同一部片的两条字幕轨，读起来为什么差那么多？

因为它们出自不同的生产线。从发行方自己的字幕文件转出来的那条，和用机器转录做出来的那条，起点素材就不一样，所以还没开始翻译，两边就已经对不上了。

视频文件质量高，字幕是不是也更好？

不是。字幕质量和视频质量是两条毫不相干的生产线。一份干净的母版可能配着一条很差的字幕轨，一个画质普通的流也可能带着一条精心做出来的字幕，因为做它们的根本不是同一批人。

它是唯一能保证时轴对准你正在看的这一版的字幕，这就消掉了一整类漂移错误。至于翻译本身准不准，还是要看做它的是谁。

日本成人视频的字幕出自几条结构上完全不同的生产路径——发行方随片提供的、从日文字幕转出来的、人工听译的，以及机器转录加机器翻译的。两条字幕轨之间的质量差距，几乎全都能用「它是哪条路径做出来的」来解释。

这类片子的字幕，并不是由一个统一标准的行业做出来的。它们出自好几条彼此独立的生产路径，而决定质量的正是路径本身——不是片商，不是发行年份，也不是你手上这个文件的分辨率。

一条读起来很自然的字幕轨，和一条读起来像乱码笔录的字幕轨，差距通常不在用心程度上。差距在于音轨里到底有多少是真的转录下来的、多少是猜出来的，以及有没有人拿着一份书面台本去核对结果。

一共五条，区别在于它们的起点是什么。

发行方随片提供的字幕是正版发行的一部分。做它的人拿得到成片母版，往往还拿得到制作方的书面材料。最关键的是，它的时轴是按那个特定版本对的。

从日文字幕转出来的字幕起点是一条同语言的日文字幕轨——文本已经有了，切分好了，时轴也打好了——剩下的就是翻译。「把声音听出来」这个最难的问题，已经由别人解决了，所以剩下的活儿只有翻译。

人工听译指的是译者没有台本，直接对着音轨干活。这条路可以做得非常好，但很慢，而且音轨本身的所有问题它都得照单全收。

机器转录加机器翻译是先用语音识别跑一遍音轨，再把出来的文本翻译掉。两个自动化环节串在一起，各自带着自己那套错误特征。

转译是拿一份现成的译本——通常是英文——再把它翻成第三种语言。中间那一版里的每一个错误都会被完整保留，然后被放大。

每条路径都有自己特有的失败方式，而且只要你知道该看什么，这些毛病在屏幕上就是看得见的。

生产路径	时轴准确度	语义准确度	明显的迹象
发行方随片提供	跟这一版严丝合缝	因译者而异	断行一致，画面上的文字和招牌也有字幕
从日文字幕转出	继承自原字幕轨——一般不错	对白上不错，习语上偏弱	切分自然，但非语言的声音没有字幕
人工听译	对白清楚的地方不错，密集处会飘	五条里对语感把握最好的	偶尔出现译注，各场景之间密度不匀
机器转录＋机器翻译	贴着开口的瞬间，但没人说话时也会冒字幕	流畅，但某些地方错得理直气壮	一律的短句，噪声上凭空编出对白
转译	继承自源字幕轨	每转一手就降一级	奇怪的用词，得反译回去才看得懂

让人意外的是机器转录那一行。它的时轴常常比人做的还准，因为它是直接从波形推出来的。但它的语义准确度是五条里最不可靠的，因为这条流水线上没有任何一环知道自己是在猜。

因为让字幕工作变得可行的那些条件，几乎一个都不具备。

有剧本的剧集会给字幕人员一份书面台本、干净的对白录音、一次只有一个人说话，以及能消除代词歧义的叙事语境。成人视频通常一样都不提供：

这些都不是在批评做这件事的人。这是在描述一个确实很难处理的输入。

通常几分钟之内就能认出生产路径，而且用到的信号完全不需要懂日语。

渐进漂移是最有诊断价值的单一信号。它意味着这条轨的时轴从来就没锚定在你正在播的这个文件上——它是从别处来的。播放器的字幕延迟调节能补偿固定的偏移，但随播放时间越拉越大的漂移意味着帧率不匹配，那是这条轨自身的属性，不是挪一挪偏移就能修好的。

在头几分钟里给这条轨下判断，并把这个判断当成关于整个文件的信息。

字幕质量不会在后半程变好。如果开场那一幕里人名就不稳、代词就来回翻，那么整部片都会是这样，你看的就是一条自动化流水线的产出。拿它跟上剧情没问题；但凡要靠某句话的确切含义来理解的地方，它都不可靠。

有一条结构性的保证值得记住：只有正版发行随片附的字幕，才保证时轴是按你正在看的这一版对的。其余的都是为这份素材的某个版本做的轨，靠假设跟你手上的拷贝配到一起。漂移就是从这个假设里来的，也是「翻译本身其实不差，但字幕体验就是崩的」这件事最常见的单一成因。