時間。設備性能、溫度和低電量模式也會影響速度。剩餘時間為估算值，可能隨處理過程變化。

翻譯失敗時應檢查什麼？

使用 Apple 時，檢查語言是否受支援以及語言資源是否已下載；使用 DeepL 時，檢查 API key、套餐和額度；使用在線引擎時，檢查網路連接。可以先運行“翻譯測試”，再重試字幕翻譯。

為什麼字幕亂碼或無法編輯？

檢查字幕檔案的文字編碼，並選擇支援該語言的字體。圖像字幕無法直接按文字編輯或翻譯；可以改為通過影片聲音生成文字字幕。