如何製作雙語字幕：在一個 SRT 或 VTT 檔案中放入兩種語言

要製作雙語字幕，你需要一個已校時的 SRT 或 VTT 字幕檔、一份保留相同時間軸的譯文，以及每個時間點一個包含兩種語言的字幕 cue：原文行在前，譯文行在後，共用同一個時間戳記。任何能輸出雙語檔案的翻譯工具都會幫你完成這件事；如果你已經有兩個檔案，合併工具也能做到。純 SRT 不需要特殊語法就能實現。

製作檔案是簡單的部分。更難的是，時間軸原本是為單一語言設計的。一個原本容納兩行英文的 cue，現在必須在同樣的幾秒內、同樣的畫面上容納四行。因此，本指南大部分篇幅都在討論合併後需要修正的地方。

我們寫了一個12 個 cue 的測試檔案，產生了西班牙文、中文和阿拉伯文版本，並寫了一個免費檢查工具。這些檔案來自 BookTranslator 自身的字幕寫入程式碼，並在本機執行。我們手動撰寫翻譯，而非呼叫模型，因此這些測試展示的是檔案會發生什麼變化，而非翻譯品質好壞。README 有詳細說明。檢查工具只需要 Python 3，別無其他需求。

快速解答：雙語 cue 長什麼樣子

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.

這是有效的 SRT。每個 cue 保留其編號和時間戳記，時間戳記下方的每一行文字都會同時顯示在畫面上。WebVTT 的運作方式相同。

先選擇設定方式

對於雙軌，mpv 有一個 --secondary-sid 選項。其手冊說明第二軌預設繪製在螢幕頂部，這能讓兩種語言分開。我們沒有親自測試 mpv。

若要燒錄進畫面，FFmpeg 的字幕濾鏡需要包含 libass 的版本。我們為此測試安裝的 FFmpeg 9.0.1 沒有這個功能，所以在規劃之前請先執行 ffmpeg -filters | grep subtitles 確認。我們沒有測試燒錄功能。

步驟 1：將兩種語言放入同一個檔案

如果你只有一個檔案， 請用能輸出雙語檔案的翻譯工具。BookTranslator 對每個 SRT 和 VTT 任務都會這麼做：你會得到一個翻譯檔案和一個時間軸相同的雙語檔案，可以從字幕翻譯工具開始。如果你需要先選擇工具，請參閱我們的字幕軟體比較。

如果你有兩個檔案， 請按時間配對，而不是按字幕編號。合併出錯的地方就在這裡，因為同一部影片的兩條字幕軌很少以相同方式斷行。我們的第二條西班牙語軌將兩個長字幕對半拆分，並省略了音效、年份和音樂。

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

按字幕編號配對（腳本的 --index 選項）在 12 個字幕中錯了 10 個，從第 2 個字幕開始，一半的西班牙語消失了。到了第 3 個字幕，翻譯已經屬於不同的台詞：

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

按時間配對則在 9 個字幕下給出了正確的翻譯，讓 3 個沒有西班牙語的字幕保持原樣，並回報了一行沒有匹配到任何內容的西班牙語，讓你可以手動放置。腳本會將第二軌的字幕分配給與其重疊最多的第一軌字幕，只要重疊部分至少佔其長度的一半。像 submerger 這樣的工具也能合併檔案；我們沒有測試過。無論你使用什麼工具，請在第一次拆分後抽查字幕。

步驟 2：檢查檔案

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

它會將雙語檔案與來源比對，並假設原始台詞在前，所以請在交換順序之前執行。如果頂部台詞與來源不符，它會警告你。以下是它在西班牙語檔案中發現的問題：

第 6 和第 12 個字幕也回報了四行。其他四個字幕則沒問題。

速度和行長限制來自 Netflix，因為它的數字公開且具體，並且因語言而異。其英語指南允許每行 42 個字元、兩行，成人節目每秒最多 20 個字元。其拉丁美洲西班牙語指南允許翻譯字幕每秒 17 個字元，而其簡體中文指南允許每行 16 個字元、每秒 9 個字元。因此，中文請使用 --max-target-line 16 --max-target-cps 9。這些指南一次只涵蓋一種語言，最多兩行。我們不知道有針對一個字幕中兩種語言的同等標準，所以檢查器的預設值（螢幕上三行）以及下一節的所有內容，都是我們的判斷。

檢查器還會印出一個合併數字，在第 9 個字幕達到了每秒 43.3 個字元。不要試圖修正這個數字。沒有人會全神貫注地閱讀兩種語言的每一個字元。把它當作值得注意的字幕的指標。

步驟 3：修正四行的字幕

這就是四行字幕的代價。在 Chromium 內建的字幕顯示中，於 1280x720 的畫面下，兩行英文 cue 佔了畫面高度的 10.6%，而同一條 cue 加上西班牙文後則佔了 21.9%。

請依照以下順序處理被標記的 cue：

1. 保留音訊語言的逐字內容。 如果觀眾一邊聽原文一邊看文字，縮短後的原文就不再與他們聽到的內容相符。
2. 將另一種語言刪減為一行。 當西班牙文改成 A las seis hay otro; cierran a medianoche. 時，我們的 cue 2 從每秒 17.8 個字元降到 13.1 個。這樣畫面上會是三行而不是四行，而且保留了兩項事實。
3. 只有在有間隙時才增加時間。 移動結束時間前，請先檢查下一條 cue 的開始時間。Cue 2 還有 0.2 秒的餘裕，不值得為此費心。
4. 其餘的就別動了。 Cue 9 是 You knew? / Since March.，時間為 1.2 秒。它違反了速度和行數限制，但我們會保留它：它之後的 0.2 秒間隙太小，幫不上忙，而觀眾很可能一眼就能看完兩句簡短的回應。不是每個標記都是錯誤。

對於像 cue 10 這樣的長單行，只有在 cue 有足夠時間時，才將每種語言分成兩行。否則請縮短翻譯。

如果你能控制顯示方式，也可以讓其中一種語言更容易辨識。執行 to-vtt 讓每種語言有自己的 class。產生的檔案在 Chromium 中渲染時，英文為 80% 大小並以淺灰色顯示。這幾乎節省不了空間（佔畫面高度 21.1% 而非 21.9%），所以不能取代刪減一行。我們沒有測試這是否有助于人們閱讀。

這使用了 WebVTT 的 cue class 與 ::cue() 選擇器。這是為瀏覽器設計的。其他播放器可能會忽略這些樣式或 VTT 檔案。

步驟 4：決定哪種語言放在上方

關於這一點已有一些研究。在一項 2026 年的眼動追蹤研究中，42 位以英語為第二語言的西班牙語母語者，無論上方是哪種語言，觀看者都會花更多時間在上方那一行，而且他們會花更多時間在與音訊相符的那一行。當母語西班牙語放在上方時，理解分數更高。另一項較早的研究以 112 位中文英語學習者為對象，發現雙語字幕對理解的幫助與僅有母語字幕一樣大，而且兩者都優於英語字幕或無字幕。

這些是針對特定觀眾群體的單一研究，因此請將它們視為起點：

• 為了內容而觀看電影或聽講座： 將你閱讀最流暢的語言放在上方。
• 練習你正在學習的語言： 將該語言放在上方，並接受你可能理解得少一些。2026 年的研究測量的是理解，而不是學習，所以這一點是我們的判斷。
• 審閱翻譯： 順序影響不大，所以保持原樣即可。

BookTranslator 的雙語檔案總是將原文放在上方。若要交換：

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

哪些地方會出錯，以及如何修正

這些問題來自於在我們的測試檔案上執行 BookTranslator 的字幕程式碼，而檢查器會標記前兩項。

• 無需翻譯的文字會出現兩次。 1984 和 ♪ ♪ 因為沒有可翻譯的詞語而被跳過，所以雙語檔案會將它們各印兩次。請手動刪除一行。
• 文字中可能出現 '。 截至 2026 年 11 月，帶有格式標籤和撇號的 cue 可能會在傳回時將撇號轉義。我們的原始行在雙語檔案中變成 <i>Don&apos;t answer that.</i>，而在另一項 VTT 測試中，法文翻譯在翻譯後的檔案中也變成 <i>Je n&apos;attendrai pas.</i>。Chromium 在 VTT 中解碼了它並顯示正常的撇號。但當我們用 FFmpeg 轉換 SRT 時，' 留在輸出文字中，所以假設某些播放器會直接顯示它。使用檔案前，請將 ' 替換為 '。我們已將此問題回報給工程師。
• VTT cue 設定會被移除。 位置設定如 line:0 align:start position:10% 和 NOTE 區塊在我們的 VTT 測試輸出中消失了，而且講者標籤出現在兩行上。如果你的 VTT 依賴位置設定，請在翻譯後重新加上。
• 由右至左的文字會逐行標記。 阿拉伯文行回來時被包在 Unicode 方向標記中。我們只在 Chromium 中檢視了 VTT 副本裡的一個字幕 cue，它顯示為由右至左。像我們的第 10 個 cue 那樣混合阿拉伯文與數字的行是更難處理的情況，我們沒有檢視那些，所以請在你實際使用的播放器中測試。SRT 沒有其他方式可以設定方向。我們的由右至左指南涵蓋了書籍更廣泛的相關問題。

如果你的來源是 ASS 或 SSA，BookTranslator 的雙語輸出會將翻譯行新增為具有相同樣式與時間的第二個事件，這是不同的結構。我們的 ASS 字幕指南說明了這些檔案是如何組成的。如果任一語言中的重音字元看起來損壞，問題通常是檔案的編碼，我們的字幕編碼指南涵蓋了這一點。

分享檔案之前

1. 執行檢查工具，並逐一處理每個被標記的 cue。
2. 找出 '、& 和 " 並替換它們。
3. 刪除音效、數字和音樂上的重複行。
4. 在觀眾會使用的播放器中，以他們會使用的螢幕尺寸，觀看最繁忙的幾分鐘。
5. 檢查底部行是否遮蓋了影片中的螢幕文字。
6. 在上下文中閱讀譯文。我們的 AI 字幕工作流程涵蓋了如何審閱它。

準備好 SRT 或 VTT 了嗎？將它上傳到字幕翻譯工具，在付款前查看價格。完成後，下載雙語檔案以及翻譯後的檔案。然後對它執行檢查工具，因為實際工作中的行數取決於模型如何拆分每個翻譯後的 cue。