YouTube自动字幕约九成词正确：人名和标点仍最容易出错

YouTube自动字幕适合用作初稿，但发布前仍要人工校对：264条英语视频的对照测量以共计997401词的人工字幕为参照，得到9.9%的词错误率中位数，约九成词正确是对这一结果的粗略概括；同一测量还发现，部分自动字幕完全没有句末标点。清晰的单人讲话可以先生成字幕，再集中核对名称、句界和同步位置。

另一项20份英语自动字幕文件的逐段测量显示，5501条字幕段中有5070条无需修改，占92.2%；在496处文字修订中，约一半涉及正确写法首字母大写的词，包括人名、地名和产品名。访谈、混合语言或姓名与数字密集的视频，不能按这个整体比例估算工作量，应逐行听核会改变信息含义的位置。

两组数字衡量的是什么

词错误率计算自动转写相对参照文本的替换、漏词和多词，并在计算前统一大小写、去掉标点。它衡量的是词语识别偏差，不能换算成每条字幕都有相同比例的词正确；中位数也不能预测一条新视频的结果。句号缺失、问句断错，即使不改变词错误率，仍可能使观众难以读懂。

逐段测量则问另一件事：一条带时间码的字幕，与人工修订版相比，是否需要修改。一条字幕只错一个名字就会进入“需要修改”一侧，多处错误也仍只算一条。该组样本还特意包含无需修改的文件，用来检验修订工具会不会改坏正确内容；因此，整体比例不能当成随机抽取YouTube视频后得到的通用合格率。

两项测量的参照也不同：前者使用视频已有的人工上传字幕，后者使用人工修订版。人工字幕可能省略或改写口语，样本也都只覆盖英语内容。普通话、粤语与英语交替的视频有不同的分词和语言识别问题，无法直接套用这些英语百分比。公开测量更适合回答“校对时间花在哪里”，而具体要花多久，仍取决于录音和内容。

先查人名和术语，再处理重复错误

专有词优先级高，是因为它们往往承载观众要寻找的对象。受访者姓名、机构、地名、品牌或专业术语即使只出现一次，也可能决定一句话是否准确；字幕读起来通顺，并不表示其中的名字就是原声所说的名字。陌生词还可能在不同位置被转写成几个常见词，只搜索一种错法容易漏改。

有脚本或受访者资料时，先列一张简短术语表，写明标准名称、常用简称和需要保留的英文拼写。没有脚本，就先听出反复出现却难以辨认的名称，借上下文确认写法。随后搜索字幕中的正确名称及可疑变体，对照每次出现的原声，再统一修订；仅凭自动字幕猜测人名拼写，会把同一个错误稳定地传播到整条字幕轨道。

批量替换能节省重复编辑，但前提是每种替换都已核实。一个听起来像品牌的词，在另一句里可能只是普通词；直接全文替换会制造新错误。较稳妥的做法是先确认一个错写与正确名称的对应关系，查看全部命中位置，修改后再搜索旧写法和简称，找出遗漏与误改。

标点和句界要单独听

词语识别较准，字幕仍可能缺少句子的边界。没有句末标点时，观众要一边听声音，一边自行判断条件、转折或问句在哪里结束；提取字幕作课程笔记或引用时，问题会更明显。因此，标点校对不是文字润色，而是恢复口语本来的关系。

先听完整意思，再决定句号、问号和逗号的位置，不要在每条字幕末尾机械加句号。字幕按显示时间切段，一句话可能跨越相邻片段；短暂停顿也不一定代表句子结束。否定、金额、日期、条件和转折附近尤其值得回听，因为断句位置可能影响观众对事实或操作步骤的理解。

多人交谈时，还要留意一句话是否被错误地接到另一位说话者的话后面。若标点无法让话语归属变清楚，就需要结合原声调整相邻字幕的切分。中文句子里夹有英文名称或缩写时，保留准确拼写即可；为每次停顿都加标点，反而会让短字幕难读。

哪些内容需要逐行听核

单人讲话、录音清晰、日常词汇为主的视频，通常可以先让自动字幕完成初稿，再按术语、句界和时间位置校对。YouTube自动字幕说明要求创作者检查所有自动字幕，并指出口音、方言、背景噪音、多人同时讲话或多种语言都可能影响生成结果。自动字幕即使能生成，也不表示这些条件下的文字已经可靠。

抢话频繁的访谈、普通话与粤语或英语不断切换的内容，应计划逐行对照原声。涉及姓名、金额、日期、医疗说明或具体操作步骤的视频也适合同样处理：这些位置错一个词，传达的信息就可能改变。这是按错误后果分配人工时间的编辑判断，不是两项英语测量给出的统一阈值。

如果难以预估工作量，可挑一段同时包含常见说话者、术语和实际录音噪音的音频，自行写出原话，再与自动字幕对照。分别记下普通词错误、名称错误、漏掉的语句和无法判断说话者的位置。若问题集中于少量已确认的名称，可先处理重复写法；若连续漏话或话语归属混乱，就需要扩大逐行听核的范围。

从术语表到YouTube工作室

校对可以按术语表、重复错误、标点、时间轴的顺序进行。先确定必须准确的名称，再查找并核实每一种错写；接着边听边修正句界，最后播放开头、中段、结尾，以及换人、停顿和剪辑衔接处，检查字幕是否提前出现或滞留。发现持续偏移时，应沿受影响片段逐条核对，不能只调整抽查到的一行。

在操作层面，YouTube字幕编辑说明列出了工作室中的“复制并修改”流程：创作者可修改自动字幕的文字，调整时间戳并发布；也可下载字幕文件，在外部修改后重新上传。修改自动字幕会生成包含修订内容的新字幕轨道。若在外部批量处理名称，保留原文件并复查每个替换位置，有助于发现误改。

时间轴抽查是发现同步问题的省时办法，两组文字测量并未给出自动时间码的准确率。对主要依赖字幕理解内容的观众，发布前完整播放成片更稳妥：一句文字单独看可能正确，放回声音和画面中，才看得出它是否在合适的时刻出现。

相关阅读：

• 美国联邦招聘拥抱AI：人工复核并不自动降低风险
• Northflow Flux把六类AI代理塞进内容流程：自动发信默认别急着开
• YouTube自动配音默认开启也别急着发布：译错后不能直接编辑