12集漫剧字幕，从打三小时到二十分钟
最近接了个漫剧的活，12集每集8分钟，分镜全是AI跑的，台词密度很高。我一开始老老实实手动打字幕，打到第三集的时候人快崩了。后来我花了一周折腾出一套AI漫剧自动加字幕合成工具的工作流，现在一集从识别到压硬字幕也就二十来分钟。把具体操作和踩的坑写下来，给同样做漫剧的兄弟参考。
分镜时间轴没对齐就别急着跑识别
很多人拿到AI生成的分镜视频就直接丢进去识别，我第一集也是这么干的，结果字幕整体偏移了两三帧。镜头切换那个瞬间最明显，上一句的尾巴会叠到下一句头上，看着特别难受。后来我意识到，分镜时间轴没对齐，后面怎么调样式都白搭，识别起点本身就是偏的。
正确顺序是先把每个分镜clip的入出点卡准，再跑识别。我一般把视频导进剪辑时间线后，逐个检查每段clip的起始帧是不是刚好对到角色开口那个画面，结束帧卡在闭嘴或切镜头前一帧。确认没问题了，在已添加片段列表右键素材，用AI漫剧自动加字幕合成工具跑识别。弹窗里选语言，我一般勾普通话，有英文旁白的集再加英语，然后点开始识别。
我第一集47个分镜片段，光卡时间轴就花了二十多分钟。说实话当时觉得烦，但第二集开始我就熟了，同样的活儿八分钟搞定。省下来的时间够我把识别结果逐句过一遍了，这笔账怎么算都划算。时间轴这一步看着枯燥，但它是整条字幕链路的起点，歪了后面全歪。
识别准确率这块我确实踩了坑
用AI漫剧自动加字幕合成工具跑出来的结果，标准普通话环境下确实准，我前四集全是标准普通话台词，基本不用动。但第五集有个配角说了句带四川话味儿的"巴适得板"，识别出来变成了"巴西得版"。更离谱的是第七集一句"莫得"被识别成"磨得"，我当时盯着屏幕差点没笑出声，还好发现得早，没压进成片里。
后来我在特种猫社区里看到有人提到方言识别是支持的，包括粤语、四川话、东北话、闽南语这些。但问题在于，如果你的角色普通话为主、偶尔蹦一句方言，你没法整集切成方言模式。我现在的处理方式是：先按普通话跑一遍，然后在预览框里逐句扫，碰到明显不对的，双击那行直接改文字，改完再往下走。
12集全部跑完，手动修改大概有四十多处，集中在拟声词（"咻""砰"）、方言词汇、还有角色故意玩的那个谐音梗。别指望AI能完美处理所有情况，但绝大部分内容是准的，剩下那些你花十几分钟双击改完就行。对比我之前一晚上手打八百条字幕的状态，这效率差距不是一点半点，谁做过谁知道。
样式别一条一条调，有捷径
用AI漫剧自动加字幕合成工具跑完识别后，字幕样式这块我第一集吃了大亏。47条字幕我一条一条去改字体、调大小、加描边，花了四十多分钟才搞完。第二集我才知道，调好一条之后，单击预览框空白处，它会把当前样式同步到所有AI字幕。你只需要调一次，全部生效。这操作藏得也太深了，界面上没有任何文字提示，不点一下根本发现不了。
我现在漫剧字幕的固定参数是这样的，从第五集开始用到现在没再动过。不是说要你照搬，但漫剧和真人短剧的画面密度不一样，你调完参数记得在成片里缩小到手机尺寸看一遍，别只在电脑全屏上看，那个字号在手机上根本不够看。具体参数我列在下面：
- 字体：思源黑体，28号
- 颜色：纯白字，黑色描边2像素，再叠一层2像素半透明阴影
- 位置：底部居中，距画面下边缘留15%安全区
- 最大两行，超过就缩短措辞或拆成两条字幕
还有一个容易忽略的点：描边。漫剧背景经常是大面积纯色或者高饱和色块，纯白字没描边的时候在白色或浅色背景上直接消失。我第一次出片，有两条字幕在角色白色的衣服上完全看不见，审片的同事给我标了五个红色批注。后来加上2px黑描边加阴影，这个问题再没出现过。
哪几种情况它现在还不太行
说实话，不是所有场景都能靠AI漫剧自动加字幕合成工具一把梭。最头疼的是战斗场面，BGM、音效、角色台词三层声音叠在一起，识别率会明显下降。我第九集有一段打斗，台词只有三句，但背景音太杂，识别出来缺了七八个字，时间轴也串了，那句台词的起始点直接跑到了下一拍，完全对不上嘴型。
还有一种情况是两个人快速对台词，间隔小于半秒的时候，识别引擎容易把两句合并或者把说话人归属搞混。我现在的处理方式是：识别完先粗看一遍预览，发现合并的直接在预览框里拆开，手动调整每条的起止时间。12集下来每集大概有三到五段这种快速对白的地方需要手动干预，也就多花五六分钟，能接受。
纯画面没有台词的过渡镜头，它不会生成空字幕，这个反而是对的，省得我手动删。但如果你想要那种"字幕先出来、画面后跟上"的卡点效果，它目前不支持自定义字幕出现和消失的偏移量。我现在的做法是：过渡镜头那段我直接在剪辑时间线上手动加一条空轨，自己控制出入点，也就多两分钟的事。
整体用AI漫剧自动加字幕合成工具跑下来的流程就是：卡时间轴、跑识别、预览校对、调样式、同步、压硬字幕。一集8分钟的漫剧，熟练之后二十分钟左右能走完。我在特种猫社区发帖分享过一集成片，底下好几个人问字幕怎么做的，我把这套流程整理了一下就是上面这些。不是万能的，但比纯手动快太多了，至少你现在不用一集字幕打到凌晨三点。特种猫社区