字對了，觀眾仍跟不上——這通常不是辨識問題，而是時間軸問題。廣東話字幕時間軸管的是每一句何時出現、停留多久、與下一句隔多遠；它跟「每行幾個字」有關，卻不是同一件事。行長管畫面擠不擠；時間軸管觀眾有沒有時間把字讀完，同時仍覺得字跟嘴巴同步。
香港創作者常見兩種失手。一種是字幕比口播慢半拍，靜音滑看時以為講者還沒講完；另一種是一句口語轉成書面語後字數變多，同一段顯示時間卻沒加長，結果畫面一閃而過。兩者都不會在「錯字檢查」裡被抓到，卻直接影響完讀與信任感。
本文聚焦對白同步、閱讀節奏、鏡頭切換與口語／書面語換算後的再調時。短片一行讀得完的規則另見 Reels 字幕長度；口語轉書面語見 廣東話口語轉書面語。
時間軸要解決的三件事
調字幕時間，其實是在平衡三個互相拉扯的目標：
- 對白同步： 字大致在說話開始時出現，不要提前劇透下一句，也不要拖到講完才跳出來。
- 可讀時間： 觀眾需要足夠秒數掃完該句；字多就應停留久一點，或拆成兩條。
- 畫面節奏： 字幕切換盡量貼近鏡頭切換與語意停頓，避免在臉部特寫正中央突然換字搶焦點。
只追其中一項，另外兩項容易崩。例如硬把出點鎖死在波形結束的那一格，短句會閃得太快；反過來為了「讀得完」把一句拖到六、七秒，觀眾又會懷疑字幕卡住。實務上先求同步與可讀，再微調與鏡頭的關係。
串流平台與影視交付常談的框架，對自媒體同樣有用：單條字幕通常不宜短於約一秒（或約二十格，視幀率而定），也不宜無故超過約六至七秒；相鄰兩條之間留極短間隙，避免上一句剛消失、下一句立刻蓋上造成閃爍。這些是閱讀舒適度的經驗範圍，不是香港短片的法律；最終仍要以你片種的語速與畫面密度為準。
中文閱讀速度常以「每秒字數」討論。影視交付有人沿用較慢習慣，也有串流規格容許更快；自媒體不必死記單一數字。更實用的驗收是：同一條字幕，關聲讀兩次仍吃力，就偏快；開聲時字還停很久、畫面已換話題，就偏慢。數字只是起點，片種與字級才決定觀感。
先對波形，再對「讀不讀得完」
較穩的校對順序是：
- 戴耳機只聽對白，對波形調入點。 字幕應貼近該句語音起點；明顯早於口播的「預告字幕」最容易抽離觀眾。
- 聽完句尾再決定出點。 語尾可略留半秒緩衝，讓眼睛收完最後一兩個字；不要在講者還在拖音時就把字撤走。
- 靜音重播一次，只看字。 跟得上、讀得完，才算時間軸及格。有聲時大腦會用聽覺補洞，最容易誤判「應該夠讀」。
- 再對鏡頭切換。 若出點落在鏡頭切換前極短距離，可考慮貼齊切點；若入點剛過切點半秒內，有時直接貼齊新鏡頭更乾淨。
在剪輯軟件裡，把字幕軌與音訊波形並排，比只在播放器裡「感覺一下」更準。Premiere、Final Cut、DaVinci、CapCut 都能拉塊邊界；匯入的是 .srt 還是 .fcpxml，會影響你之後改時碼的順手程度，見 SRT 與 FCPXML。
有一個容易誤判的細節：序列起始時間碼不是 0:00。 專案若從一小時碼起算，而 SRT 從零起算，整軌會整體偏移。看起來「全部不同步」，先查起始碼與匯入對齊選項，再逐句微調，可少改幾百次。多段素材拼接後才生成字幕，也要確認時間原點是成片時間軸，而不是某一段原始檔的開頭。
口語轉書面語之後，為什麼一定要重調時
廣東話口播短、書面語常較長，是時間軸最容易被忽略的環節。口語「佢哋而家搞掂咗」轉成書面「他們現在已經處理好了」，意思不變，字數與視覺寬度卻變了。若工具先按口語音段切時碼，再改文字卻不重算停留，書面稿就會偏急。
處理原則：
- 先定語體，再鎖時間。 決定保留口語還是轉書面之後，才微調每條的出點與拆句。
- 字變多就加時間或拆句。 同一時段塞不下，寧可拆成兩條完整意群，也不要加快閃現。
- 刪填充詞也會改變節奏。 「呢、啦、啊」刪掉後，口播停頓處可能突然沒有對應字；有時要把相鄰短條合併，避免畫面空一拍又跳一下。填充詞取捨見 廣東話字幕填充詞。
中英夾雜同樣影響「感覺上的閱讀速度」。deadline、meeting、品牌英文名佔的寬度與漢字不同，靜音時眼睛掃過拉丁字母的節奏也不同。夾雜規則穩定後，再對那些含英文詞的句子單獨檢查停留是否足夠，見 中英夾雜字幕。
語速快、搶話與短片：三種常見翻車
語速快的單人口播。 評測、開箱、街訪旁白常在兩秒內塞完一句主張。若自動分段仍維持「完整文法句」，單條字數會爆。解法是按意群拆：主張一句、理由一句、數字一句；每條對準該意群的語音，而不是整段獨白共用一個長塊。
雙人搶話。 訪談與 Podcast 常出現重疊。字幕一次只宜呈現一條主資訊；兩人同時講時，優先保留被鏡頭對準或推動話題的那一句，另一句可縮短、延後或省略。不要把兩人對白疊成同一條長句「誰說了什麼都擠在一起」。長音檔切句思路另見 Podcast 廣東話字幕。
直式短片。 時間軸問題會被介面放大：底部按鈕已佔安全區，字又大，可讀窗口更短。長片那份 SRT 直接丟進 Reels／Shorts，常見結果是出點還停在上一鏡頭的後半。短片應重新切句、重對時間，而不是只縮字級。行長規則見 Reels 字幕長度；平台形態見 軟字幕與燒錄字幕。
開場三秒尤其關鍵。hooks 那一句若入點晚、或出點被下一句提早蓋掉，靜音資訊流裡等於沒有字幕。寧可讓開場句略多留一點，再壓縮後面的過渡句。價錢、日期、折扣碼亦同：這些字讀錯代價高，停留應比寒暄句更寬裕。
一份可重複的調時檢查清單
完成辨識與錯字校對後，用這張清單走一次時間軸：
- 抽十條難句。 含專有名詞、中英夾雜、笑點、價錢的句子優先。
- 入點是否貼口播？ 明顯提早或遲到超過一小段，就拉齊波形。
- 停留是否夠讀？ 靜音讀；讀不完就加出點或拆句。
- 有沒有閃爍？ 兩條相隔極短、像在眨眼，就合併或拉開間隙。
- 有沒有「僵住」？ 單條無故超過約六秒且畫面已換話題，就切開。
- 鏡頭切換附近乾不乾淨？ 出點卡在切點前一點點時，貼齊往往更穩。
- 短片另做直式預覽。 電腦時間軸「看起來夠」不等于手機資訊流夠讀。
品牌名、人名反覆出錯時，應回到詞庫減少下一集的返工，而不是每集只在時間軸上救火，見 字幕自定義詞庫。噪音導致邊界飄移時，先改善對白軌再調時，見 廣東話語音轉文字遇噪音。
何時值得用粵語友善的自動分段
人手聽打每句入出點最精確，但成本高。對多數 YouTube 長片與常規短片，較務實的流程是：先用懂廣東話的工具產出帶時間碼的草稿，再只精修同步差與讀不完的句子。
CantoSub AI 會把對白切成合適長度以維持節奏與可讀性；Model 2.0 亦可控制填充詞與俚語風格，並為段落提供置信度評分，方便你先改「不穩」的句段，而不是從頭滑到尾。匯出 .srt 或 .fcpxml 後，再回剪輯軟件拉齊鏡頭與安全區。功能說明見 CantoSub 2.0；配額見 價格。新用戶可從 註冊 開始試做一條真實素材。
自動分段解決的是「先有一條跟得上口播的底稿」；它不能代替你對品牌語氣、笑點與直式安全區的最終判斷。時間軸合格的標準很具體：關聲也能讀完，開聲也不覺得字在搶戲。
若你每週固定出片，可把調時變成模板：同一帳號、同一片種，用同一套「最短停留／最長停留／開場 hooks 加寬」規則，比每集重新感覺更省事。教學向可略寛；娛樂口播可略緊，但不要緊到閃爍。工具負責草稿，規則負責風格一致。
常見問題
問：字都對了，為什麼觀眾仍說字幕太快？ 答：多半是停留不夠或單條字數過多。先靜音重播；讀不完就拆句或延長出點。口語轉書面後字數增加卻未重調時，也是常見原因。
問：字幕要不要完美貼齊每一個音素？ 答：不必。貼近該句起點、出點略留閱讀緩衝即可。過度逐音素對齊，反而容易令短句閃爍、長句被切碎。
問：長片與短片可以共用同一條時間軸嗎？ 答：文字母帶可以共用，時間軸通常要重做。短片語速、安全區與鏡頭密度不同，直接沿用長片 SRT 的入出點，很容易出現讀不完或擋 UI。
問：雙語字幕會不會令時間軸更難調？ 答：會。中英兩行同時出現時，閱讀負擔上升，往往需要更長停留或改為先中後英、分軌上載。流程見 廣東話中英雙語字幕。
問：置信度高的句子還要檢查時間嗎？ 答：要抽查。置信度主要反映辨識把握，不保證閱讀時間足夠，也不保證與鏡頭切換舒服。難句與轉換書面語後的長句，仍應走靜音檢查。
本文由 CantoSub 團隊編寫／審閱；撰稿過程使用 AI 輔助，事實與產品說明以官網為準。