選擇即時字幕軟體,先從一個交付問題開始:人們必須在哪裡閱讀字幕?公開網路直播需要在播放器中顯示文字。私人會議可能已經在會議應用程式中提供字幕。房間內的與會者則可能偏好在個人裝置上閱讀文字。這些都是實用的採購路徑,不過一項產品也可能支援不只一種。
本指南比較各種路徑的整合工作與限制。若是服務採購,包括人工 CART,請參考我們的 即時字幕服務檢查清單。若是個人設定教學,請參考 即時字幕指南。
重點摘要
- 先決定字幕必須出現在串流或播放器中、會議應用程式內,或獨立顯示器上。接著測試實際的觀看體驗。
- 有字幕的即時訊號,不代表錄影也一定有字幕。請檢查封存檔與任何獨立字幕軌。
- WCAG 2.1 成功準則 1.2.4 沒有數值化的準確率門檻,但字幕必須與即時影片同步傳達有意義的語音與非語音音訊。
- 比較延遲時要看觀看端,而不只是辨識引擎;請測試實際的網路、播放器與音訊設定。
即時字幕的三種傳遞方式
這些路徑描述的是觀眾在哪裡接收文字。它們並不是互斥的產品類別:一場活動可以把一條字幕訊號送到網路直播,另一個顯示則提供給現場的人。
1. 在影片播放器中的字幕
串流團隊會透過製作與傳送流程送出即時字幕。依系統而定,這可能涉及編碼器、擷取服務、字幕訊號,或像 WebVTT 這類的定時文字軌。團隊必須檢查播放器、語言選擇、同步,以及封存輸出。字幕訊號送到編碼器,並不能單獨證明最終錄影就有可用字幕。
這條路徑適合公開網路直播與其他影片交付。採購時的關鍵問題是誰控制串流與播放器、他們接受哪些字幕格式,以及如何檢查封存檔。例如,Apple 的 HLS 製作指引就規定了應如何為 Apple 裝置宣告 WebVTT 字幕軌與無障礙標籤。
2. 在會議平台中的字幕
Zoom、Google Meet 與 Microsoft Teams 都可以在通話中顯示字幕。可用性、語言選項、翻譯字幕與已儲存逐字稿,會因方案、設定與參與者權限而異。在購買其他工具之前,先確認平台目前的控制項。Zoom 現在將暫時性的會議字幕與 已儲存的會議逐字稿 分開處理;若說平台文字永遠無法匯出,這並不準確。
3. 在獨立顯示器上的字幕
獨立的瀏覽器分頁、手機或房間顯示器,都可以在不改變影片串流的情況下顯示文字。MirrorCaption 會針對支援的瀏覽器會議使用桌面瀏覽器分頁音訊擷取,面對面對話則使用麥克風。它會在即時會話中顯示原始語音與翻譯,並可儲存逐字稿。它不會替會議錄影或公開影片播放器新增字幕軌。
若是無障礙需求申請,請詢問參與者哪種顯示方式最適合他們。獨立顯示器可以幫助某人跟上對話,但與影片同時使用時可能不太方便。當準確度與個別存取需求需要人工 CART 時,這是另一種傳遞選項;請參考 如何申請 CART。
| 傳遞路徑 | 觀眾閱讀文字的位置 | 需驗證的整合項目 | 封存檔問題 |
|---|---|---|---|
| 影片播放器 | 隨著網路直播一起 | 字幕訊號、播放器、時間同步、語言軌 | 字幕是否會隨錄影保留? |
| 會議平台 | 在通話內 | 方案、主持人設定、權限、語言 | 是否啟用逐字稿或錄影字幕軌? |
| 獨立顯示器 | 在個人或房間螢幕上 | 音訊擷取、裝置存取、可讀性 | 影片是否需要獨立的字幕工作流程? |
無障礙標準會帶來哪些改變
WCAG 2.1 成功準則 1.2.4 要求同步媒體中的即時音訊必須提供字幕。這項準則沒有設定百分比準確率,但 W3C 說明字幕應即時傳達語音、說話者身分,以及有意義的非語音聲音。其指引指出,這項準則原本是為廣播而設計,並不會自動要求每一場雙向網路通話,不論參與者需求如何都必須加上字幕。
不要把傳遞架構當成合規證明。請測試實際的串流與播放器、字幕時間與完整性,以及所要求的無障礙安排是否有效。獨立文字顯示在會議中可能很有幫助;但不要假設它就能讓公開影片或其封存版本符合即時或預錄媒體的要求。
美國 47 CFR §79.4 規範某些以 IP 傳送的影片節目,包括先前在電視上播出且已有字幕的特定節目。這不是適用於每一場工作會議或網路直播的一般規則,也不只是檔案格式規則。涵蓋範圍內節目的團隊,應與無障礙專家一起評估該規則的適用範圍、字幕品質與傳遞義務。
在觀眾看到的位置測量延遲
延遲可能累積在音訊擷取、辨識或人工字幕、同步、傳送,以及觀眾的播放器端。引擎的回應時間不等於觀眾看到的字幕延遲。請詢問供應商其測量從哪裡開始、在哪裡結束、是測量部分文字還是最終文字,以及如何回報較慢的會話。
請用實際的麥克風、網路、活動軟體與觀看裝置進行試行測試。觀看一段包含人名、插話與相關非語音聲音的困難片段。將字幕與觀眾螢幕上的音訊進行比對。不同的串流設定可能會改變延遲;沒有任何單一協定能保證每種實作都得到特定結果。
端到端檢查語言支援
語音辨識支援的語言數量,只是答案的一部分。請確認原始語音語言、所需字幕語言、翻譯功能、字幕格式,以及播放器是否會顯示該軌。較舊的 CEA-608 工作流程對字元支援有限;現代的定時文字傳遞可以提供獨立軌道,但仍取決於播放器與工作流程。Apple 的 HLS 規格要求字幕軌提供語言中繼資料,以及 WebVTT 的時間戳對照表。
MirrorCaption 在應用程式中提供超過 50 種可選語言,但這不代表一個會話就能同時顯示所有語言。請選擇並測試所需的語言配對、音訊來源與匯出。如果每位與會者都需要不同的目標語言,請規劃每個人要如何接收獨立的會話或顯示。若需要口語翻譯,請參考 語音翻譯指南。
簡短採購檢查清單
- 確認觀眾與顯示介面。 這是公開播放器、內部通話,還是與會者的個人螢幕?
- 指定後續交付項目。 如果你會發布錄影,請檢查其獨立字幕或逐字稿工作流程。
- 詢問存取需求。 與實際使用字幕的人一起測試可讀性、時間同步、說話者辨識與有意義的聲音。
- 測試精確的語言配對與裝置。 辨識、翻譯、播放器軌道與權限都可能成為限制因素。
- 比較完整成本。 包括平台授權、字幕服務時間、製作整合,以及任何封存檔編修。
舉例來說:市政府書記官串流公開會議時,需要檢查播放器與後續錄影。獨立房間顯示器可能有助於與會者,但不會自動產生有字幕的封存檔。內部雙語會議可以先從平台的字幕控制項開始;如果所需語言或版面在那裡不可用,獨立顯示器就很有用。這些工作流程只是範例,不是客戶案例或法律判定。
常見問題
什麼是即時字幕軟體?
它會把即時語音轉成可閱讀文字,並把這些文字傳送給觀眾。主要的選擇在於觀眾是要在影片播放器中、會議應用程式內,還是透過獨立顯示器閱讀。
即時字幕軟體符合 WCAG 要求嗎?
WCAG 2.1 成功準則 1.2.4 涵蓋同步媒體中的即時音訊。請評估實際的影片體驗,包括時間同步、語音與有意義的非語音音訊。獨立字幕顯示可能有助於參與者,但不要假設它就能讓串流影片或其錄影符合要求。W3C 表示,這項準則原本是為廣播而設計,而不是要求每一場雙向網路通話都必須不論使用者需求如何都加上字幕。
為什麼字幕會落後於音訊?
延遲可能來自音訊擷取、辨識或人工字幕、同步、傳送,以及觀眾的播放器。請詢問供應商他們從哪裡開始與停止測量,然後測試完整的觀看路徑。
即時字幕軟體可以同時顯示多種語言嗎?
這取決於辨識與翻譯支援、字幕格式、播放器,以及可用的音訊與文字軌。傳統的 CEA-608 對字元支援有限;較新的傳遞路徑可以提供多語言軌。請測試精確的播放器與語言配對,不要只依賴引擎的語言數量。
我需要字幕編碼器,還是只要字幕應用程式?
請先確認觀眾現在必須在哪裡閱讀字幕,以及後續錄影是否也必須有字幕。外部串流可能需要即時編碼器,而會議平台也可以建立獨立的錄影逐字稿或字幕軌。請驗證封存輸出;單靠即時疊加並不會替錄影加上字幕。