CapCut真正讀得順的直式字幕:每行字元數、CPS,以及每則字幕的最短時長
团队: AiToolsForApps在 AI 协助下撰写15 分鐘閱讀重點摘要
- AI 已不再在說什麼上出錯,而是出在怎麼切分:轉錄把字詞認對了,卻留下超長的行、半秒鐘的字幕,以及遮住臉的三行字塊。
- BBC 的字幕指南(Subtitle Guidelines)(1.2.5 版,2026年3月)規定了直式的對應標準:16:9 畫面上每行 37 個字元,在 9:16 畫面上相當於約 25 個字元。
- 閱讀速度:BBC 建議每分鐘 160-180 個字,且每個字至少 0.3 秒;Netflix 對成人內容允許最高 20 CPS,對兒童內容為 17 CPS。對直式影片來說,12-17 CPS 是舒適的範圍。
- 每則字幕的時長:Netflix 要求至少 20 格(4/5 秒),以及至少 2 格的間隔;BBC 則要求如果有停頓,間隔至少一秒。
- 自 2025年6月28日 起,歐洲無障礙法案開始適用,在西班牙由第 11/2023 號法律轉化:字幕已不再只是行銷上的加分項目。
如果你剪輯直式影片,2026 年把字幕中簡單的部分送給了你,卻原封不動地留下了困難的部分。自動轉錄已經很好;切分仍是一門手藝。本文彙整了廣播業者和平台所採用的易讀性規則,將它們轉換為 9:16 格式,並說明如何在匯入剪輯軟體之前檢查 .srt 檔。文末你會看到 aiCapCut 的定位,這是 AiToolsForApps 的工具,能為直式影片產生並重新切分 SRT 字幕,完全不用動時間軸。

自動字幕認得對字詞,卻切不對段落
語音辨識解決了轉錄;而切分,也就是每則字幕從哪裡開始、到哪裡結束、在哪裡斷行、在畫面上停留多久,是任何引擎都不會替你決定的編輯判斷。所以自動字幕可以做到 100% 的字詞正確,卻依然難以閱讀。
在直式影片中反覆出現的三種失誤:
- 行太長。 引擎是依音訊停頓來切分,而不是依文字方塊的寬度。在 9:16 中,橫式時寬鬆放得下的句子會溢出,或被縮到難以辨認的字級。
- 字幕太短。 單獨一個贅詞(「對啦」、「好」)會產生一則 300 毫秒的字幕,閃一下就過去,連視線都來不及停住。
- 堆疊三、四行。 字塊向上增長,最後正好擋住觀眾需要看的地方:說話者的嘴。
BBC 的指南在位置的章節中說得很直接:在直式影片中,字幕應該稍微上移,但仍要保持在下三分之一,「因為人臉通常位於畫面的上半部,而把字幕放在最底部,會讓人難以閱讀文字,也難以看到說話的人」。

直式畫面每行大約放得下 25 個字元,而不是 37 或 42 個
BBC 給出了確切的對應:「在 16:9 影片寬度 75% 的區域中的 37 個字元,相當於 9:16 影片寬度 90% 的區域中的 25 個字元」。也就是說,直式格式相較於廣播標準,每行少了大約三分之一的文字量。
外面流傳的這些數字是怎麼來的:
- 37 個字元是圖文電視的限制:每列可用的 40 位元組中,至少有 3 個用於控制碼,所以剩下 37 個可用位置。這是基礎設施的數字,不是生理上的數字。
- 每行 42 個字元是 Netflix 的英文計時文字風格指南(English Timed Text Style Guide)的上限,針對大螢幕和等比例字型設計。
- 25 個字元是 BBC 自己對這些上限在 9:16 中的誠實換算。
同一份指南還提醒了一件值得記住的事:只用字元計數器來控制長度,「是一種粗糙的方法,沒有考慮到每個字母的寬度,也沒有考慮字型」。一行 30 個字元,滿是 m 和 w,所佔的寬度比一行 34 個字元、滿是 i 和 l 的還要大。計數器是不錯的護欄,但不是保證:請在畫面上確認結果。
實務上,對社群平台的直式影片,把上限定在每行 28 至 34 個字元效果不錯,如果你要使用單行卡拉 OK 式字幕,則降到 18-22 個。
在社群平台上,兩行是實際的上限,即使 BBC 允許直式影片使用三行
這裡有一個值得了解的真實分歧。BBC 指南第 3.3 節建議,橫式或方形影片(16:9、4:3、1:1)最多兩行,直式影片(9:16)最多三行,因為直式畫面較高。然而在社群影片中,第三行幾乎總是得不償失。
原因在於,社群平台的 9:16 中,可用高度並不等於檔案的高度:應用程式的介面、說明文字、側邊按鈕和底部列都會佔掉一部分畫面,而字幕字塊會向上增長,朝著臉的方向。BBC 自己也為這個許可加上了條件:如果你有把握不會遮住畫面中的重要資訊,才可以使用額外的行;在談到累積式字幕的章節中,也堅持如果會遮住嘴巴或其他相關視覺元素,就不要使用。
實務上的結論:把上限定在 2 行,並把第三行視為有正當理由的例外,而不是預設的手段。如果兩行 30 個字元放不下,問題不在行數:而是那則字幕應該拆成兩則。
至於斷行,BBC 要求在合乎邏輯的位置斷開(最好是在標點符號處),如果實在沒辦法,就避免把冠詞和名詞、介系詞和其詞組、連接詞和它所引導的句子、代名詞和動詞,或是複合動詞的各部分拆開。把一個字從中間切開,是你能對閱讀做的最糟糕的事。
12-17 CPS 是直式影片舒適的閱讀速度範圍
閱讀速度以每秒字元數(CPS)衡量:用一則字幕的字元數除以它的時長。如果一則 45 個字元的字幕持續 2 秒,速度就是 22.5 CPS,在還要看畫面的情況下,快到無法完整讀完。
已公開的參考值:
| 參考來源 | 速度 | 文件與日期 |
|---|---|---|
| BBC | 每分鐘 160-180 個字;每個字至少約 0.3 秒(4 個字的字幕為 1.2 秒) | Subtitle Guidelines v1.2.5,2026年3月 |
| Netflix(成人) | 最高 20 CPS | English Timed Text Style Guide |
| Netflix(兒童) | 最高 17 CPS | English Timed Text Style Guide |
這些上限是為坐在螢幕前、專心看電影的人設計的。直式影片是站著、在移動中觀看的,螢幕離眼睛半公尺,還要和動態消息中的其他內容競爭。因此,對 9:16 較合理的建議,是明確低於 Netflix 的上限:介於 12 到 17 CPS,以 15 作為起點,如果你的觀眾群很廣,或詞彙偏技術性,則採用 12。
注意這個參數的作用:CPS 不會拉長音訊,它決定的是一則字幕裡可以放多少文字。從 17 降到 12 CPS,並不會讓影片變慢;它會迫使你更早斷開,並產生更多則字幕。
每則字幕都需要最短時長、最長時長,以及乾淨的間隔
三個時間參數決定了字幕是讀得順,還是閃爍:每則字幕的最短時長、最長時長,以及連續字幕之間的間隔。最常被引用的兩個參考並不一致,而這個差異有其道理。

| 參數 | BBC(Subtitle Guidelines v1.2.5,2026年3月) | Netflix(Subtitle Timing Guidelines) | 直式影片的起始值 |
|---|---|---|---|
| 每則字幕最短時長 | 每個字約 0.3 秒(4 個字為 1.2 秒) | 20 格,即 4/5 秒 | 0.8-1 秒 |
| 每則字幕最長時長 | 沒有訂定數字上限;要求字幕不要在語音結束後仍停留在畫面上,因為會被重讀 | 沒有訂定上限;要求「良好判斷」,避免拖得太久 | 4-6 秒 |
| 字幕之間的間隔 | 如果有停頓,至少 1 秒,最好是 1.5 秒 | 至少 2 格;3 到 11 格的間隔會收斂為 2 格;要麼 2 格,要麼半秒或更長 | 連續字幕之間 0.05-0.1 秒 |
| 進入時間與音訊的關係 | 必須與語音開始同步 | 在音訊的第一格,或與之相差 1-2 格 | 音訊的第一格 |
| 退出時間與音訊的關係 | 大致與語音段落的結尾一致 | 理想上在音訊結束後至少半秒 | 語音結束 + 短暫餘裕 |
間隔看似矛盾,讀一下小字就能明白。Netflix 規範的是連續字幕之間的技術性間隔:兩格,讓眼睛察覺到切換,而畫面又不會閃爍;並明確禁止中間值的間隔(3-11 格),正是這些會產生緊張不安的效果。BBC 規範的則是編輯性間隔:如果談話中真的有停頓,而你決定讓畫面保持乾淨,這個停頓就必須至少持續一秒,因為「任何更短的間隔都會產生非常斷斷續續的效果」。
套用到你的 .srt:前後相連的字幕之間,留一個小而固定的間隔(約 50-100 毫秒)。如果你要留下可見的靜默,就要真的夠長。
BBC 還補充了一條常被遺忘的規則:保持時長一致。如果你給某個長度的字幕 3 秒,就不要給下一個長度相近的字幕 4 秒。不規律比速度更令人疲勞。
在 9:16 中,字幕放在下三分之一,而不是最底部
位置是另一個影響易讀性的因素,而且在直式影片中與電視標準不同。BBC 的指南建議,對於 9:16,把字塊移到略高於下邊緣的位置,但仍維持在螢幕的下三分之一:放在最底部會被介面擋住,太高則會遮住臉。

大小也不一樣。BBC 規定行高為 16:9、4:3 和 1:1 影片高度的 7-8%,而 9:16 則為 3.9-4.5%。這是合理的:在直式影片中,畫面的高度占比大得多,所以較低的百分比就能得到相當的字級。
兩項實務上的結果:
- 留下左右邊界和底部邊界。 BBC 的線上指南提到,在 9:16 中最多佔用 90% 的寬度;剩下的 10% 是你防範邊緣的緩衝。
- 檢查各個平台遮住的區域。 每個應用程式的側邊按鈕、說明文字和導覽列,咬住的是畫面的不同部位。在你的預覽中讀起來完美的內容,在動態消息中可能被遮住一半。
匯入前如何檢查並重新切分 .srt
.srt 是純文字,在動手剪輯軟體之前就可以先審核。有效的檢查順序是:先檢查檔案是否有效,再檢查每則字幕的易讀性,最後才是風格。
一則格式正確的字幕長這樣:
12
00:00:21,480 --> 00:00:24,120
AI 不會替你決定的,
是句子該在哪裡斷開。
格式檢查(會導致匯入失敗的問題):
- 編號從 1 開始連續遞增,沒有跳號。
- 毫秒以逗號分隔,而不是句點:
00:00:21,480。句點是 WebVTT 的格式,不是 SRT 的。 - 換行一致(CRLF),且字幕之間有一個空行。
- 時間嚴格遞增且沒有重疊:一則字幕的結束時間絕不能晚於下一則的開始時間。
易讀性檢查(會導致閱讀困難的問題):
- 沒有任何字幕超過你設定的每行字元數上限。
- 沒有任何字幕超過 2 行。
- 沒有任何字幕超過你的 CPS 上限:
字元數 ÷ (結束 − 開始)。 - 沒有任何字幕低於最短時長,或超過最長時長。
- 連續字幕之間的間隔小且固定。
- 在合乎邏輯的位置斷行,不拆開冠詞和名詞,也不切斷字詞。
編輯檢查(區分好字幕的關鍵):
- 理想情況下,每則字幕是一個句子或一個完整的語意單位。
- 放不下時,要編輯而不是逐字照抄:去掉贅詞、重複和重新開頭的片段。
- 檢查專有名詞、數字和專業術語,這些正是語音辨識最容易出錯的地方。
實務上的訣竅是不要手動改寫:而是重新切分。如果你保留了轉錄中每個字的時間標記,那麼改變字元數上限或 CPS 並重新產生檔案,只要幾秒鐘;逐則修正則要花一個下午。
2026 年 11 月 CapCut 的 AI 改變了什麼(以及沒有改變什麼)
時事強化了這個論點,而不是推翻它:AI 自動化了轉錄,卻沒有自動化判斷。2026年11月11日,CapCut Android 版 20.1.0 發布,而 CapCut 自己關於最新 APK 版本的頁面,把它描述為一個具備 AI 語音轉文字的工具,能「自動將語音轉錄為精確的字幕」。
同一天,在 2026 年墨西哥科技週(México Tech Week 2026)上,ByteDance 推出了搭載 Omni Agent 的 CapCut PC,這是一個桌面代理,能從一個想法出發協調完整的製作流程,並擁有 Video Studio 和 Design Studio 等子代理,以及一個 EditPilot,可將自然語言指令轉換為時間軸上的多層次剪輯,這是依據 La Crónica de Hoy 於 2026年11月11日刊登的活動報導。該場簡報本身也把 AI 定位為「擴展引擎」,把人的判斷定位為「策略控制」。
這正是本文所說的分工。機器給你字詞和時間標記。字元數上限、行數、CPS、最短時長和間隔,則由你決定,因為它們取決於觀眾、語言和畫面構圖。簡單說:轉錄已經免費;切分仍然由你掌握。
字幕現在是法律義務,而不只是良好實務
自 2025年6月28日起,歐盟指令 2019/882,也就是歐洲無障礙法案,開始適用,它把無障礙要求延伸到消費性數位產品和服務。在西班牙,由 2023年5月8日第 11/2023 號法律轉化,並刊登於官方公報(BOE),其義務自同一日期起可強制執行;微型企業不受遵循義務的約束。
用來證明符合的技術參考框架是調和標準 EN 301 549,它把「無障礙」轉換成可驗證的要求。
再加上觸及範圍的論點,這已經有多年的紀錄:Verizon Media 和 Publicis Media 在 2019年4月,針對 5,616 位 18 至 54 歲的美國成年人進行了一項研究,並由 Forbes 於 2019年7月31日報導,其中 69% 的人表示在公共場所觀看影片時不開聲音,而 80% 的人表示,如果影片有字幕,會更傾向看完。這些是 2019 年、美國的數據,應該把它們當作數量級的參考,而不是對你的觀眾的實際測量。
結果是雙重的:難以閱讀的字幕不只令人困擾,也違反了法規的精神。而易讀性不是靠宣告,而是靠本文的參數來衡量。
目前沒有針對直式影片的官方字幕標準
截至目前,沒有任何針對 9:16 的專門字幕規範,足以與廣播指南相提並論。最接近的,是 BBC 在 1.2.5 版中對現有標準所做的調整,以及在地化產業的相關工作。
早在 2019年11月,Belén Agulló García 就在 Nimdzi 發表的一篇分析中指出,「直式影片目前還沒有每行字元數的標準」,並建議以 BBC 的限制作為起點,最多保持一到兩行,設定一個安全區,讓文字在不同螢幕上不會被切掉,並在空間吃緊時編輯文字(去掉重複和贅詞),而不是逐字照抄。
七年後,這個診斷依然有效,只有一個差別:BBC 現在已納入針對 9:16 的明確指引(大小、位置和行數)。在還沒有更多規範之前,合理的做法就是下表所歸納的:
| 參數 | 9:16 的實用值 | 來源 |
|---|---|---|
| 每行字元數 | 28-34(單行為 18-22) | BBC 的 37 → 25 個字元換算,並依社群平台字型調整 |
| 每則字幕行數 | 上限為 2 | BBC 在 9:16 允許 3 行;因介面和臉部,縮減為 2 行 |
| 閱讀速度 | 12-17 CPS | 低於 Netflix 成人內容的 20 CPS |
| 最短時長 | 0.8-1 秒 | BBC 每個字約 0.3 秒;Netflix 20 格 |
| 最長時長 | 4-6 秒 | 避免 BBC 所警告的重讀 |
| 字幕間隔 | 連續字幕 0.05-0.1 秒;若為真正停頓則 ≥1 秒 | Netflix 2 格;BBC 停頓時至少 1 秒 |
| 位置 | 下三分之一,較下邊緣上移 | BBC,直式位置章節 |
| 行高 | 影片高度的 3.9-4.5% | BBC,製作用字型大小 |
常見問題
直式影片的字幕每行應該有多少字元?
在 9:16 中,28 到 34 個字元效果不錯。參考依據是 BBC 的換算:16:9 中的 37 個字元,相當於 9:16 寬度 90% 時約 25 個。如果你使用大字級的單行字幕,則降到 18-22。
字幕中的 CPS 是什麼?正確的值是多少?
CPS 是觀眾每秒需要閱讀的字元數:一則字幕的字元數除以它的時長。Netflix 對成人內容允許最高 20 CPS,兒童內容為 17;對社群平台的直式影片,12-17 CPS 是舒適的範圍,以 15 作為起點。
一則字幕最短應該持續多久?
Netflix 要求最少 20 格,也就是 4/5 秒。BBC 則以字數來看:每個字約 0.3 秒,4 個字的字幕為 1.2 秒。在直式影片中,0.8-1 秒是合理的最小值。
直式影片的字幕可以有三行嗎?
BBC 允許:它建議 16:9、4:3 和 1:1 最多兩行,9:16 最多三行。然而在社群影片中,第三行往往會遮住臉,或與應用程式介面衝突,所以實際的上限是兩行。
兩則字幕之間應該留多大的間隔?
有兩條不同的規則。對於連續字幕,Netflix 要求至少兩格,並禁止 3 到 11 格的中間間隔;實務上就是固定的 50-100 毫秒。如果談話中真的有停頓,BBC 要求至少一秒,最好是一秒半。
為什麼我的 .srt 無法匯入剪輯軟體?
幾乎都是檔案格式的問題:毫秒用句點而不是逗號、編號有跳號、字幕重疊,或是換行不一致。請驗證編號是否從 1 開始、小數分隔符號(逗號)、時間遞增且沒有重疊,以及字幕之間的空行。
剪輯應用程式的自動字幕就夠了嗎?
字詞通常夠了。切分則不夠:語音辨識是依音訊停頓來切,而不是依文字方塊的寬度或閱讀速度。有效率的做法,是保留轉錄,再以你自己的參數重新切分。
字幕在法律上是強制的嗎?
對於屬於適用範圍的數位產品和服務,自 2025年6月28日起是強制的,依據是歐洲無障礙法案(歐盟指令 2019/882),在西班牙則依據第 11/2023 號法律。微型企業不受此義務約束。技術上的符合標準是 EN 301 549。
在匯入之前訂好規則,而不是之後
讀得順的字幕,不是字詞最好的,而是切分正確的。在產生檔案之前,先訂好你的數值(字元數上限、兩行、CPS、最短和最長時長、間隔),並把 .srt 當作資料來檢查,而不是當作文字。
這正是 AiToolsForApps 的 aiCapCut 變成一張表單的部分:你貼上腳本或上傳音訊,選擇切分參數,就能取得一份經過驗證的 .srt,並附上 .vtt 和 .txt 版本,可直接匯入。它內建為直式格式設計的預設組合,並讓你以不同的數值重新切分同一份素材,而不必重新產生任何東西,這正是替你省下一個下午修正時間的關鍵。它不會算圖影片,也不會動你的時間軸:它給你的是檔案。你可以不用註冊,直接試用這個直式影片 SRT 字幕與剪輯計畫工具。aiCapCut 是獨立的工具,與 CapCut 或 ByteDance 沒有任何關聯。
依你自己的切分規則(每行字元數、CPS、最短時長和間隔)產生 .srt,並下載已驗證的 .srt、.vtt 和 .txt。開始使用不需註冊。
依你自己的切分規則(每行字元數、CPS、最短時長和間隔)產生 .srt,並下載已驗證的 .srt、.vtt 和 .txt。開始使用不需註冊。


