搜尋「AI 字幕 準確度」，十之八九會看到某某工具寫著「準確率 98%」「準確度業界最高」。這類數字很好記，但幾乎沒有一家公司公開測試方法、測試檔案、測試語言分佈，讀者也無從驗證它在「你的」影片、你的口音、你的專業術語上到底表現如何。
一款 AI 字幕工具「準不準」，其實是由幾個可以攤開來檢查的機制決定的。下面 5 個問題，是選工具前實際該問清楚的，用來取代一個沒辦法查證的百分比。
關鍵 1：辨識模型是固定一家，還是會依語言挑選？
市面上大部分 AI 字幕工具背後只接了一家語音辨識廠商，全語言、全內容都用同一套模型跑。同一個模型在不同語言上的表現落差可能很大：某個模型的英文辨識可能很強，中文卻普通；另一個模型國語辨識穩定，遇到專業術語或吵雜環境卻容易出錯。
Subanana 持續針對每種語言評測多個語音辨識模型，並依照「語言」與「用途」（字幕需要精準斷句、逐字稿需要標點與分段）兩個維度，自動把工作分派給評測表現最好的模型，不綁定單一供應商。某個模型在特定語言或內容類型上表現不佳時，系統會改用另一個評測過的模型處理那一段。
關鍵 2：辨識出錯之後，會不會自動抓出來重跑？
再厲害的語音辨識模型都會有「幻覺」問題，輸出一段聽起來通順、但跟音檔內容對不上的文字。多數工具遇到這種情況，模型吐出什麼、使用者就拿到什麼，沒有第二層防線。
Subanana 在每一段輸出後都會做品質檢查，偵測到疑似幻覺或明顯品質問題時，系統會自動把那一段改送到另一個評測過的模型重新處理。使用者看到的是修正後的結果，不會看到「重跑中」的提示，這段內部重新處理也不會額外計費，不算在分鐘數裡。這一層很容易被忽略，卻是實際影響「準不準」最直接的機制之一。
關鍵 3：校對是機器全自動改，還是你能看到改了什麼？
辨識完成後還有一層「校對」決定最終品質。Subanana 的字幕與逐字稿編輯器會跑一套 AI 校對，先給出一個 0–100 分的品質分數，再依照錯字/同音字（例如「在見」該是「再見」）、標點符號、大小寫、文法等分類，提出逐句修改建議。每一項建議改了什麼、屬於哪一類都清楚列出，使用者確認過才生效，適合需要保留原意的逐字稿與會議紀錄場景。
關鍵 4：字幕好不好讀，有沒有客觀檢查？
「準確」不只是「聽對了字」，字幕好不好讀也是使用體驗的一部分。同一句話，如果塞進一格字幕的字數太多、停留時間太短，就算每個字都聽對了，觀眾還是看不完、看不懂。
Subanana 的編輯器會做 CPS（每秒字數）檢查，這是一套規則式的判斷，標出哪些字幕格「太密」或「太鬆散」，方便在匯出前手動調整。CPS 是可以複核的字數與時間換算，不是模型信心值那種黑盒子分數，讀者可以自己驗證機器判斷得對不對。
關鍵 5：匯出格式接不接得上你實際的後製流程
字幕再準，匯出格式跟剪輯軟體對不上，還是得手動搬一次。Subanana 目前支援 SRT、VTT、TXT、DOCX、XLSX、Markdown 六種標準格式匯出，2026 年 9 月新增了 FCPXML 匯出，可以直接把字幕帶進 Final Cut Pro 的字幕軌，不用重新對時間軸。中英對照（雙語）SRT 匯出支援單一檔案內同時放原文與翻譯。想要「一支已經燒字幕的成品影片」，也有一鍵匯出燒字幕影片的選項，單語、雙語都可以。
市面上其他工具怎麼做
以 Taption（taption.com）為例,這是台灣 SERP 上常見的競品。根據 taption.com/pricing（2026-09-26 查閱）,免月費方案按小時加購,每小時 US$8,分鐘不過期,單人使用；Premium 訂閱每月 US$12,每月含 120 分鐘,加購每小時 US$6；Bulk 方案每月 US$69,每月含 1000 分鐘。官方頁面也列出支援 FCPXML 匯出與雙語燒字幕影片輸出,這兩項跟 Subanana 目前的能力接近。如果你只是偶爾處理一兩支影片、用量很不固定,Taption 按小時計費的免月費方案可能比訂閱制更划算;Subanana 目前是月/年訂閱制,方案內含固定分鐘數。
wayin.ai、papiin.com 這類工具在台灣的搜尋結果中也常出現,多半是免費、輕量的單一功能字幕產生器。如果你的需求只是「丟一支短影片、拿一個陽春字幕檔」,這類工具可以用;但如果你需要辨識容錯機制、可核對的校對紀錄,或是要把字幕升級成一份可以直接用的會議紀錄,就會需要一套更完整的 QA 流程。
從字幕到會議紀錄：一次到位的交付物
如果你的來源是會議錄音，核心產出通常是一份能直接拿去用的會議紀錄，字幕檔在這個情境下反而不是重點。
Subanana 的逐字稿與會議模式會強制開啟自動標點與分段,輸出的是一段一段、有標點的文字,方便直接閱讀與引用（字幕模式因為要對齊時間軸,採用不同的處理邏輯）。你也可以先在「詞彙表」裡把公司名稱、專案代號、人名這類容易聽錯的詞先建好——詞彙表分工作區共用與單一專案兩種,支援整批匯入 XLSX/CSV,每個詞還可以標記是否為多語言通用;再搭配「背景資料包」上傳會議相關的文件或連結,以及超過 30 套的會議紀錄範本,一鍵套用摘要格式(例如會議紀錄、業務會談等),讓輸出直接是一份結構化的會議紀錄,而不是還要自己整理的逐字稿。
用 Subanana 的 AI 字幕工具 處理你的第一支影片,或是把會議錄音丟進會議記錄 AI,親自看一次辨識、校對、匯出的完整流程,實測結果比任何一個百分比都更有參考價值。
常見問題
有哪些 AI 字幕產生器？ 市面上常見的包括 Subanana、Taption、wayin.ai 等,做法差異主要在辨識模型的選型與容錯機制、校對是否可核對、匯出格式是否齊全,而不是誰標榜的百分比比較高。建議直接拿你自己的一段內容實測,比對輸出結果與匯出格式,比看行銷頁面準確。
字幕的字數限制是多少？ 沒有一個放諸四海皆準的字數上限，重點是「每秒字數」(CPS) 這個換算：同樣一句話，停留時間短就要壓縮字數，停留時間長可以放寬。Subanana 的編輯器用 CPS 規則自動標出太密或太鬆散的字幕格，方便在匯出前調整，比套一個固定字數規定更貼近實際閱讀速度。
CapCut 自動字幕要付費嗎？ 以 CapCut 官方頁面公開資訊為準,目前 CapCut 的自動字幕產生功能是免費使用的,官方頁面明確寫著這是一項免費功能。如果你之後看到不同說法,建議以 CapCut 官方頁面當下的公告為準,因為免費功能的範圍在各家工具都可能隨時調整。
如何調整字幕的時間軸？ 字幕檔（例如 SRT）本身就是文字加時間碼的格式,時間碼決定每一句字幕出現與消失的時間點。在編輯器裡,一般做法是先確認辨識出來的斷句與時間點是否合理,再視需要調整;如果覺得某幾句字幕切得不好讀,也可以用「重新分句」類的功能依字數/字詞數重新切一次,而不用整段重新辨識。實際能調整到什麼程度,依你使用的工具而定,匯出前務必回放確認一次。
把辨識模型怎麼選、出錯了會不會自動修正、校對改了什麼看不看得到、字幕好不好讀、匯出接不接得上後製或會議紀錄這 5 點問清楚，再決定要用哪一款工具，會比記住一個行銷數字更有用。