Chronometrica 與 Pinto Studio 比較：YouTube SRT 和 VTT 字幕輸出

選擇由誰準備字幕文字

從 YouTube 複製的文字稿可能帶有時間標記，卻不是可用的字幕檔。有讀者在 YouTube 社群提問中提出這個問題。這位讀者已有文字稿，但複製下來的時間不符合 SRT 語法。

這個問題分成 2 個部分。先取得字幕文字及其時間，再將它們整理成編輯器接受的字幕格式。第 2 個部分就是格式化步驟：把附時間的片段轉成字幕文字。

如果你有公開影片網址，但沒有字幕格式化工具，Chronometrica 很適合這項需求。其選用的 `srt` 和 `vtt` 欄位包含已格式化的字幕文字。你可以儲存所要求的欄位，並在編輯器中檢查。Actor 傳回的是文字欄位；選擇格式不會自動建立已下載的字幕檔。Actor 是在託管環境中執行的資料收集程式。（Chronometrica 文件）

是否需要自行掌控轉換，是改變這項選擇的主要條件。你可能已有規則，用來合併短片段、安排換行，或為特定剪輯流程準備字幕。這些是你自己的編輯規則。本比較並未確認產品提供這些設定。

此表說明文件記載的輸出結構。（Chronometrica、Pinto Studio）

選擇格式前，先確認字幕需求

Chronometrica 擷取現有的公開字幕。沒有字幕時，它不會透過語音轉文字產生輸出。語音轉文字是指將錄製的語音轉成文字。如果你的工作需要從沒有可用字幕的影片取得文字，改選 SRT 而非 VTT 並不能解決這個問題。（Chronometrica 文件）

執行 Actor 前，先記下來源影片網址、所需字幕語言和目標字幕格式。這 3 項資訊決定什麼結果才算成功。即使字幕可以閱讀，只要語言不對，就不符合英語字幕的要求。

Chronometrica 會依你提供的順序嘗試 `preferredLanguages`。如果所有指定語言都不符合，它會回報帶有類型的失敗結果，而不會改用其他語言。帶有類型的失敗結果會指出問題的種類。只有在你能接受另一種語言作為結果時，才加入該語言。（Chronometrica 輸入、輸出規格）

請將擷取與翻譯分開處理。如果你需要另一種語言，請決定如何取得並審核該文字。YouTube 翻譯語意審核指南說明了這項獨立的審核需求。

在本比較中，成功是指取得所要求的現有字幕軌、準備所需的字幕格式，並對照影片檢查結果。這不代表每個公開網址都必須能取得字幕。

在 Chronometrica 中明確要求 SRT 或 VTT

Chronometrica 的 `outputFormats` 接受 `json`、`text`、`srt`、`vtt` 和 `llm`。預設值是 `json` 和 `text`。因此，需要 `srt` 或 `vtt` 欄位時，必須明確要求。（目前的輸入結構）

公開的 YouTube subtitles SRT/VTT Task 可作為起始預設。Task 是已儲存的輸入預設。執行前請檢查實際輸入，因為已儲存的預設可能改變。

以下輸入已對照公開的輸入結構查核，但未實際執行。範例網址來自公開輸入結構中的範例，目前是否有可用字幕仍屬未知。請將它換成與你的字幕工作相關的公開影片。

{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "preferredLanguages": [
    "en"
  ],
  "outputFormats": [
    "json",
    "srt",
    "vtt"
  ],
  "includeFailedInputDetails": true
}

這份輸入要求英語字幕，以及 2 種格式化字幕。它也要求結構化輸出，讓你能將字幕文字與附時間的片段作比較。只有在需要檢查 2 種格式時，才同時保留它們。如果工作只需要 1 種格式，請明確要求該格式。

成功處理的影片會產生 1 筆資料，包含影片識別資訊、字幕語言和附時間的片段。選用的 `srt` 和 `vtt` 欄位存放所要求的字幕文字。失敗資訊會寫入 `OUTPUT`，與成功資料集分開。`includeFailedInputDetails` 設定會在其中保留各筆輸入的失敗詳情。（Chronometrica 輸出、輸入結構）

請同時查看這 2 處。成功資料集顯示你取得了什麼。`OUTPUT` 則說明哪些輸入失敗。不要將查找失敗轉成空白字幕檔。這會掩蓋成功擷取與缺少來源文字之間的差異。

需要自行掌控轉換時，使用片段輸出

Pinto Studio 的文件記載，每次執行使用 1 個 `videoUrl` 和 `targetLanguage`。其公開的輸出範例以數字字串表示 `start` 和 `dur`，單位為秒。這些值可轉換成字幕時間。（Pinto Studio 輸入、輸出範例）

在你自行掌控的轉換流程中，先將這些值讀取為數值，再進行相加。結束時間等於開始時間加上持續時間。請保持單位一致，再依所需字幕語法寫入。

如果現有流程已套用編輯規則，這個額外步驟可能有用。例如，你使用的編輯器可能要求在匯出前審核較短的字幕條目。你的流程可以保留原始片段、套用所選的變更，並記錄變更內容。

如果你不需要這種控制，編寫及維護格式化工具就會增加字幕工作的負擔。工具提供已格式化的字幕，便可讓你從儲存和檢查階段開始。你仍須確認檔案能開啟，且字幕條目與影片相符。

如需完整的轉換說明，請參閱 YouTube 字幕轉換指南。這裡要判斷的是：你的工作流程是否需要自行掌控這個轉換步驟。

用虛構範例檢查差異

這整個範例都是虛構的。它用來檢查字幕格式與計算。它不是 Actor 的實際執行結果，也不是任何一款產品字幕準確度的證據。

假設你有 2 個虛構片段：

片段 A 的結束時間是 `1.25 + 2.50 = 3.75` 秒。片段 B 的結束時間是 `4.00 + 1.20 = 5.20` 秒。兩者之間的間隔是 `4.00 - 3.75 = 0.25` 秒。兩者的持續時間皆為正值，字幕條目也沒有重疊。

格式化後的 SRT 如下：

1
00:00:01,250 --> 00:00:03,750
Open the editor.

2
00:00:04,000 --> 00:00:05,200
Check the subtitle.

對應的 VTT 如下：

WEBVTT

00:00:01.250 --> 00:00:03.750
Open the editor.

00:00:04.000 --> 00:00:05.200
Check the subtitle.

SRT 時間在毫秒前使用逗號。VTT 時間使用小數點，且 VTT 文字以 `WEBVTT` 開頭。這 2 種格式都保留相同的 2 個字幕條目及其時間。

如果你收到工具提供的已格式化字幕，請將它與片段比較。確認其中包含兩個字幕條目、兩段正值的持續時間，以及相同的四分之一秒間隔。如果這些檢查都通過，就可以儲存文字，不必自行編寫轉換程式。

如果你的流程從片段開始，就必須計算結束時間並寫入正確語法。自訂合併或換行會增加另一項編輯決定。請保留原始文字與時間，以便日後審核這些變更。

採用簡單的字幕驗收方法

先用 1 部相關的公開影片建立可行流程。準備更多字幕前，先訂好明確的成功檢查標準。

1. 明定所需結果。記錄影片網址、字幕語言和目標格式。註明將使用字幕的播放器或編輯器。這能讓驗收檢查對應到檔案實際必須正常運作的環境。
2. 檢查目前的輸入。明確要求所需的字幕格式。如果使用上方輸入，請替換範例網址。依順序檢查語言清單，只納入你能接受的語言。
3. 一併閱讀成功與失敗資訊。確認成功資料列屬於預定的影片及字幕語言。查看 `OUTPUT` 中的失敗資訊。將缺少字幕或無法取得指定語言的情況記為待處理工作。未知值必須保留為未知。
4. 準備字幕檔。如果工具提供已格式化的字幕，請將 `srt` 欄位的內容儲存為 `.srt` 檔，或將 `vtt` 欄位儲存為 `.vtt` 檔。請儲存字幕文字本身。如果使用片段輸出，請先用一致的單位計算開始和結束時間，再寫入所需格式。
5. 檢查字幕條目。確認條目順序、持續時間是否為正值，以及時間語法是否正確。檢查間隔與重疊。間隔可能是沒有說話的時段。重疊則需要對照來源審核。將來源網址和字幕語言與已儲存的檔案一併保留。
6. 開啟並聆聽。在預定的播放器或編輯器中載入檔案。選取部分字幕條目，對照影片檢查其開始和結束時間。比較文字與語音。檔案即使能正常開啟，字幕用字或時間仍可能不佳。
7. 記錄決定。將字幕標記為已驗收或待處理。說明還有哪些項目需要檢查。如果沒有可用字幕，只有在工作允許使用新產生文字的情況下，才另選語音轉文字流程。

這些檢查回答不同的問題。格式檢查確認字幕文字是否具有所需結構。播放檢查確認所選字幕條目是否與影片配合。文字檢查則確認字幕文字是否適合你的用途。

請分開記錄這些結果。「檔案可以開啟」是有用的結果，但無法證明每個字或每個字幕條目都正確。簡短的驗收紀錄能讓其他人知道你已完成哪些檢查。

將來源資訊與字幕一併保留

實用的字幕交付應包含來源影片識別資訊、字幕語言、字幕文字或已儲存的檔案，以及簡短的字幕條目檢查紀錄。缺少這些資訊，接手的人就必須自行查明檔案來源，以及你審核過什麼。

用簡短紀錄列出來源網址、要求的格式、傳回的字幕語言、儲存的檔案名稱和審核狀態。再用一句簡單的話說明字幕條目檢查。例如，註明你聆聽了哪些開始和結束位置，以及是否需要修改。編輯字幕時，請保留原始輸出以供查閱。

不要在只檢查 1 個字幕條目後，就宣稱已完成全面審核。請說明你實際執行的檢查。如果缺少語言值或來源資訊，請將它標記為未知，直到能夠確認。

這份紀錄也能幫助你判斷，工具提供的已格式化字幕是否符合需求。如果剩下的工作只是一般字幕審核，已格式化的 SRT 或 VTT 文字就是實用的起點。如果每次交付前都必須套用可重複執行的編輯規則，自行掌控轉換可能更重要。