剪映和 CapCut 都有自动字幕功能，选中视频一键就能把说的话变成文字，还能自动切分成一句一句。现在的识别能力对清晰的普通话基本够用，省掉的打字时间非常可观。
但能用和能发是两回事。识别结果直接发出去，几乎一定会出问题，出错的地方还特别扎眼。观众不一定说得清哪里不对，但会觉得这条片子做得很糙。
第一是同音字和专有名词。人名、品牌名、行业术语，机器按发音猜，经常写错。这类错误观众一眼就看出来。
第二是断句。机器按停顿切，有时候一句话被切成三段，有时候三句话并成一段，看起来很别扭。断句错了，字幕就跟不上说话的节奏。
第三是标点和语气词。该用问号的地方用了句号，或者把那些嗯、啊、那个全都原样打出来，显得很乱。
这三样人工改一遍花不了几分钟，但改和不改，成品观感完全不一样。
位置统一放在画面下方，不要一会儿上一会儿下。字数控制在一行到两行，一句话太长就手动断开。
字号别太小，手机上看不清等于没加；也别太大，压住画面主体。剪映里可以调字号、描边和背景，加一点点描边能让字幕在亮画面上也看得清。
颜色用白字配深色描边最保险，不要为了好看用花哨的字体和颜色。字幕的功能是让人看懂，不是让人注意它有多漂亮。
重要的话可以单独放大或者换个颜色强调，但一条片子里强调的地方不要超过两三处，多了就没有重点了。
短片、口播、教程这类，用自动识别加人工校对就够了，效率最高。
歌词字幕、需要逐字卡点的、方言口音重的，自动识别容易翻车，手打反而更快。
不用非此即彼，混着来是常态：主体用识别，错了的地方手动改，关键的几句话自己敲。
今天打开剪映，随便导一段有说话的视频，点自动字幕，然后从头到尾读一遍。把错字改掉，把断得不好的句子重新切，删掉多余的语气词。做完导出一看，你会发现这条片子立刻比之前专业了一截。
本文由 俊杰教剪辑 整理，部分内容经 AI 辅助生成并已人工校对。数据与方法以文中标注的出处为准。