# 如何審查 YouTube 字幕：除了說話內容，還要檢查什麼

YouTube 字幕除了呈現說話內容，也應傳達說話者的變換和重要聲音。但你必須對照整部影片，檢查所選的字幕軌。不要假設字幕已包含這些細節。留意會影響含義的聲音，確認誰在說話，並檢查每段字幕是否在正確時間出現。另行審查必要的視覺資訊。視情況使用描述性文字稿，也就是在文字紀錄中補充必要視覺資訊的文字稿。[W3C 說明了這些字幕需求](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html)。

先人工審查影片、音訊和字幕。字幕軌是所選的一組字幕，通常使用同一種語言。字幕段是一個設有開始與結束時間的文字區塊。現有字幕段可作為起點，但不能證明字幕已傳達所有必要聲音或說話者變換。

這個方法會產生可儲存的審查紀錄，以及獨立的字幕修訂版。它也會找出需要透過其他方式提供的視覺資訊。這是字幕內容審查，不代表已獲認證符合法律或《網頁內容無障礙指引》（簡稱 WCAG）。

## 審查前先設定範圍

有讀者抱怨字幕「只有偶爾出現」。這指出了一項實用的檢查：審查完整影片，包括字幕段之間的空檔。這是觀察到的一項讀者問題，不能據此判定問題發生的頻率。[公開的讀者抱怨](https://www.reddit.com/r/deaf/comments/1mqxe6t)。

如果沒有需要呈現的音訊，字幕段之間留白可能是正確的。但空檔中也可能有被遺漏的警示聲、畫面外的聲音，或能解釋某個動作的其他聲音。只讀字幕文字，無法判斷實際情況。

1. 選擇一部影片和一種字幕語言。
2. 記錄影片網址、影片標題和所選字幕軌。
3. 將範圍設為目前的完整影片。記錄開始與結束時間。
4. 修改字幕前，先儲存附有時間資訊的原始字幕。
5. 記錄審查日期和字幕來源。
6. 說明預計製作的成果：字幕修訂版、描述性文字稿，或兩者皆有。

範圍應小到足以清楚說明。如果只審查影片的一部分，請列明該範圍，並將其餘部分標為未審查。不要把抽樣檢查稱為完整審查。

如果找不到公開字幕，請依照[字幕可用性指南](/zh-Hant/articles/%E5%8F%96%E5%BE%97-youtube-%E9%80%90%E5%AD%97%E7%A8%BF-%E6%AA%A2%E6%9F%A5%E7%BC%BA%E5%B0%91%E5%AD%97%E5%B9%95/)檢查來源。沒有字幕，與字幕遺漏聲音脈絡，是不同的問題。擷取失敗也需要另行診斷。

## 原樣儲存附有時間資訊的來源文字

你可以在影片播放器中人工審查字幕。如果也需要儲存附有時間資訊的副本，[Chronometrica YouTube Transcript Scraper](https://apify.com/chronometrica/youtube-transcript-scraper) 可收集現有的公開字幕軌。Actor 是在代管環境中執行的資料收集程式。它為這項審查提供來源文字；你仍須觀看影片並聆聽音訊。

目前文件記載的 Actor 可讀取直接指向 YouTube 影片的網址或影片 ID。它不接受頻道、播放清單或搜尋輸入。它不會將語音轉成文字，也不會下載音訊或影片。它不會聆聽聲音或建立說話者標籤。文件記載的功能適合在此保留現有字幕文字和時間資訊。

以下簡短的輸入設定選擇 JSON 格式。JSON 是可保留字幕片段的結構化文字格式。這是建議的輸入設定，不是執行結果。

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

原樣儲存附有時間資訊的來源文字

使用前，請將範例網址換成你要處理的影片網址。這個範例不能證明此審查方法曾對該影片產生有用結果。

`preferredLanguages` 清單留空時，Actor 會選擇可取得的最佳字幕軌。如果審查需要特定語言，請設定該語言代碼，並檢查傳回的語言。Actor 會依序嘗試偏好語言。如果全部不符，Actor 會回報具有明確類型的語言不可用失敗結果，而不會選擇其他語言。

保持啟用 `includeFailedInputDetails`，讓執行的 `OUTPUT` 紀錄可包含失敗輸入的詳細資料。成功處理且不重複的影片會產生資料集資料列。失敗輸入則不會。因此，單憑空白資料集，不能判定沒有字幕。

如有傳回下列欄位，請儲存：`videoUrl`、`videoId`、`transcriptLanguageCode`、`transcriptLanguageName`、`isAutoGenerated`、`scrapedAt` 和 `segments`。每個片段包含 `startSeconds`、`endSeconds`、`durationSeconds` 和 `text`。請保留原始值。時長缺失不代表時長為零秒。

[附時間戳記的 JSON 預設設定](https://apify.com/chronometrica/youtube-transcript-scraper/examples/youtube-timestamped-transcript-json)是文件記載的起點。已凍結的證據只確認其公開頁面和預設設定 ID，並未證實已儲存的輸入、付費執行，或目前能否成功執行。

## 觀看完整影片並記錄待審項目

待審項目是可能需要聲音提示、說話者提示或獨立視覺說明的片段。先記錄待審項目，再決定保留哪些修改。

1. 從審查範圍的開頭到結尾，完整觀看影片並聆聽音訊。
2. 播放全程都要對照音訊與所選字幕。
3. 記錄每次影響理解的說話者變換。
4. 如果說話者可能不明確，請記錄畫面外的說話內容。
5. 記錄可能有助於解釋動作或語氣的非語音聲音。
6. 將必要的視覺資訊另行分類記錄。
7. 作出決定前，重播每個不確定的片段。

檢查開場、停頓、場景轉換和結尾。審查字幕之間的空檔時，要像審查有字幕的說話內容一樣仔細。警示聲可能在停頓時出現。下一位說話者出現在畫面上之前，聲音可能已經開始。

每個待審項目都要儲存開始時間、結束時間，以及對所聞所見的簡明描述。將觀察與解讀分開。例如，先記錄講者改變方向前出現一聲短嗶聲，再評估來源是否足以支持將它稱為警示聲。

自動字幕需要審查。YouTube 列出的準確度影響因素包括發音、口音、方言和背景噪音。成功擷取字幕，並不代表已檢查用詞或聲音脈絡。[YouTube 自動字幕指引](https://support.google.com/youtube/answer/6373554?hl=en)。

標記不確定的說話用詞，另行核對。這項審查應聚焦於說話者脈絡與必要聲音。不要讓它變成另一套完整的術語修正或引文核對流程。

## 決定字幕需要傳達的資訊

對每個聲音都問同一個問題：這個聲音是否有助於讀者理解發生了什麼、某人想表達什麼，或為何接著出現某個動作？

警報聲可能解釋為何突然停止。敲門聲可能解釋為何有人轉身。笑聲可能改變一句回應的含義。音樂若傳達理解場景所需的資訊，也可能很重要。這些都是待審項目，並不是要求以相同方式標註每段警報聲、笑聲或音樂。

偶然出現的喀噠聲可能不影響含義。如果審查時曾考慮這個聲音，請記錄排除它的原因。這能讓下一位審查者檢視你的決定。

使用簡潔且有來源依據的描述。無法確認聲音來源時，不要指明來源。如果聽到嗶聲，卻無法判斷其用途，請在審查紀錄中保留這項不確定性。無法確認的提示應留待再次審查，不要將猜測當作事實。

說話者標籤也需要同樣謹慎。只有來源能確認身分時，才使用姓名。不要單憑聲音辨認人物。姓名不明時，請使用清楚的暫定標籤，例如「畫面外說話者 1」。「暫定」表示標籤可能在進一步審查後更改。

在證據仍支持使用該標籤時，請保持標籤一致。如果無法確認兩個片段是否由同一人說話，請記錄這項不確定性。不要將標籤數量當成人數。

W3C 說明，字幕應包含對話、說話者資訊及有意義的非語音聲音。這項指引支持檢查這些要素，但不能證明任何特定字幕軌已包含它們。[W3C 預錄字幕指引](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html)。

## 保留審查表與獨立修訂版

每個待審項目各存一列。審查表是你建立的編輯紀錄，不是 Actor 的輸出表格。

| 儲存欄位 | 應記錄的內容 |
| --- | --- |
| 審查編號 | 待審項目的固定識別編號 |
| 來源與字幕軌 | 影片網址、字幕語言，以及來源副本的參照資訊 |
| 時間範圍 | 開始與結束時間，附上單位 |
| 待審項目類型 | 說話者、非語音聲音或視覺資訊 |
| 原始字幕文字 | 未經修改的來源文字，或明確註明該處沒有字幕 |
| 來源觀察 | 當時聽到或看到的內容 |
| 建議修改 | 字幕段文字草稿，或另行記錄的描述性文字稿註記 |
| 決定 | 採用、排除或未解決 |
| 原因 | 這項資訊為何重要，或為何將它排除 |
| 審查狀態 | 審查者、日期和播放檢查結果 |

請區分某個時段沒有字幕，與無法取得來源資料。「此已儲存時段沒有字幕段」表示你已檢查可用的來源副本，確認該處沒有字幕段。「無法取得字幕來源」表示你無法進行這項檢查。這兩種狀態都不代表音訊中沒有有意義的聲音。

將建議的字幕段文字保存在獨立修訂版中。保留原始字幕，讓另一位審查者能將修改與來源對照。替換暫定說話者標籤或修改聲音描述時，請儲存原因。

不要用字幕段數、字詞數或 `videoCoverageRatio` 證明內容完整。涵蓋率數值可以描述字幕涵蓋的時間跨度，但該範圍內仍可能缺少重要資訊。缺失值也應維持缺失，不要用零取代。

## 檢查字幕段時間與必要的視覺資訊

即使聲音描述正確，若在錯誤時間出現，仍可能誤導讀者。請顯示修訂後的字幕，並重播每個修改過的片段。

1. 確認聲音提示在相關聲音出現時顯示。
2. 確認說話者提示對應正確的說話片段。
3. 將提示與旁邊顯示的說話內容一併閱讀。
4. 確認新增文字沒有遮住必要文字，也沒有與其衝突。
5. 重播修改處前後的銜接片段。
6. 記錄仍存在的時間或閱讀問題。

不要假設同一種字幕樣式適合每位讀者。請透過預覽評估實際的字幕修訂軌。在交接紀錄中清楚列出尚未解決的樣式決定。

如果需要可供播放的字幕檔，請依照 [SRT 與 VTT 轉換指南](/zh-Hant/articles/youtube-%E5%AD%97%E5%B9%95%E8%BD%89%E6%8F%9B/)操作。SRT 和 VTT 是附有時間資訊的字幕檔案格式。該指南另行說明檔案處理；本審查則決定字幕段需要傳達哪些聲音和說話者資訊。

另行審查沒有聲音對應的視覺資訊。例如，圖表可能顯示一項無人讀出的指示。加入聲音提示並不能提供這項指示。視情況將畫面出現的時間範圍及所需說明，記錄在另行標明的描述性文字稿中。

基本文字稿包含說話內容和必要的非語音音訊資訊。描述性文字稿還會加入必要的視覺資訊。因此，匯出的字幕可能需要補充內容，才能成為完整的閱讀文件。[W3C 文字稿指引](https://www.w3.org/WAI/media/av/transcripts/)。

## 實作範例：虛構的安全課程

原創虛構範例：本例的所有時間、觀察、字幕和決定，均為教學而虛構。未測試任何來源影片，也未測試任何 Actor 執行。本例涵蓋一堂完整的 60 秒安全課程及一條字幕軌。

講者在嗶聲後改變方向。稍後，畫面外的人發出一句簡短指示。一段回應中出現笑聲。接近結尾時出現輕微的喀噠聲。一張無聲圖表也包含一項必要指示。

| 編號 | 範圍（秒） | 虛構觀察 | 建議處理方式 | 決定 |
| --- | --- | --- | --- | --- |
| A1 | 12 至 13 | 警示嗶聲解釋了為何改變方向 | 在聲音出現時加入「[警示嗶聲]」 | 採用 |
| A2 | 20 至 22 | 畫面外一位姓名不明的人說：「在這裡等。」 | 在說話內容的字幕段中加入「畫面外說話者 1：」 | 採用 |
| A3 | 42 至 44 | 笑聲可能改變回應的語氣，但仍無法確定 | 暫緩採用聲音描述，留待再次審查 | 未解決 |
| A4 | 50 至 50.5 | 輕微的喀噠聲未提供理解所需的含義 | 不加入聲音提示 | 排除 |
| V1 | 30 至 34 | 無聲圖表提供一項必要指示 | 在獨立的描述性文字稿中說明該指示 | 另行採用 |

虛構來源已確認嗶聲是警示聲。若沒有這項證據，審查者就需要使用較不具體的描述，或將決定標為未解決。由於尚未確認該人的姓名，畫面外說話者的標籤仍屬暫定。

嗶聲持續時間為 13 秒減去 12 秒，等於 1 秒。畫面外說話片段持續時間為 22 秒減去 20 秒，等於 2 秒。這些範圍指出證據的位置，不能證明建議的字幕提示易於閱讀。

共有 4 個音訊待審項目：2 個採用 + 1 個未解決 + 1 個排除 = 4 個待審項目。獨立的視覺項目不計入音訊項目數。這些數字是審查項目的數量，不代表人數、字幕準確度或無障礙成效。

在這個虛構範例中，審查者檢查了全部 60 秒。未審查時間為 60 秒減去 60 秒，等於 0 秒。這個零來自範例明確設定的完整審查，不可用它取代真實紀錄中未知的審查時長。

下一步是解決 A3，並再次檢查完整的字幕修訂軌。本例不能支持在必要的聲音決定仍未解決時，將該版本稱為完整版本。

## 處理失敗狀態並檢查完整修訂版

使用能準確描述已知情況的失敗狀態。將來源存取問題與編輯判斷的不確定性分開。

| 狀態 | 含義 | 下一步 |
| --- | --- | --- |
| 無法取得字幕 | 你沒有可用的公開字幕來源 | 判斷字幕內容前，先檢查能否取得字幕 |
| 擷取失敗 | 資料收集未產生所需紀錄 | 檢查 `OUTPUT`；不要推斷沒有字幕 |
| 無法取得所需語言 | 沒有符合任何指定語言的字幕 | 保留原有要求，或記錄已獲接受的範圍變更 |
| 聲音未確認 | 你沒有足夠依據支持聲音描述 | 重播並請人再次審查 |
| 說話者未確認 | 身分不明，或無法確認不同片段是否由同一人說話 | 保留暫定標籤及不確定性紀錄 |
| 需要視覺資訊 | 聲音字幕未提供理解所需的視覺含義 | 另行製作描述性說明 |
| 審查未完成 | 審查範圍內仍有部分影片未檢查 | 完成該範圍的檢查後，才能聲稱已完成完整審查 |

完成所有修改後，請對照音訊與畫面，檢查完整的字幕修訂軌。只檢查修改過的字幕段，可能漏掉銜接處的衝突。記錄已審查範圍、待解決項目與最終決定。

影片擁有者可依照文件記載的 YouTube Studio 字幕流程處理自己的字幕。其他研究者應保留獨立的衍生副本，也就是根據來源修訂的副本。公開字幕資料不會提供其他擁有者的編輯控制權或私人帳戶紀錄存取權。此處描述的是建議讀者採取的行動，不是本指南已完成的行動。

## 作出下一個審查決定

儲存原始字幕、審查表、修訂版，以及任何另行製作的描述性文字稿。說明是否已檢查完整範圍，以及哪些片段仍未解決。完整的審查紀錄可以包含待解決問題；但獲接受的字幕版本必須處理其既定用途所需解決的問題。

先從一部完整影片開始。如果需要儲存公開且附有時間資訊的字幕來源，可使用 [Chronometrica YouTube Transcript Scraper](https://apify.com/chronometrica/youtube-transcript-scraper)。接著從頭到尾觀看影片、聆聽音訊並核對整條字幕軌。請分別判斷資料是否收集成功，以及字幕是否傳達了所需的語音、說話者與聲音資訊。

## 來源與延伸閱讀

- [W3C WAI：了解預錄字幕——於 2026 年 10 月 25 日查核；針對單一無障礙準則的指引，並非法律合規證明](https://www.w3.org/WAI/WCAG22/Understanding/captions-prerecorded.html)
- [W3C WAI：文字稿——於 2026 年 10 月 25 日查核；區分基本文字稿與描述性文字稿](https://www.w3.org/WAI/media/av/transcripts/)
- [YouTube 說明：使用自動字幕——於 2026 年 10 月 25 日查核；一般審查指引，並非對這部影片字幕的測試](https://support.google.com/youtube/answer/6373554?hl=en)
- [Chronometrica YouTube Transcript Scraper——於 2026 年 10 月 25 日查核公開建置版本 0.1.43；僅有資料結構與文件證據，未進行付費執行或執行狀況測試](https://apify.com/chronometrica/youtube-transcript-scraper)
- [YouTube 附時間戳記的文字稿 JSON 預設設定——於 2026 年 10 月 25 日查核；已確認公開頁面與預設設定 ID，未檢查已儲存的輸入或執行情況](https://apify.com/chronometrica/youtube-transcript-scraper/examples/youtube-timestamped-transcript-json)
- [讀者對字幕間歇出現的公開抱怨——於 2026 年 10 月 25 日觀察到；發布日期不明，僅是一則抱怨，並非需求證據](https://www.reddit.com/r/deaf/comments/1mqxe6t)