自己上字幕，最常卡關的兩個環節是校對，以及匯出的格式跟剪輯軟體對不上。手動打字幕要一邊聽、一邊打字、一邊抓時間軸；改用 AI 字幕工具之後，聽打跟時間軸交給系統，你的時間主要花在校對跟選對匯出格式。
這篇教學把「做出一份能直接用的中文字幕」拆成 4 個步驟，講清楚每一步該注意什麼，中間用 Subanana 的 AI 字幕工具 示範實際操作。
開始之前要決定的 3 件事
在打開任何工具之前，先想清楚這 3 件事，可以省掉重做的時間。
1. 你的素材是檔案還是連結？ 如果影片已經在你電腦裡（.mp4、.mov、.mp3、.wav 等常見格式都可以），直接上傳最快。如果影片已經發布在 YouTube 或 Instagram 上，不用先下載，貼上公開網址，工具會自己抓音訊去辨識，這點省下的下載加重新上傳時間，在處理別人頻道的公開影片或做二次剪輯時特別明顯。要注意的是，會員限定或需要登入才能看的內容，網址匯入會失敗，這種情況還是得手動下載檔案再上傳。
2. 字幕只要中文，還是要中英對照？ 如果你的頻道有非中文觀眾，或者你自己需要中英對照版本核對用字，選「雙語字幕」比事後手動合併兩份 SRT 快得多，好的字幕工具會直接輸出一份同時含原文與翻譯的 SRT，一行原文一行翻譯，不用自己拿兩個檔案對時間軸。
3. 匯出後要進剪輯軟體嗎，還是就這樣發布？ 這決定你該選哪種匯出格式。如果字幕檔要進 Premiere、CapCut 之類的剪輯軟體再調整樣式，SRT 或 VTT 就夠；如果要進 Final Cut Pro 用原生字幕物件編輯，就要確認工具支援 FCPXML 匯出。如果你只是要一份逐字稿存檔或給別人校對，DOCX 或 XLSX 反而更好讀。
下面這張圖是整個流程的 4 個步驟，接下來逐一說明。
步驟 1：上傳素材，選來源語言
打開 Subanana 的 AI 字幕工具，選擇上傳方式：直接選檔案，或貼上 YouTube、Instagram 的公開連結。檔案上傳支援影片（.mp4、.mov、.webm、.mkv 等）跟純音訊（.mp3、.m4a、.wav、.ogg、.aac、.flac 等），單檔上限是 8 小時或 30 GB，一次最多可以排 20 個檔案進批次處理，這個上傳上限免付費方案跟付費方案相同。
接著選來源語言。上傳檔案時要直接指定影片實際講的語言，整個檔案會以這個語言辨識，所以如果影片裡中英夾雜，選主要講的那個語言，夾雜的另一種語言段落在校對時要特別留意。如果你要順便做一份給國際觀眾看的版本，這裡也可以同時勾選要翻譯成哪些語言；字幕模式下，一次工作可以同時產出多個翻譯語言，不用每個語言重跑一次。
步驟 2：讓系統辨識，同時知道它在幫你把關什麼
上傳後系統會自動跑語音辨識並生成字幕檔，不需要手動操作。這一步值得知道背後在做什麼：字幕工具不會只靠單一語音辨識模型死撐到底，針對不同語言，系統會持續評估哪個模型表現最好，把你的內容送去該語言目前表現最佳的模型處理；辨識過程中如果某段輸出出現明顯的辨識錯誤（講的內容跟輸出文字對不上這類問題），系統會自動把那一段改送去另一個模型重跑，不需要你自己發現問題再手動重轉。
所以你拿到的初稿，已經是系統目前能生成的最佳版本。
步驟 3：校對，這一步決定字幕能不能直接用
辨識完成後，一定要花時間校對，這是整個流程裡最容易被跳過、卻最影響成品品質的一步。
兩層校對可以用：
- 系統輔助校對： 編輯器內建的 AI 校對會跑過一次文字內容，標出可能的錯字、同音字誤植（例如「在見」該是「再見」這類辨識錯誤）跟標點問題，並給出 0 到 100 分的品質分數。修改建議會逐條列出，你可以逐條接受或拒絕。
- 人工複核： 系統校對抓不到「漏字」（音檔裡有講但辨識時完全沒抓到的內容），這種情況只有人耳複聽才能抓出來，尤其是專有名詞、人名、品牌名這類系統本來就沒見過的詞。如果內容裡有固定會出現的詞彙（公司名、產品名、業界術語），先把這些詞加進工具的詞彙表，之後的專案都能套用同一份詞彙表，不用每支影片都手動改一次同樣的錯字。
字幕還有一個字幕專屬的檢查，叫 CPS（每秒字數）標示，這是固定規則的計算：單純算某一條字幕的字數除以顯示秒數，標出「一秒塞太多字，觀眾根本來不及讀完」或者「停太久，畫面冷場」的位置，校對時一併看過這些標示，能省掉之後被觀眾留言抱怨字幕太快看不完的麻煩。
步驟 4：選對匯出格式，一次到位
校對完成，最後一步是匯出。可選的格式包括 SRT、VTT、TXT、DOCX（Word）、XLSX（Excel）、Markdown，以及 FCPXML，這是 2026 年 9 月新加入的第 7 種格式，專門給 Final Cut Pro 讀取用，匯出時可以選影格率，對應不同剪輯專案的設定。要注意的是，FCPXML 一次只能放一種語言的字幕，如果你選了雙語，系統會分別產出兩個檔案。匯出字幕檔（SRT、FCPXML 等）需要付費方案，免付費方案只能預覽結果。
如果不需要進剪輯軟體再調整，也可以直接匯出「已燒錄字幕的成品影片」，單語或雙語燒錄版都支援，拿到的就是一支字幕已經燒進畫面裡、可以直接上傳的影片檔，不用再開任何編輯軟體（免付費方案只能匯出加浮水印的短片段預覽，付費方案才會去掉浮水印）。
如果你的字幕樣式（字體、顏色、位置）每支影片都要重新調，可以把調好的樣式存成範本，下次上傳新影片直接套用，或設成整個工作區的預設樣式，不用每次從頭調一次。
常見問題
字幕跟逐字稿不是同一份輸出嗎？
兩者來自同一份音檔，但輸出方式不同。字幕輸出會按照畫面節奏切成一條一條、通常不含標點，方便觀眾在幾秒內讀完；逐字稿（給閱讀用，例如會議紀錄、採訪整理）則會自動補上標點跟分段，讀起來像一篇完整文章。
YouTube 網址匯入，私人影片或會員限定內容也能用嗎？
公開影片、Shorts、Reels 都可以直接貼網址匯入，不需要先下載。但會員限定或需要登入才能看的內容，網址匯入會失敗，系統會提示你改成下載檔案再上傳。直播中的影片也要等直播結束後才能匯入。
字幕做錯了，可以後續修改嗎？
可以。字幕編輯器裡每一條字幕都能直接改文字，AI 校對的修改建議也是逐條列出、由你接受或拒絕。如果是翻譯字幕，做完之後如果要整段重新產生，翻譯字幕軌可以刪除重跑；原始語言那一軌（辨識出來的來源字幕）則不能刪除，只能透過校對介面調整內容。
免付費方案可以完整跑一次這套流程嗎？
可以跑到預覽，但拿不到字幕檔。免付費方案的上傳格式、單檔時長跟檔案大小上限跟付費方案一樣，每個檔案會先生成前 15 分鐘的預覽，讓你確認辨識品質；匯出 SRT、VTT、DOCX 等字幕或逐字稿檔案則需要付費方案。先用預覽確認成品符合需求，再決定要不要升級，是合理的測試方式。
延伸閱讀：想了解系統自動生成字幕背後怎麼做語音辨識跟時間軸對齊，可以看字幕自動生成的流程解析；要做中英對照版本，可以參考中英對照字幕製作教學。如果你還在比較該用哪一款字幕工具，可以參考上字幕軟體怎麼選的完整比較；如果素材是純錄音檔案（訪談、會議錄音），流程會略有不同，可參考錄音檔轉文字的教學。想直接看方案價格，可到Subanana 的方案頁面。