如何制作双语字幕：在一个 SRT 或 VTT 文件中容纳两种语言

要制作双语字幕，你需要一个带时间轴的字幕文件、一份保持相同时间轴的翻译，以及每个时刻一条包含两种语言的字幕：原文行在前，译文行在后，位于同一个时间戳下。任何能生成双语文件的翻译工具都会为你完成这一步，如果你已经有两个文件，合并工具也能做到。普通 SRT 不需要特殊语法。

制作文件是容易的部分。更难的是，时间轴原本是为一种语言编写的。一条能容纳两行英文的字幕，现在必须在同样的几秒钟内、在同样的画面上容纳四行。因此本指南的大部分篇幅都在讲合并后需要修正什么。

我们编写了一个包含 12 条字幕的测试文件，生成了西班牙语、中文和阿拉伯语版本，并编写了一个免费检查器。这些文件来自 BookTranslator 自己的字幕生成代码，在本地运行。我们手动编写了翻译，而不是调用模型，因此这些测试展示的是文件会发生什么，而不是翻译质量如何。README 中有详细信息。检查器只需要 Python 3，不需要其他任何东西。

快速回答：双语字幕长什么样

2
00:00:03,400 --> 00:00:06,600
There's another one at six,
but the station closes at midnight.
Hay otro a las seis,
pero la estación cierra a medianoche.

这是有效的 SRT。每条字幕保留其编号和时间戳，时间戳下方的每一行文本都会一起显示在屏幕上。WebVTT 的工作方式相同。

先选择方案

对于双轨，mpv 有一个 --secondary-sid 选项。其手册说明，第二条轨道默认绘制在屏幕顶部，这样可以将语言分开。我们没有亲自测试 mpv。

若要烧录字幕，FFmpeg 的字幕滤镜需要包含 libass 的构建版本。我们为本次测试安装的 FFmpeg 9.0.1 没有该功能，因此在围绕它制定计划前，请先运行 ffmpeg -filters | grep subtitles 检查。我们未测试烧录。

步骤 1：将两种语言放入一个文件

如果你有一个文件， 请使用能生成双语文件的工具进行翻译。BookTranslator 对每个 SRT 和 VTT 任务都这样做：你会得到一个翻译文件和一个时间戳相同的双语文件，可以从字幕翻译器开始。如果你需要先选择工具，请参阅我们的字幕软件对比。

如果你有两个文件， 请按时间而非字幕编号配对。合并出错往往就在这里，因为同一视频的两条轨道很少以相同方式分割台词。我们的第二条西班牙语轨道将两条长字幕一分为二，并省略了音效、年份和音乐。

python3 check_bilingual_subs.py merge sample-source.srt sample-es-own-timing.srt -o merged.srt

按字幕编号配对（脚本的 --index 选项）导致 12 条字幕中有 10 条出错，从第 2 条开始，一半西班牙语缺失。到第 3 条时，翻译已属于另一行：

3
00:00:06,800 --> 00:00:08,000
So where do we wait?
pero la estación cierra a medianoche.

按时间配对在 9 条字幕下给出了正确的翻译，让 3 条没有西班牙语的字幕保持原样，并报告了那条未匹配任何内容的西班牙语行，以便你手动放置。脚本将第二轨道的字幕分配给与其重叠最多的第一轨道字幕，只要重叠部分至少占其长度的一半。诸如 submerger 的工具也能合并文件；我们未测试它们。无论使用什么工具，请在第一次分割后抽查字幕。

步骤 2：检查文件

python3 check_bilingual_subs.py check sample-source.srt sample-es-bilingual.srt --max-target-cps 17

它将双语文件与源文件比较，并假定原始行在前，因此在交换顺序之前运行它。如果顶部行与源文件不匹配，它会发出警告。以下是它在西班牙语文件中发现的问题：

第 6 条和第 12 条字幕也返回了四行。其余四条字幕正常。

速度和行长限制来自 Netflix，因为其数字公开且具体，并且因语言而异。其英语指南允许每行 42 个字符、两行，成人节目每秒最多 20 个字符。其拉丁美洲西班牙语指南允许翻译字幕每秒 17 个字符，其简体中文指南允许每行 16 个字符、每秒 9 个字符。因此对于中文，请使用 --max-target-line 16 --max-target-cps 9。这些指南一次只涵盖一种语言，最多两行。我们不知道有适用于一条字幕中两种语言的等效标准，因此检查器默认屏幕上三行以及下一节中的所有内容，都是我们的判断。

检查器还会打印一个合并数字，在第 9 条字幕上达到每秒 43.3 个字符。不要试图修正这个数字。没有人会全神贯注地阅读两种语言的每个字符。将其视为指向值得关注的字幕的指针。

步骤 3：修复四行字幕

这就是四行字幕的代价。在 Chromium 内置的字幕显示中，分辨率为 1280x720 时，两行英文提示占据了画面高度的 10.6%，而加上西班牙语后，同样的提示占据了 21.9%。

按以下顺序处理被标记的提示：

1. 逐字保留音频语言。 如果观众在听原声并对照文字，缩短后的原文就不再与他们听到的内容匹配。
2. 将另一种语言缩减为一行。 当西班牙语变为 A las seis hay otro; cierran a medianoche. 时，我们的第 2 条提示从每秒 17.8 个字符降至 13.1 个字符。这样屏幕上显示三行而不是四行，并且保留了两个事实。
3. 仅在存在间隙时增加时间。 在移动结束时间之前，检查下一条提示的开始时间。第 2 条提示有 0.2 秒的余量，不值得为此费心。
4. 然后其余部分保持不动。 第 9 条提示是 You knew? / Since March.，时长 1.2 秒。它违反了速度和行数限制，但我们会保留它：其后的 0.2 秒间隙太小，无济于事，而且观众很可能一眼就能看完两句简短的回答。并非每个标记都是错误。

对于像第 10 条这样的长单行，只有在提示时间允许的情况下，才将每种语言分成两行。否则就缩短翻译。

如果你能控制显示，还可以让一种语言更容易辨认。运行 to-vtt 为每种语言分配各自的类。生成的文件在 Chromium 中渲染时，英文为 80% 大小并呈浅灰色。这几乎不节省空间（占画面高度的 21.1%，而非 21.9%），因此不能替代删减一行。我们没有测试它是否有助于人们阅读。

这使用了 WebVTT 的提示类和 ::cue() 选择器。它面向浏览器。其他播放器可能会忽略这些样式或 VTT 文件。

第 4 步：决定哪种语言放在上面

这方面有一些研究。在一项2026 年的眼动追踪研究中，42 名以西班牙语为母语、英语为第二语言的参与者，无论哪种语言在顶部，观看者都会在顶行花费更多时间，并且会在与音频匹配的那一行花费更多时间。当母语西班牙语在顶部时，理解得分更高。另一项较早的研究对 112 名中国英语学习者发现，双语字幕对理解的帮助与仅使用母语字幕一样大，且两者都优于英语字幕或无字幕。

这些是针对特定观众群体的单项研究，因此请将它们作为起点：

• 为了内容而观看电影或讲座： 将你阅读最流利的语言放在上面。
• 练习你正在学习的语言： 将该语言放在上面，并接受你可能理解得少一些。2026 年的研究测量的是理解，而非学习，所以这一点是我们的判断。
• 审校翻译： 顺序影响不大，因此保持原样即可。

BookTranslator 的双语文件始终将原文放在上面。要交换顺序：

python3 check_bilingual_subs.py flip sample-source.srt sample-es-bilingual.srt -o translation-on-top.srt

哪些地方会出错，以及如何修复

这些来自在我们的测试文件上运行 BookTranslator 的字幕代码，检查器标记了前两个问题。

• 无需翻译的文本会出现两次。 1984 和 ♪ ♪ 因没有可翻译的词语而被跳过，因此双语文件会将它们各打印两次。手动删除一行。
• 文本中可能出现 '。 截至 2026 年 11 月，带有格式标签和撇号的提示返回时，撇号可能被转义。我们的原始行在双语文件中变成了 <i>Don&apos;t answer that.</i>，而在另一项 VTT 测试中，法语翻译在翻译文件中变成了 <i>Je n&apos;attendrai pas.</i>。Chromium 在 VTT 中对其解码并显示了正常的撇号。但当我们用 FFmpeg 转换 SRT 时，' 保留在输出文本中，因此可以假设某些播放器会原样显示它。在使用文件之前，将 ' 替换为 '。我们已向工程师报告了此问题。
• VTT 提示设置被移除。 诸如 line:0 align:start position:10% 的位置设置和 NOTE 块从我们的 VTT 测试输出中消失了，并且说话者标签出现在两行上。如果你的 VTT 依赖位置设置，请在翻译后重新添加。
• 从右到左的文本会逐行标记。 阿拉伯语行返回时被 Unicode 方向标记包裹。我们只检查了 Chromium 中 VTT 副本里的一个字幕提示，它显示为从右到左。像我们的第 10 条提示那样混合阿拉伯语和数字的行是更棘手的情况，我们没有查看这些行，所以请在你实际使用的播放器中测试。SRT 没有其他设置方向的方法。我们的从右到左指南涵盖了书籍更广泛的问题。

如果你的源文件是 ASS 或 SSA，BookTranslator 的双语输出会将翻译行作为具有相同样式和时间的第二个事件添加，这是一种不同的结构。我们的 ASS 字幕指南解释了这些文件是如何构成的。如果两种语言中的重音字符看起来损坏，问题通常是文件编码，我们的字幕编码指南涵盖了这一点。

分享文件之前

1. 运行检查器并逐一检查每个被标记的提示。
2. 查找 '、& 和 " 并替换它们。
3. 删除音效、数字和音乐上的重复行。
4. 在观众将使用的播放器中，以他们将使用的屏幕尺寸，观看最繁忙的几分钟。
5. 检查底部行是否遮挡了视频中的屏幕文字。
6. 结合上下文阅读译文。我们的 AI 字幕工作流程涵盖了如何审校。

准备好 SRT 或 VTT 了吗？将其上传到字幕翻译器，在付款前查看价格。完成后，下载双语文件和翻译文件。然后对其运行检查器，因为实际任务中的行数取决于模型如何拆分每个翻译提示。