字幕怎么加？识别字幕与样式调节

[TOC] 字幕这事很多人不放在心上，但实际上它是短视频里存在感最强的元素之一。很多观众刷视频的环境是静音的（地铁上、办公室里、深夜被窝里），没字幕他们根本不知道你在说什么。剪映做字幕的能力在手机剪辑软件里算很强的：能自动识别语音生成字幕，能手动加文字，能调样式，还能做双语字幕。这篇把整套流程走一遍。

一、自动识别字幕：十秒钟生成全套字幕

这是剪映最省心的功能。只要你视频里有清晰的人声（配音或同期声），识别准确率能到九成左右。

操作步骤（手机版）：

1. 导入视频后，点底部工具栏的「文字」。
2. 找到「识别字幕」（部分版本叫「自动字幕」），点一下。
3. 选择识别语言（普通话、英语、粤语等），点「开始识别」。
4. 等几秒，字幕片段会按句子自动铺到时间线上。
5. 点任意一条字幕，可以改文字、调时长、拖位置。

电脑版：导入视频后，顶部工具栏或右侧面板有「识别字幕」按钮，点一下自动识别，识别完会在时间线生成字幕轨道，支持整段文本编辑（在右侧文本框里直接改字，比手机逐条点快得多）。长视频强烈建议用电脑版改字。

识别完一定要校对。机器识别会在同音字、专有名词、语气词上翻车：比如「感觉」识别成「干绝」，「哈哈哈哈」识别成奇奇怪怪的字符。校对的方法是播放视频逐条过，看到错字点进去改。虽然枯燥，但字幕里带错字很掉价。

影响识别成功率的因素：

• 语速太快、含糊 → 识别率下降，尽量说清楚。
• 背景音乐太响 → 音乐会干扰识别，先把音乐音量调小再识别。
• 方言口音重 → 试试选「粤语」等对应语言，或者放弃识别手动打字。
• 带回声的同期声 → 先做降噪处理，见 音效篇 。

二、手动加字幕：什么时候需要手动

识别字幕解决的是「把说过的话变成字」这件事，但很多字幕不是说出来的，是写出来的：开头标题、金句弹幕、地点标注、章节分隔。这些都要手动加。

操作：点「文字」-「新建文本」，输入内容，字幕素材出现在时间线，拖到想要的位置即可。

手动字幕的三种常见用法：

开场标题。 视频前 2 秒放一个大标题，告诉观众这条视频讲什么。别小看这两秒，它直接决定划走率。标题写法：「3 分钟学会」「新手必看」「我在某某做了什么」，说人话，别文艺。

信息标注。 画面里出现的地点、价格、品牌名用小字标在角落，补充画面说不出的信息。字号别大，放在画面下方三分之一处，颜色白字加细黑边最清楚。

金句字幕。 情感类视频的高潮段落，把核心句子用大字打在画面正中，配合慢动作，感染力翻倍。这类字幕一屏一句，停留 1.5 到 2 秒，多了观众读不完。

三、字幕样式调节：从能用到好看

默认字幕样式是白字黑框，能用但土。剪映给了完整的样式调节面板，点一下字幕素材，底部工具栏出现「样式」按钮（一个 Aa 图标），点进去：

字幕好不好看的核心是「在任何背景下都读得清」。最稳的搭配是白字加黑色描边，字幕区上托半透明黑底。喜欢简洁的白字细描边，喜欢综艺感的大字配高饱和色块。

花字和模板。 剪映样式页顶部有「花字」分类，内置几十款设计好的字幕样式（综艺感、霓虹、手写、复古等），点一下直接套用。做字幕没头绪的时候先套花字模板，再在模板基础上改字和位置，效率最高。

批量修改。 一条视频几十条字幕逐条调样式会疯。剪映支持批量操作：选中一条字幕调好样式后，长按这条字幕（或点右上角「应用到全部」类似选项），把样式同步到所有字幕。不同版本入口不同，认准「应用到全部」这类字眼。先调一条再批量，是字幕工作的标准流程。

四、字幕与声音的配合细节

字幕出现的时间要比声音稍晚一点点。人耳听到一个字的瞬间看到这个字的字幕是最自然的，但识别字幕自动对齐的是每个字的起点，实际观看时字幕整块出现、声音逐字流出，会有轻微错位。手动字幕不用管这个，识别字幕可微微把每条字幕往右拖 0.1 秒左右，更贴合听感。这种细节不做也能看，做了会舒服。

字幕停留时长：一句话字幕停留时长 ≈ 这句话说完的时间再加 0.3 秒。识别字幕自动配时长，手动字幕自己估：正常语速 4 个字一秒，10 个字的句子停 2.5 秒左右足够读完。

错峰原则：同一时间只出现一类字幕。正在说话的时候别打金句大字，金句大字出现的时候最好画面有停顿，让观众眼睛不忙。

五、双语字幕怎么做

英语学习类、海外内容类视频需要双语字幕。做法：

1. 先识别出中文字幕（或手动加好中文）。
2. 把中文字幕全部复制一份，粘贴到新的文本里，翻译成英文。
3. 英文字幕放在中文字幕下方，字号小一号（中文 24 号、英文 16 号左右）。
4. 两条字幕的时间线位置对齐，可以用「复制」字幕再改内容的方式保证对齐。

更省事的办法：识别字幕后，有些版本支持「翻译」功能，识别完中文点一下能自动翻译并生成第二语言字幕（机器翻译，准确率约七八成，地名专有名词要校对）。

六、字幕的排版美学

字幕做到「清楚」只是及格，做到「好看」需要一点排版意识。以下是几条可以直接照抄的经验：

位置。 竖屏视频正文字幕放在画面下三分之一（离底部约四分之一处），不要太贴底，否则被平台文案区和按钮遮挡。横屏视频字幕贴底部边缘上方一点。金句大字放正中，但注意人物主体别被字糊脸。

两行优于一行长。 单行超过 14 个字就拆成两行（剪映文本里回车换行），两行短句比一行长字容易读，视觉上也更整齐。

标点要精简。 字幕不是文章，句末的句号可以不要（换行和空停已经表示了停顿），但问号和感叹号要保留（它们影响语气理解）。省略号能传达余味，适量用。

颜色呼应。 白字最百搭，想要点变化就从画面取色：夕阳画面配暖橙字，雪景配冰蓝字，美食配暖黄字。字色和画面同色系，整体气质统一。

描边和底色二选一。 描边适合背景简单的画面，底色（半透明黑条）适合背景杂乱的画面。两个都开会显得字很厚重，压画面。

花字和字幕分工。 花字管「好看」（标题、关键词），字幕管「可读」（正文内容）。一条视频里花字出现的位置稀疏（隔 5 秒一个），字幕常驻。花字的详细玩法在 花字篇 。

七、特殊字幕场景处理

方言视频。 东北话、四川话、粤语视频，识别字幕经常翻车（识别出普通话的错字）。两个办法：选对应语言再识别（剪映支持粤语识别）；或者手动打字幕，同时保留方言的口语字（比如「咋整」「做啥子」别给改成普通话，那味道就没了）。

脏话和敏感词。 平台对字幕敏感词有检测，涉政涉黄就不用说了，连一些常见骂人话都可能导致限流。脚本里有情绪激烈的词，字幕里用星号替代（剪映画面的音效还能保留），或者字幕写拼音谐音。发布前用创作者服务中心的文案检测工具扫一遍更保险。

教程类字幕重点标记。 讲操作步骤的视频，步骤序号用醒目的颜色或者大一号：1 用红色、2 用黄色、3 用绿色，观众跟着颜色一步步看，不容易迷路。配合步骤弹出的「叮」音效，节奏感更强（音效的使用见 音效篇 ）。

唱词字幕。 音乐类视频做歌词字幕，每句歌词停在对应的乐句上，时长对齐节拍。做歌词字幕最好打开「歌词逐字高亮」效果（类似卡拉点歌机）（如果版本支持），歌词逐字高亮，像 KTV 一样，这类视频在抖音上一直有受众。

多语言字幕。 面向海外观众或做语言学习内容，可以做中英双语字幕：中文一行在上，英文一行在下，字号一大一小（中文 24 号、英文 14 到 16 号）。英文用思源系列或者无衬线字体（字体知识看 素材篇 ），不要用花哨字体，英文花字识别度低。

八、字幕效率工作流

做字幕最烦的是重复劳动。给一套效率最高的流程：

1. 先完成所有画面剪辑（剪辑、转场、调色都做完，最后做字幕）。
2. 全片配音录好或者文本朗读生成。
3. 识别字幕，生成全部字幕片段。
4. 整体校对一遍错别字（这步必须做，机器不靠谱）。
5. 调好一条字幕的样式（字体、字号、描边、位置）。
6. 把这条的样式批量应用给所有字幕。
7. 最后播放检查每条字幕时长和位置。

顺序千万别乱：先剪画面再配音再做字幕。画面改一次，字幕全部要跟着调；字幕先做了再改画面，等于重复劳动。这个顺序也是专业剪辑的工作惯例。

电脑版效率翻倍的地方：校对错别字不用逐条点字幕，右侧面板里所有文本可以像文档一样连着改，一次校对全片。字幕量超过 20 条的视频，电脑版省的时间是实打实的。

九、字幕相关的小功能别错过

朗读跟随。 剪映部分版本支持字幕朗读高亮：播放到哪条字幕，那条字幕会高亮显示。做带配音的视频时，检查音字同步特别方便。

字幕时长自适应。 识别字幕的时长可以批量微调：全选字幕后有一个「时长自适应」选项，字幕时长自动匹配对应语音的长度。手动加字幕估算时长太累的时候用这招。

批量改文字。 比如全片都把「我们」改成「咱们」，不用逐条改：电脑版支持查找替换（Ctrl 加 F），一次替换全部。手机版只能逐条改，所以长文案错误多的视频推荐上电脑。

字幕模板收藏。 自己调好的字幕样式（字体大小描边颜色一套参数）可以存为收藏，下次新视频直接套。常用两三套样式就够了：一套正文、一套标题、一套金句。关于字幕样式的细节参考 /read/jianying-video-guide/jy-0305 。

十、字幕的常识和禁忌

竖屏视频字幕尺寸。 9:16 竖屏（1080 宽度）正文字幕字号建议 24 到 32 号。小于 20 号在手机上老花眼观众直接放弃。金句大字可以到 40 到 60 号。这些数字和你看着的直觉会觉得「太大」，因为我们习惯字幕小才秀气——但可读性永远比秀气重要。

标点使用。 字幕里逗号可以保留（表示短停顿），句末句号可以省略（段落感由时间间隙表达），省略号、问号、感叹号按情绪保留。括号能不用就不用（字幕里加括号解释显得很注释腔）。

数字和英文。 屏幕字「第 1 期」比「第一期」更现代（数字转写更利落）；常见的英文缩写观众都看得懂，大胆用。但大段英文出现在中文视频里要三思——观众要暂停才能读完。

错别字的代价。 一条精心做的视频里出现一个错别字，观众对全片的信任度下降一档。错别字不显得亲民，只显得做事不细。发布前让朋友帮看一遍字幕，亲眼看了一遍的校对率远低于你以为的水平。

字幕语气与内容一致。 搞笑内容的字幕可以带点网络化表达（yyds、绝绝子），严肃干货内容字幕要规整（把口头禅删干净）。字幕是文案的一部分，语气跟内容气质走，不要割裂。

配音和字幕的双保险。 识别字幕生成后，如果有错字漏字（识别错误），观众只看到字幕错误却听到你说的另一个词，可信度受损。校对的时候重点看「听到的字和看到的字是不是同一个字」，而不是从字幕单独读一遍。识别完发现某句话错得多，把那条字幕整条删掉重新生成，比逐字修快。

播报类内容的字幕特殊处理。 讲数字、讲价格、讲步骤的内容，数字和关键词单独设一个样式（黄色或者加粗），观众截屏分享的时候能一眼看到要点。这类小设计在知识类账号里特别常见。

常见问题

识别字幕一直转圈或者识别不出来怎么办？

先确认视频里有没有清晰人声：纯音乐视频没有可识别的内容。其次检查 App 版本，旧版剪映的识别服务不稳定，更新到最新版重试。还不行就把视频导出，新建项目重新导入再识别。 极端情况（极少数）是素材时长太短，低于 1 秒的素材可能识别不到，可以先加长素材再识别。

字幕会不会跟视频一起导出？

会。剪映时间线上的字幕在导出时直接渲染进视频画面，不能单独导出字幕文件（手机版如此）。如果想要独立的字幕文件（比如传到其他平台用），需要在电脑版剪映里操作，或者用第三方字幕工具另外制作。

字幕被平台 UI 遮挡怎么办？

抖音、快手等平台的右侧有点赞按钮、底部有标题文案区，字幕放太低或太右会被遮住。安全做法：字幕中心放在画面高度 75% 到 80% 的位置（即字幕靠下但不贴底），左右居中。可以在剪映里开启「安全区」指示线（预览区设置里），画面会显示半透明边框提示安全区域。封面和字幕的安全区细节也参考 /read/jianying-video-guide/jy-0105 。

一个人的视频里字幕太多显得乱，怎么精简？

不是每句话都要打字幕。口语里的「然后」「就是说」「那个」这类语气词可以从字幕里删掉，字幕是书面语不是听写稿。识别字幕生成后做一遍精简编辑：去掉语气词、合并碎句子、标点改成空格断句，字幕会立刻干净很多。一行字幕别超过 14 个字，超了就拆两行。

延伸阅读

• 背景音乐怎么选？卡点与音量平衡
• 音效与降噪怎么处理？
• 文字动画与花字怎么做好看？