口語轉書面語：香港創作者做跨地區內容的字幕轉換指南

這篇文章要解決的問題

一位香港 YouTuber 把一條 12 分鐘的產品評測上傳到工具，幾分鐘後拿到自動字幕檔。打開一看，全部都是「搞掂咗」這類口語粵語寫法。自家 HK 訂閱者當然讀得懂，但他其實想打入台灣、新加坡、馬來西亞的繁中市場，可是那邊的觀眾一看到這些口語字眼就覺得這是香港方言內容，不是給他們看的。

要解決，他面前有兩條路：接受較窄的發佈範圍，或者花一個下午逐句改寫字幕。兩條都不理想。

這篇文章會說明：口語與書面語的差距從何而來、為什麼機器翻譯不夠用、Subanana 怎樣把書面語當成一個輸出 / 翻譯語言選項來處理，以及哪些場景應該用、哪些可以跳過。

口語 vs 書面語 — 兩者差別為什麼這麼大

粵語是現代華語圈裡少數在日常口語和正式書寫之間存在顯著差距的語言變體。華語（國語）的口語與書面語也有分別，但差距細微；粵語的差距則是系統性的：代名詞、時態、疑問詞、語氣助詞、動詞搭配，全部都是兩套。

常見的對應關係：

• 時間詞：口語 而家 → 書面語 現在
• 疑問詞：口語 點樣 → 書面語 如何
• 動詞搭配：口語 搞掂 → 書面語 處理好
• 指示詞：口語 咁 → 書面語 那樣 / 這樣
• 語氣助詞：句末的口語語氣詞，改成書面用字或直接省略

為什麼這件事很重要？因為讀者端的體驗完全不一樣。香港觀眾讀書面語繁體完全沒有摩擦感，因為這是他們從小讀新聞、讀教科書、讀公文的語言。反過來，台灣、新加坡、馬來西亞的繁中讀者讀到口語粵語字幕，感覺是在看方言內容，閱讀速度會下降、理解成本會上升，甚至會直接跳出影片。

結果就是粵語創作者每一次做字幕，都要面對一個選擇：只做本地分發（口語字幕 OK），還是做跨地區分發（必須轉成書面語）。

香港創作者實際面對的兩難

幾個常見場景：

• 跨市場 YouTube 長片：一位做科技開箱的 HK YouTuber 想打入台灣市場。他的自動字幕是口語粵語，人手改寫 10 分鐘影片大約要花 40 到 60 分鐘，而且每一條新片都要再做一次。他的時間成本不允許。
• 企業培訓內容：一間港企拍了一系列培訓影片，本地用粵語講，但新加坡分公司的同事也要看。HR 拿到字幕檔後，發現要把整份字幕重寫才能給 SG 團隊用。改寫時間算下來比重新配音還久。
• 跨地區直播活動：一場 hybrid 會議，講者是粵語母語者，線上觀眾來自 TW / SG / MY。即時字幕如果直接輸出口語，遠端觀眾會讀得吃力；人手即時改寫根本不可能。
• 付費課程 / 教育內容：專業感很重要。一門投資課的字幕如果通篇是口語寫法，學員對講者的專業度信任會下降。同樣的內容換成書面語，觀感立刻不一樣。

這些不是罕見的 edge case，每一個稍微上規模的粵語創作者都會踩到。

為什麼機器翻譯不夠用

有人會問：直接丟去 Google Translate 或 ChatGPT 不就好了嗎？實際做過一次就知道不行，原因有幾個：

• 通用翻譯工具把它當成「粵→中」的翻譯任務：遇到 搞掂咗個 project、個客話啱啱傾完 這類工作場景的混合表達，輸出可能保留不合適的詞序或語氣，需要逐句檢查。
• 通用 LLM 單句能做，但 SRT 整檔不容易：複製幾句貼進 ChatGPT 沒問題。真正的問題是幾百條 cue 要分批處理，同一個人物的稱呼、同一個術語的譯法，容易前後不一致。
• 不一定保留時間碼：如果工具只回傳改寫後的純文字，你就沒有 timecode，還是要人手把新文字對回原本的 SRT，這反而比整份人手改寫更煩。
• 不理解字幕的格式限制：字幕每條有長度上限、有 CPS（每秒字數）上限。一個通用翻譯工具不會知道「他們現在正在處理這個項目」比對應的口語原句長了接近一倍，會超出可讀速度。把改寫直接塞回原本的時間碼，觀眾會看不完就跳下一條。

Subanana 的做法：把書面語設為輸出 / 翻譯語言

Subanana 在「廣東話（香港）」這個語言底下，讓你選擇輸出的書寫形式：口語或書面語（各分繁體、簡體）。每一種都是獨立可選的輸出 / 翻譯目標，選法就跟選一個語言一樣。流程是：

1. 上傳影片，或貼上 YouTube / Instagram 公開連結。
2. 建立項目時選語言。在來源 / 輸出語言這一步，你可以直接把粵語內容輸出成口語，或輸出成書面語繁體。
3. Subanana 跑轉錄，按你選的書面形式輸出。如果項目裡已經有一份口語字幕，也可以在編輯器加一個翻譯：把口語設為來源、書面語設為目標語言（兩者是不同的語言選項），整份轉成書面語。
4. 字幕模式支援多個翻譯目標，所以同一個檔案可以同時輸出一份口語 SRT 和一份書面語 SRT；逐字稿 / 會議模式則是單一翻譯目標。

得出的書面語會處理：代名詞（佢哋 → 他們）、詞彙替換（嘢 → 東西、搞掂 → 處理好）、語氣助詞（句末語氣詞改成書面用字或省略）、語序調整。

轉換時，系統的指示要求原樣保留品牌名、產品名、縮寫和專有技術名詞，不把它們改寫或翻譯掉；輸出仍建議你快速核對一遍。

這個能力搭在 Subanana 的整套品質檢查之上——系統會先在多個 STT 模型之間挑出對粵語表現最好的那個、自動偵測並繞過模型的幻覺段落、對轉錄文字做一層 LLM 校對、再用 CPS 檢查標出觀眾來不及讀的字幕條。LLM 校對只處理文字層錯誤，不會改動時間碼。

實戰示例：before / after

以下是幾組口語→書面語的對應示例（書面語語言選項的輸出效果）：

什麼場景該用？什麼時候可以跳過？

不是每一條粵語影片都需要轉書面語。

該用的場景：

• 跨地區發佈（HK + TW + SG + MY 繁中市場）
• YouTube 長片、付費課程、專業 podcast 逐字稿
• 企業培訓、對外品牌頻道、客戶溝通內容
• 任何專業感比本地感更重要的場景

可以跳過的場景：

• 只做 HK 市場的 IG Reels / Shorts / TikTok，口語反而是真實感
• 私人社群內容、朋友之間分享的影片
• 「廣東話」本身就是品牌的創作者（粵語文化 / 本土語言內容），改掉口語反而把個性抹掉

折衷做法是雙語匯出：如果你的觀眾組成混合，可以在字幕模式同時輸出口語版和書面語版的 SRT（字幕模式支援多個翻譯目標），讓 HK 觀眾讀原汁原味、TW / SG 觀眾讀無摩擦版本。

常見問題

Q：會不會把英文品牌名誤譯成中文？ 轉換時系統的指示要求原樣保留品牌名、產品名、縮寫和專有技術名詞。中英夾雜的字幕仍建議在匯出前核對一次。

Q：可以保留部分口語、部分書面語嗎？ 可以。輸出 / 翻譯是整份套用同一個語言，但你可以在編輯器裡針對個別 cue 手動改回口語或改成其他寫法。

Q：支援反向，即書面語轉口語嗎？ 這不是我們建議的用法。把書面語文稿改寫成口語，出來的文字意思對得上，但跟講者實際講出口的內容並不一致——字幕和逐字稿的基本承諾就是「說了什麼就寫什麼」，所以我們不把這個方向當成產品功能。Subanana 做的是 口語 → 書面語。大多數需求是粵語創作者要把自動字幕輸出成書面語給跨地區觀眾讀；反向（把書面語文稿改成口語粵語）不是我們的主要方向。

Q：要升級到付費方案才能用嗎？ 免費方案可以預覽每個檔案的首 15 分鐘（看轉錄與書面語輸出的實際效果），但不能匯出字幕檔。付費方案才開放下載 SRT／VTT、拿到整個檔案的完整輸出（不再只停在首 15 分鐘），適合實際在跑內容生產的創作者。

延伸閱讀

• 5 款 AI 字幕工具比較 — 這篇說明了在粵語 / 書面語轉換這個維度上，為什麼這是 Subanana 難以被複製的一個位置。
• SRT 字幕檔完整說明 — 如果你對時間碼、cue 結構還不熟悉，先看這篇。
• 影片字幕 4 個設定重點 — 字幕長度、CPS、換行策略的基礎。

拿你一條真實的粵語影片試一次

如果你手上剛好有一條還沒上字幕的粵語影片，最快的驗證方法就是直接跑一次。上傳檔案或者貼 YouTube 連結到 Subanana 的 AI 字幕工具（或先看口語書面語轉換工具頁面的示例），建立項目時在輸出 / 翻譯語言選擇書面語，對比兩份輸出——哪一句轉得準、哪一句需要你微調，一眼就看得出。免費方案可以預覽每個檔案的首 15 分鐘，要下載 SRT，或取得 15 分鐘之後的完整輸出，付費方案起價 US$9/月（約 HK$68/月，年繳），完整方案資訊在這裡。