字幕翻译的完整流程：从听译到成片交付
把一段视频做成外语字幕，大多数人以为是"翻译文字"一件事。实际交付物是带着时间轴的字幕文件，少了任何一环，最后都会在某个环节返工。把流程拆成四步，每一步都有明确的产出物，做完一步再进下一步，问题就出在明处。
第一步：听写与校对，拿到干净的源字幕
产出物是一份源语言 SRT。这一步容易出问题的是"识别准但没校对"。
- 用 SmileSub 的字幕生成能力 从视频或音频识别语音，源语言支持中、英、日、韩
- 识别结果要逐条听校：专有名词、数字、同音词是重灾区
- 顺手清掉口头禅、重复词，这些不需要进字幕
- 音频质量差时，识别会有漏句或错字，先补全文案再往后走
一份干净的源字幕，后面每一步都省力。识别完如果还有重叠或格式问题，用 字幕清理工具 先修一遍，再进入翻译。
第二步：术语统一，建立一张对照表
产出物是一份术语表：产品名、人名、单位、品牌口径，全文怎么译写。
- 同一概念全片只用一种译法，避免前后不一致
- 计量单位、日期格式按目标市场定，不要照搬源语言写法
- 文化梗和俚语决定是否本地化，还是直接删掉
- 这张表在多语种项目里尤其值钱：一份术语表喂给所有语种，避免各翻各的
这一步在批量做多语种时尤其关键，否则每个语种各翻各的，最后对不齐。关于多语言素材规划，可参考 一条视频出多语言版本的工作流。
第三步：翻译与控制行长
产出物是目标语言 SRT。这一步的坑不在"翻错"，而在"翻完放不下"。
- 翻译只作用于文本，时间轴保持原样，避免口型对不上
- 控制行长：常见字幕规范建议中文单行不超过 18 字、拉丁文单行不超过 42 字符且最多 2 行
- 控制阅读速度：中文不超过 9 字/秒、拉丁文不超过 20 字符/秒，单条停留 1 到 7 秒
- 双语顺序定了就全片统一：原文在上还是译文在上，不要中途切换
译完用 SRT 翻译工具 直接产出目标语言文件；要做"原文 + 译文"并排，用 双语 SRT 生成工具。导出后可用 字幕规范检查工具 批量核对行长和速度是否越界，把要改的条目一次性列出来。
第四步：成片交付，选软字幕还是烧录
产出物是最终视频或字幕文件。根据发布平台决定交付形态。
- 平台支持 CC 轨道的，上传 SRT/VTT，观众可开关，平台也能读文本做推荐
- 社媒竖屏、需要保证所有人看到的，把字幕烧录进画面
- 需要挂到网页视频的，SRT 转 VTT 用 SRT 转 VTT 工具
- 需要字体和位置精排的，SRT 转 ASS 用 SRT 转 ASS 工具
- 时间轴整体偏移时，用 时间轴校正工具 统一平移，不必手动改每条
关于烧录与软字幕的取舍，见 字幕烧录与软字幕的区别。更完整的发布前核对，见 视频出海本地化检查清单。
常见问题
听写和翻译能合并成一步吗？
识别工具能出源字幕，翻译工具能出目标字幕，技术上可以连着做。但中间少一次人工校对，错误会一路带到成片。建议至少在校对和术语这两步各停一次。
行长控制为什么必须做？
译文的字数与源语言不同，英文通常比中文长。不控制行长，字幕会溢出安全区或被挤压成三行，阅读体验下降。规范检查工具能一次性把越界的条目列出来。
软字幕和烧录字幕要各做一份吗？
取决于发布渠道。能挂 CC 的平台保留软字幕即可；社媒和需要强提醒的场景再烧录一份。两者共用同一份 SRT 源文件，只是导出形态不同，不存在重复劳动。