教程 · 作者 Jun Tang · 价格核对于 2026 年 11 月 1 日 · 约 6 分钟读完

用 AI 给短视频加中英双语字幕：从识别到导出的完整流程

推广说明：本页含推广链接（标记为“sponsored”）。通过这些链接注册，我可能获得佣金，你不需要多付任何费用。这不会影响我的推荐——只要免费工具够用，我都会写出来。了解本站如何运作。

双语字幕（一行英文、一行简体中文）是让短视频传得更远最省事的办法之一。学语言的人会收藏，海外华人会转发，同时面向中外市场的品牌一条视频就能顶两条。现在 AI 能包办大部分体力活，但不是全部。这篇按我做短视频剪辑时的实际流程来讲：哪些环节 AI 做得好，哪些地方还得靠人眼把关。

为什么短视频适合加双语字幕

大部分短视频是静音或小音量刷的，所以字幕本来就是标配。再加一种语言，还能多带来三点好处：

• 覆盖面更广。中文口播视频，说英语的人也能看懂，反过来也一样。同一条视频可以发到 TikTok、Reels、YouTube Shorts 和抖音。
• 收藏和重复观看更多。学语言的人会暂停、截图、反复看双语短片，这些数据对短视频推荐有帮助。
• 跨境品牌更显专业。英文和中文都准确的产品视频看起来很专业；带着机翻错误的视频效果正相反，所以下面的校对步骤很关键。

开始之前先定三件事

1. 原语言是哪一种？

永远识别视频里实际说出来的那种语言。语音转文字工具识别原声的准确率，远高于直接出译文。比如 quso.ai 的字幕生成器写得很明白：它"按视频里说的语言转写，不做翻译"。所以第一行字幕用它出，翻译另外做。

2. 哪一行放上面？

目标观众主要看哪种语言，就把哪种放上面、字号放大。面向学中文的英语观众，中文放上面往往更好，因为汉字是"内容"，英文是辅助；中国品牌做海外推广，就把英文放上面。没有唯一正确答案，同一个系列保持一致就行。

3. 字幕烧进画面，还是单独给字幕文件？

TikTok、Reels 和 Shorts 都以烧录（硬）字幕为主，所以短视频基本都是直接压进画面。.srt 文件还是要留着：YouTube 支持上传字幕轨，客户要求改字幕时也用得上。

六步流程

第 1 步：拿到原语言的干净字幕稿

下面这些工具都能生成带时间轴的字幕稿：

• 免费：CapCut（剪映国际版）的自动字幕；会用命令行的话，也可以用 OpenAI 开源的 Whisper 模型。
• quso.ai：字幕生成器支持包括中文在内的 99 种语言，付费版（Lite 及以上）可以下载 SRT 文件。免费版导出 720p、带水印，不能下载 SRT。每分钟视频消耗 1 积分。
• Submagic：宣传支持"123 种语言"的字幕样式，最擅长在字幕稿上做逐字跳动的动态效果。
• ElevenLabs 语音转文字：和它的配音工具共用一个积分池（价格页标的是每分钟音频约 330 积分）。

不管用哪个，都对着音频把字幕稿过一遍。人名、品牌词、数字和俚语是所有引擎最容易出错的地方。

第 2 步：按竖屏重新断句

9:16 画面很窄。翻译之前，先把过长的字幕切短：经验值是每行英文 30–40 个字符左右，中文 12–16 个字左右，每条字幕不超过一句话。先断句再翻译，两种语言就能共用同一套时间轴。

第 3 步：逐条翻译，别整段丢进去

最常见的错误，是把整份字幕稿贴进翻译工具，拿回来一段更通顺的文字，却和时间轴对不上了。要逐条翻译，保证英文第 14 条对应中文第 14 条。用 AI 聊天模型的话，这样的提示词很好用：

Translate each numbered line into Simplified Chinese.
Keep the same number of lines and the same numbering.
Keep it short and natural for spoken video subtitles, not formal writing.
Do not translate brand names. Return only the numbered lines.

有些工具自带翻译（Submagic 的功能列表里有"AI 翻译字幕"，哪个套餐包含可以看 Submagic 价格详解）。自带翻译很方便，但照样要校对。

第 4 步：人工校对（AI 省不掉的一步）

中英机翻语法通常没问题，语气却常常不对。重点检查：

• 习语直译。"That's a game changer" 不能翻成一句跟游戏有关的话。
• 语体。短视频里的中文偏口语，教科书式的说法会很生硬；英文字幕也要像说话。
• 数字和单位。"万"和 thousand 的换算、价格、日期。
• 人名和产品名。品牌名要不要保留英文，定一次就别再变。
• 长度。中文比英文短很多没关系；英文如果长到屏幕上停留的时间读不完，就删短。

第 5 步：两行字放进同一个字幕框排版

好的双语字幕看起来是一个设计好的整体，而不是两条字幕轨互相打架：

第 6 步：导出后在手机上检查

按 1080×1920 导出，然后在真手机上看一遍，别只看剪辑软件的预览。要确认没有内容被 App 界面挡住，中文那行在一臂距离也看得清。

免费 DIY：用 FFmpeg 合并两个 SRT 并烧录

喜欢免费工具、会用终端的话，整个流程可以不订阅任何服务。准备好编号和时间轴完全一致的 en.srt 和 zh.srt，把每对字幕合成一条（英文一行、换行、中文一行），得到 bi.srt，再烧进视频：

ffmpeg -i input.mp4 -vf "subtitles=bi.srt:force_style='FontName=Noto Sans SC,FontSize=14,Outline=2,MarginV=180'" -c:a copy output.mp4

MarginV 用来把字幕抬到底部界面上方，按需调整。这个方法免费又精确，只是排版比可视化剪辑软件慢。

每个环节用什么工具

如果想更进一步，不只是字幕，而是做真正的中文或英文配音，发布任何商用内容之前，先看 ElevenLabs 免费版允许做什么。

我在客户视频里最常改的问题

1. 两种语言时间轴错位。原因是整段翻译。解决：逐条翻译。
2. 字幕被 TikTok 按钮挡住。解决：把字幕框往上提，在手机上测试。
3. 简体和繁体混用。中国大陆和大多数中文学习者用简体，港台地区的观众多用繁体。根据目标观众有意识地选一种。
4. 字太多。观众要暂停才能读完，就说明这条字幕太长了。
5. 原语言那行没校对。英文错一个词，中文也会跟着错。

常见问题

AI 能全自动做双语字幕吗？

几分钟就能出一版可用的初稿。但凡是以品牌名义发布的内容，都要留出时间人工校对两种语言。

有免费的做法吗？

有：用 CapCut 或 Whisper 识别字幕，任意翻译工具出第二种语言，再用 CapCut 或 FFmpeg 排版导出。付费工具主要是省时间、字幕样式更好看。

要不要改成上传字幕文件？

YouTube 长视频建议上传 SRT 字幕轨，观众可以自己切换。TikTok、Reels 和 Shorts 通常用烧录字幕。

一条视频要多久？

30–60 秒的口播短片，模板搭好以后，算上校对大约 15–30 分钟。

相关指南