翻譯 YouTube 逐字稿並保留時間戳

把 YouTube 影片轉成文字，作法是先記下說過的內容，再翻譯這些台詞。被翻譯的不是畫面，而是說出來的話。YouTube 可以在影片播放時顯示字幕，某些影片甚至能由播放器在畫面上疊出翻譯字幕，只要你還在看就一直顯示。但你一離開，那層疊字也跟著消失。一份能讓你引用、搜尋或轉交給他人的翻譯，是已經翻好的逐字稿，而且每一行仍對應到原本的時間點。

YouTube 的檢視逐字稿說明頁介紹的是閱讀檢視：在說明欄中開啟 顯示轉錄稿，跟著目前這一行看，點選某一行即可跳轉。它沒有說明翻譯後的文件，也沒有說明如何儲存。本頁接下來要講的，就是產出這份文件的順序。先產生逐字稿。再翻譯台詞。時間要留在原本的位置。

為什麼要翻譯逐字稿

要翻譯的是逐字稿，而不是影片檔案，理由是真正會反覆用到的東西是文字。一堂你用讀的比用聽的更能吸收的課、一句你必須用筆記語言引用的主張，以及一段你要替另一群觀眾上字幕的剪輯，全都從同一個東西出發：化為文字的說出來的話。翻譯 MP4 不會產生這些文字。配上一條新的配音也不會。那些是不同的工作，本頁不談。

有些觀眾只需要那層疊字。如果播放器已經顯示翻譯，而你也只看這麼一次，那就留在那裡就好。但當你關掉分頁後還需要那些字句、當你要搜尋某個詞，或當翻譯必須搬進文件或編輯器時，就得離開疊字。疊字是顯示，逐字稿才是文字。

逐字稿也為「什麼能被翻譯」畫出一條清楚界線。說話內容在範圍內。烙印在畫面裡的標題卡、下三分之一字卡，以及其他直接畫進畫面的文字並不會被讀取，所以也不會被翻譯。一支幾乎沒有或完全沒有說話的音樂影片，產出會很單薄，因為沒多少話可記。兩個人同時開口、吵雜的環境、悶住的麥克風，都會削弱來源台詞，而翻譯救不回一行原本就錯的內容。在你把翻譯當成引文之前，先對照時間戳讀一下原文。

連結必須是公開的。私人影片、已刪除的影片、僅限會員的影片，或只能在別人的帳號內播放的連結，都無法用貼上的公開網址開啟。年齡限制與地區限制也可能擋下同一個請求。YouTube 不願提供的影片，沒有哪個開關能強迫它提供。

先產生，再翻譯

翻譯是第二步。第一步是逐字稿，以字幕或說話原本的語言呈現。跳過這一步，就沒有成行的東西可以翻譯。摘要、留言串或影片說明都不能代替。它們不是說出來的順序，也不會為每一行附上時間。

在 transcript.im 上，請照這個順序做：

1. 複製你想換成另一種語言的公開影片網址。
2. 貼上網址並產生台詞，然後才選目標語言。影片上原本就有的字幕就是來源。只有在沒有這些字幕時，才會去轉錄說話內容。
3. 對這些台詞執行「翻譯」，並挑選一種支援的語言。字句會改變，YouTube 上的原始上傳不會。
4. 對照原本的時間檢查翻譯後的每一行。當翻譯必須存在瀏覽器之外時，就匯出。

要翻譯 YouTube 逐字稿，你手上已經有連結。你不必重新上傳影片，也不必手動輸入翻譯，除非你之後要修正某一行。修正只會留在你的副本裡，不會寫回原始上傳。

目標語言是支援清單中的其中一種：阿拉伯文、中文（簡體）、英文、法文、德文、印地語、義大利文、日文、韓文、葡萄牙文、俄文與西班牙文。這裡的中文是簡體，並不是另一個繁體目標。葡萄牙文是一個目標，不分國家。如果你需要的語言不在清單上，這一步不會無中生有。挑一個工具真正提供的目標，或把匯出的文字拿到確實提供該語言的地方翻譯，並接受第二個工具可能不會保留時間碼，除非你自己帶著走。

來源語言就是字幕或說話原本的語言。一支以日語講述的影片，會先產生日語台詞，即使你打算讀西班牙文也一樣。翻譯是之後才選的目標，換一個目標，就是對同一批來源台詞再做一次不同的翻譯。從西班牙文切換到德文，並不會把西班牙文結果改成德文，而是重新翻譯來源。

自動字幕只要存在，仍然是來源。它的好壞，就取決於那條字幕軌。人名、口音，還有語速快的附帶閒談，都是它容易出錯的地方。對於從來沒有字幕的影片，直接從音訊轉錄，也有同樣的限制：文字只能跟著錄音走。先看過你在意的那一行原文，再翻譯，不要還沒看就翻。

讓時間軸保持對齊

時間維持不動，因為翻譯不會重建時間軸。每一行都保留措辭改變前的開始時間與長度。只有文字被替換掉。原本在 1:02 開始的句子，翻譯後仍在 1:02 開始，即使新的措辭比原文更長或更短也一樣。

翻譯就是這樣緊扣著影片中的那個時刻。翻譯後的那一行，是貼在原始瞬間上的標籤，而不是一段自有節奏的新演出。行旁邊的時間，仍然是來源影片中的那個瞬間。你聽到的是原音，讀到的是翻譯。你不會聽到配音，因為並沒有製作新的音訊。

匯出時用的也是同一組時間。翻譯的 TXT 只有翻譯後的文字，每個 cue 一行，不含時間。SRT 和 VTT 則保留開始與結束時間，讓剪輯軟體或網頁播放器能顯示翻譯後的 cue。結束時間就是原始那一行的結束時間，並經過修剪，以免和下一個 cue 重疊。播放器就會一次顯示一行，而不是把兩行疊在一起。

較長的翻譯，正是人們容易誤解的地方。cue 不會為了配合新句子而變長。文字必須塞進原本的時間範圍內。一行簡短的英文變成一行冗長的德文，仍然會在原始 cue 結束時結束。在畫面上，播放器可能會把更多文字折行，塞進同一段時間裡。這個檔案並沒有把影片重新對時，去配合一個念出翻譯的嗓音。如果你之後要錄配音，得自己為那段配音對時。這個匯出不會幫你代勞。

閱讀器可以在你核對時，在每一行翻譯旁顯示開始時間。複製段落時的情形就像 TXT 匯出，只帶走文字，捨去時間。如果時間必須跟著句子一起走，就用 SRT 或 VTT，或在貼進筆記的句子旁邊寫下時間。對齊只有在緊跟著你即將引用的那一行時，才有意義。

清理（Clean）如果你有跑，是另一道不同的處理。它會修正文字裡的文法、標點和辨識錯誤，並保留時間。它不是翻譯。翻譯（Translate）才是改變語言的那道處理。當某一行亂掉時，先對原文跑清理，再翻譯，這樣才不會把一個辨識錯誤，翻譯成另一種語言裡一句理直氣壯的錯句。

常見誤解

最常見的失誤，是翻譯錯了對象。螢幕上的標題、被攝影機拍到的投影片，以及烙印在畫面裡的硬字幕，都不在 YouTube 逐字稿裡，所以不會以另一種語言呈現。如果影片的意思藏在那些圖文裡，而旁白從來沒說出口，翻譯也找不回來。你讀到的，會只有講出來的話。

下一個誤解，是以為會有全新的音軌。把 YouTube 影片轉成文字，你能留下來的是措辭。你不會得到替代的嗓音、對嘴的配音，或以翻譯句長重新建立的時間軸。原始音訊仍然是計時的基準。配音是另一回事的剪輯。

另一個誤解，是把簡短的重述拿來翻譯，卻期待有逐行的時間。摘要、重點和章節摘要，都是同一份 YouTube 逐字稿的簡短檢視。在你逐行讀完之前，它們很好用。它們不是翻譯後的逐字稿，也不會給你每個口說行對應一個帶時間的 cue。能保持對齊的翻譯，是直接跑在逐字稿的行上。Study Notes、Meeting Summary、Creator Repurpose、Moments 和心智圖，都是那份文字的其他檢視方式。它們都不是語言轉換。心智圖可以把節點指向某個時刻，方便你瀏覽。但它仍然不是每一行的翻譯措辭。

專有名詞、數字和慣用語，都需要人工檢查。一個名字可能被音譯、半翻譯，或直接照聽到的樣子留下來。依賴原文語言的笑話，禁不起逐字直譯。在你把翻譯當成講者原話引用之前，先打開時間戳聽一下。翻譯是那一行的詮釋。錄音才是來源。

短 cue 裡的快語，和冗長的翻譯有一樣的實際限制。時間範圍是由原始那一行決定的。如果你把 SRT 丟進剪輯軟體，覺得翻譯後的 cue 太擠，就在剪輯軟體裡把那個 cue 切開或改寫。不要指望匯出會把那個時刻拉長。

幾乎沒有講話的影片，翻譯出來也幾乎什麼都沒有。沉默、音樂和掌聲都不是句子。如果逐字稿只有寥寥幾行，翻譯也只會有寥寥幾行。那是來源本身的性質，不是目標語言失敗。

如果逐字稿一直沒開始，翻譯就永遠不會啟動。最常見的原因是影片無法公開存取。

如果目標是給播放器使用的時間軸字幕軌，請匯出翻譯後各行的 SRT 或 VTT。關於從 YouTube 連結建立這類字幕軌（當成字幕，而非閱讀文字）的頁面，請見 YouTube 字幕產生器。當你要的是翻譯後的用字，包括那份用字的時間軸檔案時，請用本文；當你要的是字幕軌本身時，則改用字幕產生器。

字幕疊加夠用時，就配著它觀看。當你需要另一種語言的文字，並附上原始時間點時，就產生逐字稿、翻譯各行，並保留時間。YouTube 逐字稿產生器 正是把那個公開連結變成你接下來要翻譯的文字的地方。