字幕翻译与SDH引擎

字幕为什么经常“读不完”

字幕失败往往不是翻译不准，而是没人能在时间窗内读完。一条 60 字符的长句配上 3 秒停留，观众根本来不及扫描；逐字直译还会让目标语言比原文更长，直接溢出时间轴。这些问题背后是几个被忽视的硬约束：阅读速度（约 17 字符/秒，即每分钟 160–180 词）、单行长度（约 42 字符）、最多两行，以及按语义断句的规范。

技能如何工作

该技能把字幕当作“受时间窗约束的排版任务”，核心流程如下：

• 收集输入：源内容（稿本、转录或已有字幕）、任务类型（同语言 caption、跨语言 translate-subtitle、无障碍 SDH）、输出格式（SRT / WebVTT / 纯文本）及平台限制。
• 语义压缩：长句按短语边界拆段，超长句子改写为核心大意而非逐词照搬；翻译时更激进地压缩，保证译文塞进原时间槽。
• 时间与排版：无时间码时按阅读速度建议时长；有时间码则严格遵守。每条 cue 控制在两行内、行宽约 42 字符，行尾在自然短语处断开，避免孤立的冠词或介词。
• SDH 处理：为听障观众标注说话人身份与 [sound cues]，如 [door slams]、[tense music]，声音信息本身就是内容。
• 质量校验：输出前检查行宽、行数、断句位置、翻译压缩率与格式有效性，并对节奏紧张的 cue 加 🔴 标记提示调整。

适用边界与注意点

• 压缩不是删减：保留关键语义与语气，牺牲的是修辞和次要修饰，不适合对文学性要求极高的场景。
• 格式需符合平台：各平台对行宽、停留时长的要求不同，提交前应按目标平台规范复核。
• 时间码不可信时需人工确认：自动建议的时长在极端语速下可能偏差较大。

该技能本质上是把“读得完、对得上、听得见”三件事写进每一次字幕输出。