Chronometrica 與 Pinto Studio：核查 YouTube 逐字稿語言的選擇比較

選擇應用程式所需的語言證據

首先，訂明接受規則。某項研究可能只接受中文字幕。另一個專案可能接受任何可用的字幕語言。不同規則會形成不同的資料集合。

Chronometrica 建置版本 0.1.43 接受依優先順序排列的 `preferredLanguages`。清單非空時，會嚴格限制語言。如果所有請求語言都不可用，規格明定會在 `OUTPUT` 中記錄不計費的 `LANGUAGE_UNAVAILABLE` 失敗結果。這個結果不會放入成功資料集；成功資料集存放回傳的逐字稿記錄。語言清單留空表示選取可用的最佳選項，不會強制套用指定語言限制。輸入結構定義、規格說明、已核查的建置版本

成功記錄會提供下列欄位：

• `requestedLanguageCodes`：請求的語言代碼。
• `transcriptLanguageCode` 與 `transcriptLanguageName`：選用的逐字稿語言。
• `availableLanguageCodes`：可用字幕語言的證據。
• `languageMatch`：語言是否符合的證據。

將文本納入語料庫前，請檢查這些欄位。單憑請求設定，無法證明回傳文字的語言。輸出規格說明

表格來源：Chronometrica 規格說明、Chronometrica 輸入、Pinto Studio 規格說明、Pinto Studio 輸入。

改用 Chronometrica 的主要理由，是你需要其文件明列的語言證據與無符合語言記錄。如果目前的流程已符合接受規則，這項需求可能不足以支持更換工具。

依完整背景理解 Pinto Studio 的語言問題

Pinto Studio 的一則公開問題詢問：`targetLanguage` 是否決定回傳字幕的語言。討論中包含過去使用替代語言的說明。維護者於 2026 年 8 月 26 日更新，表示目標語言的處理已改善，且能正常運作。這則問題反映了實際的語言接受疑問，但無法證明目前的替代語言處理有錯誤。公開問題與維護者更新

Pinto Studio 建置版本 1.0.63 宣稱提供請求語言的字幕。其 README 說明會提供包含開始時間、時長及文字的結構化片段。常見問題提到字幕由 YouTube 提供或自動翻譯。這不表示 Pinto Studio 自行產生翻譯。目前的規格說明與常見問題、已核查的建置版本

已核查的介面無法確定語言不可用時的具體結果。應用程式依賴這項行為前，請先驗證。過去的討論，或介面沒有嚴格語言開關，都無法證明目前的結果。目前的輸入結構定義、問題歷史

檢查現有字幕軌是否符合規則

Chronometrica 擷取現有的公開字幕。它不會透過翻譯補足缺少的字幕軌，也不會將語音轉成逐字稿。其目前的規格也未承諾只使用人工字幕，或提供可單獨列出字幕軌的操作。如果專案除了指定語言，也要求特定字幕來源，這些限制就會影響選擇。Chronometrica 規格說明

對於限制語言的語料庫，請明訂接受哪些語言代碼。如果接受多種語言，請明訂偏好順序。嚴格限制語言的請求中，只能放入接受的語言。

接著，依規則核對選用語言的證據。可用語言清單可提供背景資訊。是否接受文本，應以提供回傳文字的字幕軌為判斷對象。

如果之後翻譯逐字稿，請將翻譯記錄為獨立流程。翻譯後的文本無法證明原先擷取的字幕軌使用請求語言。請在記錄中明確區分來源語言與翻譯語言。

以 3 個預定來源作決策的虛構範例

這是虛構範例，並非 Actor 執行結果、供應商測試或客戶案例。

某項研究只接受中文字幕，並預定輸入 3 部影片。在這個虛構範例中，2 個輸入有可用的中文字幕軌。第 3 個沒有符合的語言。

研究接受 2 份逐字稿文本，並另行記錄第 3 個輸入的語言結果。其已接受來源的涵蓋率為：

2 個已接受輸入 / 3 個預定輸入 × 100 = 66.67%。

這個百分比衡量的是虛構資料集合中的接受比例，並非實測的擷取成功率。

尚未解決的影片若有英文字幕軌，仍不符合研究規則。請求中文字幕，不會使英文文本變成可接受。計算涵蓋率時，研究必須將全部 3 個預定輸入保留在總數中。

尚未解決的輸入需要獨立記錄。它不是沒有文字的成功逐字稿。如果後續流程取得可接受的文本，研究可以更新記錄，同時保留先前結果供查閱。

接受任何來源語言的專案，可以採用不同規則，但必須明訂該規則。後續翻譯仍須視為獨立流程。

Chronometrica 文件明列的選用語言欄位及 `LANGUAGE_UNAVAILABLE` 結果，符合這項研究的接受記錄需求。此範例未宣稱目前的 Pinto Studio 會針對第 3 部影片回傳什麼結果。Chronometrica 輸出規格說明

採用簡單的語言接受方法

1. 寫下規則。列出接受的字幕語言。說明是否允許替代語言。在擷取前，記錄預定來源輸入的數量。
2. 設定請求。使用 Chronometrica 時，明確填寫 `preferredLanguages`。將 `includeFailedInputDetails` 保持設為 `true`，以保留可安全記錄的個別輸入失敗詳情。語言清單留空表示選取可用的最佳選項。輸入結構定義
3. 查看兩種結果記錄。一併查看成功資料集與 `OUTPUT`。保留足夠的輸入識別資訊，以將每個未成功的結果連回其預定來源。輸出規格說明
4. 檢查每份成功取得的文本。依規則核對 `requestedLanguageCodes`、`transcriptLanguageCode` 及 `languageMatch`。將語言名稱與可用語言證據作為背景資訊。只有證據符合規則時，才接受文本。輸出欄位
5. 分開保留無符合語言的結果。在已接受語料庫之外記錄 `LANGUAGE_UNAVAILABLE`。未知值須保留為未知。不要用零取代缺少的文本或語言值。
6. 檢查現有流程。如果回傳的證據加上應用程式的檢查已符合規則，就保留現有流程。在依賴特定結果前，先驗證無符合語言時的處理方式。
7. 回報數量。以原始預定輸入總數為基準，回報已接受與尚未解決的輸入數量。任何後續翻譯都須標示為獨立流程。

即使 Actor 協助執行接受規則，應用程式仍須負責訂定規則。

如需了解如何從找到的影片建立資料集合，請參閱 YouTube 逐字稿語料庫指南。本比較聚焦於較小的範圍：接受每份文本時，需要選擇哪些語言證據。

明確設定請求語言

Task 是已儲存的輸入預設設定。公開的 YouTube 逐字稿擷取 Task 可作為起點。在 2026 年 10 月 20 日的核查中，其頁面回傳 HTTP 200，表示頁面回應成功。核查未讀取其已儲存的輸入。請明確設定規則所需的欄位。

此輸入範例請求 `zh-Hans`，即簡體中文的語言代碼。它已通過依已儲存的現行公開結構定義進行的靜態檢查。這項檢查將輸入與文件列出的輸入規則作比對，並未實際執行輸入。影片網址僅用於示範輸入格式，無法證明目前有哪些可用字幕。

{
  "startUrls": [
    "https://www.youtube.com/watch?v=BPK_qzeH_yk"
  ],
  "preferredLanguages": [
    "zh-Hans"
  ],
  "includeFailedInputDetails": true
}

輸入格式與欄位設定依據已核查的 Chronometrica 輸入結構定義。請將範例網址與語言替換為你的預定來源及接受語言。