YouTube 字幕自動同步看起來像捷徑：把稿貼進 Studio，平台自己對時間碼。講稿寫好、片子渲完，你把口語收成書面語貼上去——「食咗未」變成「吃飯了沒有」——過幾分鐘字幕上線，對白卻慢半拍，或整段黏在片頭。問題不是你懶，而是這項功能用聲音去對你貼的字，不是用語法去理解你想給觀眾看的書面語。
這篇不是再講一次「上載 SRT」。已有時間碼的檔，走有時間碼那條路上載即可，見 YouTube 廣東話字幕。這裡只處理：你手上是一份沒有時間碼的廣東話稿（提詞器、會議底稿、自己打的口播），想讓 Studio 幫你對齊。讀完應能判斷何時可用這條捷徑、貼什麼才對得上口、對齊完才怎麼改語體。
官方說明寫得很直白：轉錄稿必須是語音辨識支援的語言，而且必須與影片所用語言相符；片長超過一小時或音質不佳，不建議用轉錄稿。廣東話還多一層：口語與書面語不是同一串字。
YouTube 字幕自動同步不是自動字幕
先把三件常被叫做「自動」的東西拆開，否則你會在錯誤的頁面等一條永遠不出現的軌。
自動產生的字幕。 你不上稿。平台用語音辨識，以影片預設語言出一條可開關的軌。粵語／香港中文已在支援列表裡，但專有名詞、中英夾雜、懶音仍常出錯，也不會替你做口語轉書面語。這條軌跟你有沒有講稿無關。
有時間碼的檔。 你已經有 .srt（或 Studio 接受的其他帶時碼格式），上載後平台按你的時碼鋪軌。對齊品質取決於你在剪輯軟件或字幕工具裡調過沒有，不取決於 YouTube 再聽一次。
自動同步（本文）。 你提供對白文字，平台用語音辨識把字貼回時間軸。Studio 介面有時寫成「無時間碼的檔案」或「自動同步」：貼上、上載純文字，等幾分鐘。對齊完成後，轉錄內容會自動發布到影片——不是停在草稿等你按發布。這是它跟手動輸入最大的分別：你沒盯著預覽，觀眾可能已經看到一條對不齊的軌。
三者都叫自動，職責完全不同。自動字幕是「平台聽寫」；自動同步是「你給字、平台對錶」。把書面語精修稿丟進後者，等於要求語音模型把「吃飯了沒有」對上嘴裡的「食咗未」。對不齊不是偶發 bug，是方法用錯。
為什麼書面語稿會對不齊
自動同步的工作，是把你貼的字串，對到音軌裡聽得見的音節。英語創作者把講稿原句貼上去，通常夠近。廣東話不是。
口播常見「咗、喺、啲、未、啦」，書面語會收成「了、在、的、沒有」。字數、節奏、甚至句界都會變。你在 口語轉書面語 裡該做的事——給教學片、品牌片一個好讀的畫面——剛好會破壞對齊所用的線索。填充詞也是：口裡有「呢、啦、啊」，稿裡全刪，時間軸就會把後面的實詞往前拖，或把一句拆到下一個鏡頭。填充詞策略見 填充詞怎麼處理，但在自動同步這一步，先當它們是對錶用的錨，不要先當文案垃圾刪掉。
中英夾雜同樣。你說的是 meeting、deadline、OK wait，稿裡改成「會議」「限期」「好的請稍等」，辨識端聽到的是英文音段。對錶時那些詞會變成空洞或錯位。詞庫與畫面用字可以之後統一，見 中英夾雜字幕；貼進自動同步的那份，應盡量是嘴裡出來的那串，包括英文專名的原文。
實務對照：
- 口播：「今日講下點樣處理 meeting 嘅 deadline。」
- 可貼：「今日講下點樣處理 meeting 嘅 deadline。」（保留口語字與英文）
- 不要貼：「今天說明如何處理會議的限期。」（字對不上聲）
對齊完成、確認時間碼跟得上口型之後，才在 Studio 編輯器裡改語體，或另出一份書面語 SRT 覆蓋。順序反了，後面改字也救不回整條漂移的軸。
Studio 路徑：無時間碼才走自動同步
介面用詞會隨 Studio 改版微調，邏輯穩定。登入 YouTube 工作室 → 左欄「字幕」→ 選該影片 →「新增語言」→ 在字幕列按「新增」。你會看到製作方式，而不是一個叫「廣東話魔法」的按鈕。
- 影片先公開或至少已處理完音訊。 自動同步要聽這條片的聲。還在轉碼、音軌被靜音、或你上載的是無對白的 B-roll 合成，對錶沒有材料。
- 語言選項選你實際在講的語系。 廣東話口播不要隨手選「中文」或「中文（簡體）」。Studio 若列出粵語、中文（香港）或相近項，選最接近口播的那一項。這條是字幕軌的語言標籤，與下一步的「影片原始語言」是兩件事，下一節分開講。
- 選自動同步，或上載「無時間碼」的檔。 純文字即可。不要把已經有
00:00:01,000 -->的 SRT 丟進這條路——那應走「有時間碼的檔案」。兩條路混用，平台可能忽略你的時碼再對一次，或解析失敗。 - 貼口播原文，檢查有沒有整段刪對白。 片頭 hook、中段 demo、片尾 call to action 都要在稿裡。缺了三十秒口播，後面的字會被硬拉去填洞。
- 儲存後離開，等幾分鐘。 官方寫時間碼設定可能需要幾分鐘；期間你會回到軌清單。完成後內容會自動發布。把這當成發布動作：對齊期間不要同時開「自動產生的字幕」當預設軌，避免觀眾點到另一條錯字軌。
- 一上線就靜音看。 重點不是文筆，是字有沒有貼住口。片頭、專有名詞、英文詞、笑聲後的下一句，是最容易整段錯位的位置。不對，立刻改回草稿或刪軌，不要留過夜。
手動輸入是另一條：邊播邊打，快捷鍵暫停、進一句。適合補三句、改一個品牌名，不適合把二十分鐘口播重新對錶。自動同步省的是時碼，不是校對。
影片語言設定先對，再貼稿
自動同步用的語音辨識，吃的是「這條片被當成什麼語言」。字幕軌選了粵語，影片詳情裡「語言和字幕認證」卻停在英文或「中文」，對錶會用錯模型。
路徑：Studio → 內容 → 該影片 →「顯示更多」→「語言和字幕認證」。選擇影片、標題和說明的語言。官方說明：變更已上傳影片的語言。改原始語言，影響日後的翻譯字幕以什麼為原文；已發布的字幕軌通常不受影響。所以要在第一次自動同步之前設對，而不是對齊失敗才改、指望舊軌自己重跑。
實務選擇：
- 口播是廣東話：影片語言選粵語，或選單裡最接近「粵語／香港」的項。不要因為標題寫繁體中文，就把影片語言設成「中文（台灣）」或泛「中文」。
- 標題、簡介用香港書面語，口播用粵語：影片語言仍跟聲音，字幕軌語言跟你上載的文字。兩者可以接近，但不要倒過來——聲音是粵語、影片語言標英語，自動字幕與自動同步都容易當它是英文。
- 改語言不會重跑已經發布的自動字幕。若舊的自動字幕是用錯語言模型產出的近音漢字，要刪掉或覆蓋，不要假設改一個下拉就會重生。
這一步也影響觀眾找不找得到「中文（香港）」軌。對齊成功但標錯語言，會進錯字幕選單分組。
片長、噪音、中英夾雜：官方界線以外的邊角
YouTube 不建議對超過一小時或音質不佳的影片使用轉錄稿。廣東話現場還有幾種「看起來不滿一小時、其實同樣對不齊」的情況。
配樂蓋過人聲。 自動同步沒有給你「先分離人聲」的選項。BGM 大、街訪風噪、兩支咪一近一遠，對錶會在音樂鼓點上切句。這類素材應先做較乾淨的對白軌，產出帶時碼的 SRT，再上載「有時間碼的檔」。噪音場景見 廣東話語音轉文字遇噪音。
多人搶話。 訪談裡兩人重疊，一份沒有講者標籤的純文字，模型只能按時間軸塞字。自動同步不會幫你分成左右聲道兩軌。重疊對白應先切開再標講者，見 廣東話訪談字幕。那份工作在 SRT 裡做，不要指望貼一坨對話紀錄就分得清誰在講。
長過一小時。 官方已寫不建議。Podcast 全長、講座回放、遊戲實況，應切段或直接上帶時碼的檔。把九十分鐘逐字稿一次貼進去，失敗時你甚至不知道從哪一分鐘開始漂。長音檔切句見 Podcast 廣東話字幕。
提詞器稿與現場口播不一致。 你貼的是拍攝前的稿，現場加了十分鐘即興。自動同步只能對它拿得到的字；多出來的口播會變成空白或把後面的稿往前擠。貼之前對一次「稿有沒有涵蓋成片」，比對齊後逐句救更快。
公式、代碼、報錯。 口播讀 NaN、404、路徑，稿裡寫成中文解釋，對錶會丟錨。要複製的字應維持口播讀法，畫面說明另說，見 程式教學廣東話字幕。
這些邊角的共同結論：自動同步適合「一人口播、聲軌乾淨、稿與成片一致、長度短過一小時」。條件不齊，省事的是先做 SRT，不是反覆重跑 Studio。
對齊完才轉書面語，才抽章節
時間碼穩定之後，才進入你真正給觀眾看的文字。順序不要倒。
畫面語體。 Vlog、訪問可以留口語漢字；教學、評測、品牌片多數轉書面語，讓靜音、跨地區繁中觀眾讀得完。這時在 Studio 字幕編輯器裡改字，或匯出後在本機改、再以「有時間碼的檔」覆蓋同一條語言軌。覆蓋時保留時碼，只改字——不要重新自動同步，否則軸會再跑一次。
不要兩套文稿同時開。 自動同步那條若仍是口語原文，你又另上書面語 SRT，觀眾字幕選單會出現兩條「中文」。預設開錯，就會看到雙行或語體打架。決定正式軌之後，把實驗軌刪掉或取消發布。
章節與簡介。 進度條標題不要用自動同步剛出來的口語整句。先鎖畫面母帶的專有名詞，再抽時碼寫章節，見 廣東話字幕怎麼拆成 YouTube 章節。自動同步的時間碼可以用來當章節起點的參考，但標題要用書面、短、可跳轉的詞，不是「今日同大家講吓」。
若你需要的是「從音訊直接出帶時碼、且可選口語或書面語」的檔，而不是把講稿交給 YouTube 對錶，用字幕工具產出 .srt 再走有時間碼上載，通常一次過。CantoSub 可從廣東話音訊生成字幕並做口語轉書面語，匯出 SRT 後在 Studio 選有時間碼的檔即可；能力與配額以 Model 2.0 與 價格 為準，試用見 註冊。自動同步仍適合：你已經有一份跟成片一致的口播稿、片短、聲乾淨、只差時碼。
何時不要用自動同步
把捷徑的界線寫死，比多寫三個步驟有用。
不要用，若：成片超過約一小時；對白被音樂或街噪蓋住；現場口播與稿差了一大截；你要的畫面已經是書面語、而你沒有一份口播原文可貼；你需要講者名、聲音標註、雙語疊加——這些 Studio 自動同步都不做。無障礙標註見 廣東話無障礙字幕；雙語應先鎖母帶再譯，見 廣東話中英雙語字幕。
可以用，若：單人對着咪講、長度明顯短於一小時、你有一份幾乎逐句對應成片的口播稿（提詞器或自己聽打的口語漢字）、你願意在發布後立刻靜音檢查，並且接受「先口語對齊、再改書面語」這兩步，而不是一步出片。
自動字幕當備份可以留，但不要當正式母帶。錯誤字串會進搜尋索引。這點在長片軟字幕策略裡同樣成立，見 軟字幕與燒錄字幕：YouTube 長片值得上可開關的校對軌；自動同步只是產生那條軌的其中一種時碼手段，不是校對的替代。
常見問題
問：把書面語講稿貼進自動同步，可不可以「差不多齊」再逐句拖？ 答：偶爾短片、口播本來就偏書面，可以碰運氣。口語重的片，軸會整段漂，Studio 編輯器並不適合當全片重對錶工具。有口播原文就先貼原文；沒有，就不要走自動同步，改產出 SRT。
問：自動同步失敗或一直轉圈，要不要連按三次？ 答：先檢查影片語言、字幕語言、稿是否與成片對應、音訊是否人聲清楚。官方已排除長片與差音質。反覆送同一份書面語稿，只會反覆自動發布錯軌。失敗就改走有時間碼的檔。
問：對齊完能直接當公開字幕嗎？ 答：時間碼可以用，文字仍要抽查品牌名、數字、英文專名。自動發布不代表已校對。教學、業配、有價錢的評測，至少把這些欄位聽一遍。
問：自動同步的軌能不能拿去燒錄短片？ 答：可以當草稿時間軸，但短片還要重新分行、避安全區，語體也常要再收。不要把 Studio 長片軌原封燒進 Shorts。Shorts 流程見 YouTube Shorts 廣東話字幕。
問：上載 SRT 之後還要不要開自動同步？ 答：不要。有時間碼的檔已經是完整軌。再跑自動同步等於用另一套對錶覆蓋或並出第二條，觀眾容易點錯。
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。YouTube Studio 選單用詞以 新增字幕 當前說明為準。