你是不是也遇過這種情況：辛苦拍好一支影片，想加英文字幕給外國觀眾看，結果光是逐句翻譯就花了三個小時，翻完還要手動對時間軸，對到眼睛脫窗？或者反過來，你看到一支很棒的英文教學影片，想分享給香港或台灣的朋友，卻因為沒有中文字幕而作罷？

這篇文章要解決的就是這個痛點。我會帶你走完一套完整的「AI字幕翻譯工作流」：從影片抽出字幕檔、用AI翻譯成雙語、修正時間軸、最後壓回影片或單獨輸出字幕檔。整套流程熟練之後，一支十分鐘的影片大概十五分鐘就能搞定，而且大部分工具都是免費的。無論你是YouTuber、線上課程講師、還是單純想看懂外語影片的觀眾，這套方法都能直接派上用場。

為什麼不直接用YouTube的自動翻譯就好？

很多人第一個疑問是：YouTube不是已經有自動字幕跟自動翻譯了嗎？幹嘛還要自己動手？

原因有三個。第一，YouTube的自動翻譯是「機器直翻」，品質參差，專業術語常常翻錯，中文語序也常常很怪，觀眾一看就知道是機器翻的，反而傷害品牌形象。第二，自動翻譯只存在於YouTube平台內，如果你要把影片放到Instagram、小紅書、還是自己的課程網站，字幕就帶不走。第三，如果你做的是付費課程或企業內部培訓，字幕品質直接影響專業感，這部分絕對不能馬虎。

自己用AI跑一遍，好處是你可以在翻譯後快速人工潤稿，品質立刻拉開差距，而且字幕檔（SRT）是你自己的，想放哪裡就放哪裡。

第一步：把影片的字幕抽出來

整個流程的起點，是取得一份「帶時間碼」的字幕檔。這裡分兩種情況。

如果你手上的是已經上傳到YouTube的影片，最簡單的方法是用開源工具 yt-dlp。在電腦終端機輸入：

yt-dlp --write-auto-sub --sub-lang zh-Hant --skip-download --convert-subs srt "影片網址"

這行指令的意思是：不要下載影片本體，只要下載繁體中文的自動字幕，並轉成SRT格式。跑完之後你會得到一個 .srt 檔，裡面就是一行一行的字幕加時間碼。如果你是影片的原創者，YouTube後台其實可以直接匯出你自己上傳的字幕檔，品質更好，優先使用這個。

如果你手上的是本機的影片檔，例如自己拍的MP4，那就需要先做語音轉文字。這時候可以用 Whisper 系列的工具，最方便的是開源的 whisper.cpp，或是在 Google Colab 上跑 OpenAI 的 Whisper 模型。把影片丟進去，它會自動偵測語言並輸出SRT。中文影片建議選 medium 或 large 模型，準確度明顯比較好；如果你的電腦有NVIDIA顯卡，跑 large-v3 大概十分鐘的影片兩三分鐘就完成了。

小提醒：抽出來的字幕一定會有錯字，尤其是人名、品牌名、專有名詞。先花五分鐘快速掃一遍修正，後面的翻譯會準確很多。

第二步：用AI翻譯成雙語字幕

拿到乾淨的SRT之後，就是AI登場的時候。這裡我推薦兩種做法，一種適合一般用戶，一種適合想自動化的人。

做法A：ChatGPT或Claude手動貼上。 把SRT內容整份複製，貼給AI，並下這個指令：

以下是一份SRT字幕檔。請幫我翻譯成英文，保留原本的編號與時間碼格式完全不動，只翻譯文字內容。翻譯風格要自然口語，適合YouTube觀眾閱讀。完成後直接輸出完整的SRT，不要加任何說明。

這個指令的關鍵是「保留編號與時間碼格式完全不動」。很多人翻譯完發現時間軸全亂了，就是因為沒有特別交代。另外提醒，如果字幕很長，AI可能會有輸出長度限制，建議一次丟100到150句為單位分批處理。

做法B：用開源工具批次翻譯。 如果你要處理的影片很多，可以考慮 subtitle-translator 這類開源專案，背後接的是GPT或Gemini的API，設定好之後整批SRT丟進去，它會自動翻譯並保持格式。成本大概是每千字幾美分，非常便宜。設定時記得在 prompt 裡明確要求「保留時間碼」，並且把 temperature 調低（例如0.2），輸出會穩定很多。

翻譯完成後，你會得到一份英文SRT。這時候如果你想要「雙語字幕」（同一時間軸上同時顯示中英文），做法是把兩份SRT合併：中文一行、英文一行，中間用換行分隔。很多播放器（例如VLC、PotPlayer）都支援這種雙行顯示。也有現成的小工具可以自動合併，搜尋「SRT merge bilingual」就找得到。

第三步：修正時間軸與斷句

AI翻譯最常出現的問題，不是翻錯，而是「句子變長了」。中文十個字翻成英文可能變成十五個單詞，結果字幕一行塞不下，或是一句話還沒念完字幕就消失了。

修正的方法有兩個層次。第一是斷句調整：如果某句英文太長，就把它拆成兩句，時間碼對半分。第二是時間軸微調：用字幕編輯軟體（推薦免費的 Subtitle Edit）打開SRT，它有一個「自動調整最短顯示時間」的功能，可以一鍵把太短的字幕延長到合理秒數。

Subtitle Edit 還有一個很實用的功能叫「Fix common errors」，會自動幫你檢查重疊時間、過短顯示、空白行等問題。跑一遍之後，字幕的專業度會明顯提升。這一步驟大概花你五分鐘，但觀眾的觀看體驗差別很大。

第四步：輸出與應用

最後就是把字幕用出去。三種常見情境：

情境一：上傳到YouTube。 直接到YouTube Studio的「字幕」頁面，上傳SRT檔即可。如果你做了中英兩份，可以分別上傳為不同語言軌，觀眾就能自己切換。這對觸及國際觀眾非常有效。

情境二：壓進影片本體。 如果你要放到Instagram Reels、小紅書、抖音這類不支援外掛字幕的平台，就必須把字幕「燒」進影片。用免費的剪映（CapCut）或 HandBrake 都可以做到。剪映的做法是匯入影片後，選擇「文字」→「導入字幕檔」，調整樣式後直接匯出。

情境三：單獨給客戶或學員。 直接提供SRT檔，對方可以自己搭配影片使用。這是線上課程最常見的做法，因為學員可以自己調整字幕大小跟開關。

給香港台灣創作者的三個實戰建議

第一，中文用繁體，英文用自然口語。很多AI翻譯會翻出很生硬的書面英文，記得在指令裡強調「口語、自然、適合影片旁白」。香港觀眾如果做粵語內容，可以在prompt裡註明「粵語口語風格」，AI現在對粵語的掌握已經不錯。

第二，專有名詞先建一份對照表。例如你的品牌名、產品名、固定用語，先列出來給AI，請它照著翻。這樣可以避免同一個詞在不同段落翻成不同版本。

第三，永遠保留人工潤稿這一步。AI翻譯已經能達到八十分，但剩下那二十分就是專業與業餘的差距。花十分鐘掃一遍，把明顯不通順的地方改掉，這十分鐘的投資報酬率極高。

整套流程走一遍，你會發現字幕翻譯這件事，從「痛苦的手工活」變成「十五分鐘的例行公事」。而且一旦建立起自己的對照表和prompt模板，之後每一支影片都能重複使用，效率只會越來越高。

延伸閱讀

常見問題

Q: 完全不懂程式碼，可以用這套方法嗎？

A: 可以。如果你不想碰終端機，可以直接用剪映的「識別字幕」功能自動生成字幕，再用ChatGPT翻譯。整條流程完全不寫程式也能完成，只是批次處理大量影片時會比較慢。

Q: AI翻譯的字幕可以直接用嗎？需要校對嗎？

A: 建議一定要校對。AI翻譯準確率大約八成到九成，但專有名詞、人名、行業術語常常出錯。花五到十分鐘掃一遍，把明顯錯誤改掉，品質會差很多。

Q: 翻譯一份十分鐘影片的字幕大概要多少錢？

A: 如果用ChatGPT免費版手動貼上，成本是零。如果用API批次處理，以GPT-4o-mini計算，一份十分鐘影片的字幕大約新台幣一到三元，非常便宜。

Q: 粵語影片也能翻譯成英文嗎？

A: 可以。Whisper對粵語的辨識已經相當準確，翻譯時在prompt裡註明「原文為粵語口語」，AI會翻得更自然。建議先用粵語轉出中文字幕，再翻成英文，比直接粵語翻英文穩定。

Q: 字幕檔的時間軸跑掉了怎麼辦？

A: 最常見原因是翻譯時AI改動了時間碼格式。回去檢查prompt有沒有寫「保留時間碼完全不動」。如果已經跑掉，可以用Subtitle Edit的「Shift times」功能整體平移，或手動修正。