今年較早時替一位 YouTuber 朋友處理了 12 條粵語影片（訪談、街訪、產品評測都有），總時長約 9 小時。同一批音檔，我放進 5 款 AI 字幕工具各走一遍流程，記錄每款怎樣處理中英夾雜、有哪些匯出格式、價格怎樣計，以及從匯入到拿到可用 SRT 檔要走哪些步驟。
這篇把每款的實際表現和它真正擅長的場景列出來，讓你按自己的需要挑工具。
怎樣比較
- 素材 A（中英夾雜）：一段 18 分鐘的科技產品評測，有大量英文品牌名（Sharp、AQUOS、XLED、OLED）夾雜在粵語口語之中。
- 素材 B（戶外雜音）：一段 12 分鐘的街訪，背景有車聲、人聲、輕微風聲。
- 比較維度：廣東話及中英夾雜的處理、口語轉書面語、匯出格式、價格。
- 匯出目標：要拿到可以直接拖入 Premiere / Final Cut / YouTube 的 .srt 檔。
這兩段素材用來比較流程和匯出，不作準確率評分。
一個誠實的前提：這篇不列準確率百分比。 粵語口語的「錯」本身有灰色地帶（「而家」vs「現在」，算錯還是風格選擇？），一組素材跑出來的數字，也不代表你的口音、錄音環境和用詞。各工具的功能和價格都可以在官方網頁核對；辨識效果，最可靠的方法是用自己的音檔試，大部分工具都有免費試用額度。
5 款工具一句話簡介
| 工具 | 一句話定位 |
|---|---|
| Subanana | 為粵語和中英夾雜內容而設；口語可直接轉書面語；支援 YouTube／IG／FB 連結直接匯入；網頁操作，免安裝。 |
| Adobe Premiere Pro | 專業剪片流程內建字幕功能，不用離開 timeline。 |
| ArcTime | 桌面字幕軟件，時間軸調整精細，支援 .ass 樣式；基礎 app 免費，語音辨識按分鐘積分扣費。 |
| Taption | 官網標明「專為台灣企業與創作者打造」，有繁體中文版，網頁操作，可按小時加購分鐘、毋須訂閱。 |
| pyTranscriber | 開源免費，可選 Whisper 引擎在本機離線處理（Google 引擎則會把檔案上傳到 Google）。 |
我知道 2026 年還有 Happy Scribe、Descript、Rev 等國際選項，但這篇聚焦在「繁中使用者實際會拿來做粵語／華語影片」的工具組合。
逐款比較
1. Subanana
- 廣東話與中英夾雜：每個檔案預設選一種語言轉寫；付費方案的「增強轉寫」可開啟多語言模式，一個檔案最多可處理 10 種語言（增強轉寫的分鐘按 1.5 倍計算），適合粵語夾雜英文、或粵語與普通話交替的內容。英文品牌名較多的影片，轉寫後仍建議逐行檢查一次。
- 輸入來源靈活：除了上傳檔案，也支援貼上 YouTube、Instagram、Facebook 公開影片連結直接轉寫，不用先把影片下載到本機，貼上連結、選語言、按生成即可。對要處理大量現成社交影片的創作者，可省下一輪下載和轉檔。
- 最大特色：口語轉書面語，繁體和簡體都可以。例如「佢哋而家唔使咁做」可以一鍵轉成「他們現在不需要這樣做」，對要在 YouTube 上同時服務港台觀眾的創作者很實用。
- 匯出格式：SRT、VTT、TXT、DOCX、XLSX、Markdown、FCPXML 七種格式；也可以把所有字幕軌以同一格式打包成 ZIP。支援雙語 SRT 匯出（源文 + 譯文在同一檔案）。另外支援一鍵匯出嵌入字幕的影片檔，單語或雙語字幕都可以直接燒錄進影片，免再進 Premiere／Final Cut 合成。
- FCPXML 細節：只在字幕編輯器內匯出（會議編輯器和批量匯出沒有這個選項），付費方案適用；可選幀率（23.98、24、25、29.97、30、50、59.94、60，預設 24）；每個 FCPXML 檔案只含一種語言，可匯出單一字幕軌，或把所有字幕軌打包成 ZIP。
- STT 架構：我們持續對多個前沿 STT 模型做基準測試，按來源語言自動路由到當前表現最好的模型，並設有自動備援，支援 95 種以上語言。你不會被鎖在單一供應商。
- 品質保證層（堆疊在 STT 路由之上，這是我們投最多功夫的地方）：
- 幻覺偵測 + 自動換模型：當偵測到某段輸出有質素異常（特別是 hallucination，即內容跟音檔對不上的錯），系統會自動把該段交給另一個已評測的模型重跑，盡量避免「機器錯得很有信心」的情況。
- LLM 輔助校對：編輯器內建 LLM 分析轉寫結果，按錯字（包括同音字）、標點、大小寫、文法等類別逐條提出修改建議，你可以逐條接受或略過。
- CPS（字數／秒）檢查：編輯器自動標記字幕條裡「一秒塞太多字，觀眾來不及讀」或者「字太少、停留太久」的位置，讓你優先修那幾行。
- 詞彙表 + 背景資料：把公司術語、產品名稱、人名加進詞彙表，或上載參考文件，讓轉寫用字更一致。詞彙表分整個工作區通用和按項目設定兩層，每個詞可標記為通用或只用於某種語言，也可用 XLSX／CSV 批量匯入。
- 價格：免費方案足夠試用：每月 3 次上載，每個檔案生成及預覽首 15 分鐘，可匯出帶浮水印的 15 秒影片片段（最高 720p），但不能匯出字幕或逐字稿。付費由 Lite 方案起：年繳 US$9/月（US$108/年，全年 720 分鐘一次過發放）；月繳 US$18，每月 60 分鐘。付費方案解鎖字幕匯出（包括 FCPXML）及最高 4K 影片匯出。所有方案每檔上限都是 30GB／8 小時。
- ⭕ 贏過 Subanana 的競爭對手在哪裡：不支援 .ass / .ssa 樣式字幕匯出。如果你做的是 Bilibili 特效字幕，要靠 ArcTime。完全離線這一點 pyTranscriber（Whisper 引擎）贏。按用量付費彈性這一點 Taption 和 ArcTime 贏：Subanana 要先訂閱，加購分鐘也只限訂閱用戶，對極低用量使用者成本可能不划算。
適合誰：粵語／華語影片創作者，需要口語轉書面語、多種匯出格式，以及直接拿 SRT／DOCX／FCPXML 交給剪片流程的人。
2. Adobe Premiere Pro（內建 Speech to Text）
- 廣東話支援：Speech to Text 支援繁體粵語、繁體中文（普通話）和簡體中文（普通話）。中英夾雜的內容，轉寫後建議逐行檢查英文詞。
- 最大優勢：不用離開 Premiere。如果你已經在 timeline 上剪了一半，直接在字幕面板跑語音轉文字，生成的字幕條自動對齊剪輯點，不用來回匯入匯出。
- 匯出：SRT 等字幕檔、字幕軌、或燒錄進影片。
- 價格：要訂閱 Premiere（單一 App 或全套），最新價格見 Adobe 官方方案頁。STT 功能不能單買。
- ⭕ 贏過 Subanana 的地方：timeline 整合。Subanana 是獨立工具，要走「匯出 SRT 或 FCPXML → 匯入剪片軟件」這一步。如果你本來就是 Premiere 重度使用者，這一步的摩擦是真實的。
- 劣勢：官方網頁未見口語轉書面語功能，粵語口語要自己改成書面語；不能單獨買字幕功能，要訂閱 Premiere（單一 App 或全套）。另外 Adobe 社群論壇 上有用戶回報 26.0.1 版的語音轉文字結果嚴重失準；社群專家表示 Mac 上的問題已在 26.2.0 修正，但仍有 Mac 和 Windows 使用者在 26.2.2 回報；同一位專家 5 月 13 日亦表示，自己在 Windows 11 用 26.2.2 轉錄英語未見問題。依賴 Premiere STT 的使用者，建議更新版本時先做測試。
適合誰：已經是 Premiere 用戶、做英語為主內容、粵語字幕只佔少部分的專業剪接師。Premiere 字幕工作流的完整設定流程，另外寫過一篇 Premiere Pro 加字幕教學 可以參考。
3. ArcTime
- 廣東話支援：語音辨識支援普通話、粵語、英語等多種語言。
- 最大優勢：時間軸編輯的精細度，以及支援 .ass 樣式字幕匯出。如果你需要 .ass 的進階樣式（特效字幕、卡拉 OK 式效果），ArcTime 是這幾款裡唯一支援 .ass 匯出的。
- 匯出：SRT、ASS 等字幕檔，以及一鍵燒錄字幕影片。啟用「特權模組」後，可匯出給 Final Cut X（FCPXML）、Premiere（XML）等剪片軟件。批量翻譯可製作雙語字幕。
- 價格：基礎 app 免費（Windows／Mac／Linux 都有）。語音辨識按分鐘以積分扣費，普通話、粵語、英語的費率比其他語言低；特權模組另外開通。詳見 ArcTime 定價頁。
- ⭕ 贏過 Subanana 的地方：.ass 樣式匯出（Subanana 不支援 ASS）；對按次付費、用量極低的使用者，積分制比訂閱制便宜。
- 劣勢：中國大陸團隊開發，說明文件和社群以簡體中文為主；需要安裝桌面 app，對只用瀏覽器工作的人多一層摩擦；雲端語音辨識要連網；官方網頁未見口語轉書面語功能。
適合誰：需要做特效字幕樣式、對時間軸精度要求極高的剪接師或彈幕／二創作者。
4. Taption
- 廣東話支援：支援粵語；粵語音檔可輸出繁體或簡體中文。
- 華語（國語）：繁中華語是它主打的場景，官網有繁體中文版，標明「專為台灣企業與創作者打造」。
- 最大優勢：按用量付費彈性。不訂閱也可以用，按小時加購分鐘（US$8／小時，分鐘不會過期），對偶爾需要字幕、不想鎖死年約的創作者非常友善。
- 匯出：TXT、SRT、VTT、燒錄字幕的影片；可匯出翻譯或雙語 SRT，也可把雙語字幕燒錄進影片；Premium 方案起再加 Final Cut Pro XML（FCPXML）匯出。
- 價格：按用量方案 US$0/月，加購分鐘 US$8／小時；Premium 訂閱 US$12/月（年繳約九折），每月含 120 分鐘，加購 US$6／小時。詳見 Taption 定價頁。
- ⭕ 贏過 Subanana 的地方：按用量付費，不用訂閱也能開始，極低用量使用者可以比訂閱制便宜。FCPXML 兩家都有（Taption 要 Premium，Subanana 要付費方案），不是區別點。
- 劣勢：官方網頁未見口語轉書面語功能；Capterra 上的評價提到介面較簡單、Safari 相容性偶有問題。
適合誰：用量很低、只想按小時付費而不訂閱的創作者。（Final Cut Pro 使用者想要 FCPXML，Subanana 和 Taption 都支援，不是挑 Taption 的理由。）
5. pyTranscriber
- 廣東話支援：依賴公開的語音辨識引擎；v2.0 修正了粵語在 Whisper 引擎下無法使用的問題。沒有字幕編輯器，英文品牌名要自己逐條修正。
- 最大優勢：完全免費、開源（GPL-3.0）。沒有訂閱、沒有帳號。
- 關於「離線」的重要注意：pyTranscriber 有兩個引擎。Google Speech API 引擎會把整個媒體檔上傳到 Google 伺服器處理；v2.0 起加入的 Whisper 引擎才是在本機處理。如果你的使用情境是法律訪談、醫療紀錄等絕對不能上傳第三方伺服器的內容，必須先確認自己用的是 Whisper 引擎。這一點 官方說明 有寫但容易被忽略。
- 匯出：SRT、TXT。
- 價格：US$0。
- ⭕ 贏過 Subanana 的地方：真正離線（Whisper 引擎）+ 零成本 + 完全本機輸出。Subanana 全部處理都在雲端，付費才能匯出字幕檔；pyTranscriber 跑 Whisper 時全部在本機，輸出無限制，隱私上限比任何雲端工具高一層。
- 劣勢：有 Windows／macOS（Apple Silicon）／Linux 安裝檔，但沒有字幕編輯器，時間軸要手動調；官方說明未列多語翻譯、說話人分辨或團隊協作功能。
適合誰：隱私要求高、預算為零、願意自己處理時間軸的使用者，例如學術研究者、法律從業員的個人用途。
綜合比較表
多個維度並排。表格只列官方網頁能核對的項目。
| 維度 | Subanana | Premiere Pro | ArcTime | Taption | pyTranscriber |
|---|---|---|---|---|---|
| 輸入來源 | ✅ 檔案 + YouTube／IG／FB 連結 | ❌ 檔案（要先進 Premiere） | ❌ 檔案（桌面 app） | ⭕ 檔案 + 網址匯入（Premium 起） | ❌ 檔案（本機路徑） |
| 粵語中英夾雜 | ⭕ 多語言模式（付費，分鐘按 1.5 倍計），一檔最多 10 種語言 | — 官方未說明混合語言模式 | — 官方未說明混合語言模式 | — 官方未說明混合語言模式 | — 官方未說明混合語言模式 |
| 口語轉書面語 | ✅ | — 官方未列 | — 官方未列 | — 官方未列 | — 官方未列 |
| 雙語字幕 SRT 檔匯出 | ⭕ 付費方案 | ⭕ 翻譯會另開字幕軌；.srt 每檔只支援一條字幕流，兩種語言要分開匯出（Adobe 說明） | ⭕ 批量翻譯製作雙語字幕 | ✅ 可匯出翻譯或雙語 SRT（翻譯按檔案長度扣分鐘） | ❌ |
| 嵌入字幕的影片一鍵匯出（燒錄） | ⭕ 單語或雙語（付費方案；免費版只有帶浮水印的 15 秒片段） | ✅ | ✅ | ✅ 單語或雙語（非訂閱用戶匯出另扣分鐘） | ❌ |
| FCPXML 匯出給 Final Cut | ⭕ 付費方案 | — 不適用 | ⭕ 特權模組 | ⭕ Premium 起 | ❌ |
| 按用量付費彈性（低用量友善） | ❌ 訂閱制 | ❌ 訂閱制 | ✅ 積分制 | ✅ 按小時加購 | — 全免費 |
| .ass / 樣式字幕匯出 | ❌ | ❌ | ✅ | ❌ | ❌ |
| 在剪片軟件內直接使用（免來回匯入匯出） | ❌ | ✅ | ❌ | ⭕ Premiere 外掛（Premium 起） | ❌ |
| 免安裝 / 瀏覽器可用 | ✅ | ❌ | ❌ | ✅ | ❌ |
| 完全離線可用（STT 本機跑） | ❌ | ✅ 下載語言包後 | ⭕ 企業內網伺服器（租用） | ❌ | ✅ 需用 Whisper 引擎 |
| 價格起點 | US$9/月（年繳） | 訂閱制，見官方方案頁 | 語音辨識按積分扣費 | US$8／小時（按用量） | 免費 |
讀法：✅ = 該維度有完整支援；⭕ = 部分支援或有條件；❌ = 沒有；— = 官方網頁未說明。價格以各官方網頁為準（Adobe、ArcTime、Taption、Subanana）。
怎樣挑？一個決策樹
- 主力是粵語或華語內容、要口語轉書面語、多種匯出格式 → Subanana。這是我們投最多功夫的場景，詳細見 AI 字幕工具頁面。
- 已經在 Premiere 裡面剪片、不想離開 timeline → Premiere 內建。官方網頁未見口語轉書面語，但工作流省下的時間值得。
- 要做 .ass 特效字幕 → ArcTime。這是它的主場，Subanana 不支援 .ass 匯出。
- 用量不穩定，想按小時付費而不訂閱 → Taption。按用量付費是 Taption 真正贏的地方；FCPXML 和嵌入式字幕影片輸出兩家都有，不是區別點。
- Final Cut Pro 使用者想直接拿 FCPXML 字幕 → Subanana 或 Taption 都可以：Subanana 付費方案支援 FCPXML 匯出（每個檔案一種語言），Taption 要 Premium 起。依其他維度再挑。
- 隱私要求極高、絕對不能上傳雲端（而且你願意自行設定 Whisper 引擎）→ pyTranscriber。提醒：pyTranscriber 的 Google 引擎不是離線。
- 多語（粵語 + 華語 + 英語）混合、需要一鍵翻譯、還要做 即時字幕翻譯 給現場觀眾看 → Subanana。這是我們的另一個主場。
挑工具前先想清楚你最在乎的是哪一項，上面幾個情境通常會直接對應到一款工具。
再深入一點：Subanana 的匯出與定價
如果決策樹把你帶到 Subanana，幾個具體事實：
- 匯出格式：SRT、VTT、TXT、DOCX、XLSX、Markdown、FCPXML 七種格式；也可以把所有字幕軌以同一格式打包成 ZIP。FCPXML 在字幕編輯器內匯出，付費方案適用，可選幀率，每個檔案一種語言。不支援 .ass / .ssa。
- 免費方案限制：每月 3 次上載；每個檔案生成及預覽首 15 分鐘；可匯出帶浮水印的 15 秒影片片段（最高 720p）；字幕／逐字稿不能匯出（只可線上預覽）。足夠試用來判斷效果，但正式使用需要付費方案。
- 付費起點：Lite 方案年繳 US$9/月（US$108/年，全年 720 分鐘一次過發放）；月繳 US$18，每月 60 分鐘。支援字幕匯出（包括 FCPXML）、最高 4K 影片匯出。所有方案每檔上限 30GB／8 小時。完整月／年方案對比見 方案費用頁。
- 進階參考：用好 AI 字幕工具有幾個操作訣竅，見 3 個 AI 上字幕小秘訣。
與其看別人的評測，不如用自己的片跑一次。
FAQ
Q1. 粵語口音重、夾雜大量廣東話俚語的影片，哪一款最適合？
5 款都能辨識粵語，分別在後續處理。Subanana 可以把口語轉成書面語，付費方案的多語言模式能處理粵語夾雜英文或普通話；其他 4 款的官方網頁未見口語轉書面語功能，要自己改。辨識效果會因口音和錄音環境而變，最可靠的方法是用自己的音檔各試一段。
Q2. 如果我完全不想付費，只想試一次？
pyTranscriber 完全免費但要自行安裝；Subanana 免費方案每月 3 次上載，每個檔案可生成及預覽首 15 分鐘，但不能匯出字幕檔；Taption 新帳戶有 20 分鐘免費額度，之後可用不訂閱的按用量方案；ArcTime 桌面版有免費入門功能，語音辨識按積分扣費；Premiere 要訂閱（單一 App 或全套）。
Q3. Subanana 支援 .ass 特效字幕嗎？
Subanana 的匯出格式是 SRT、VTT、TXT、DOCX、XLSX、Markdown、FCPXML 七種，沒有 .ass。如果必須要 .ass 樣式字幕，ArcTime 是這幾款裡合適的選擇。
Q4. 為甚麼這篇沒有準確率數字？
因為一組素材跑出來的百分比，套到你的口音、錄音環境和用詞上未必成立，而且粵語口語「錯」與「風格選擇」之間有灰色地帶。這篇比較的是可以在官方網頁核對的事情：中英夾雜的處理方式、口語轉書面語、匯出格式和價格。辨識效果，請用自己 1–2 分鐘的樣本音檔試。
Q5. 用 Subanana 的話，要從哪裡開始？
由免費帳號開始測 1–2 條短影片。如果效果過關，再升級付費方案（US$9/月，年繳起）解鎖字幕匯出（包括 FCPXML）和 4K 影片匯出。
結語：選 AI 字幕工具，先看你的語言、工作流和預算。這篇 5 款比較按同一批素材走過一遍流程，功能和價格以官方網頁為準；每款都有適合它的場景，選最對得上你需求的那一款就是了。
如果你主力做粵語或華語內容、需要口語轉書面語 + 網頁操作 + 直接拿 SRT／DOCX／FCPXML 進剪片流程，由免費帳號開始試 Subanana 即可。