同一部作品的兩條字幕軌，為什麼讀起來差這麼多？

因為它們是由不同的產線做出來的。從片商自家字幕檔轉譯而來的軌，和由機器轉錄產出的軌，起點的素材就不一樣，所以早在翻譯開始之前，它們就已經對不上了。

影片檔畫質比較好，字幕就會比較好嗎？

不會。字幕品質與影片品質是兩條互不相干的產線。一份完美的母帶可能配著很弱的字幕軌，一段普通的串流也可能帶著用心製作的字幕，因為做它們的根本是不同的人。

那是唯一保證對著你正在看的這個版本抓過時間軸的一種，這就消掉了一整類的時間漂移錯誤。至於翻譯本身的準確度，仍然要看是誰做的。

日本成人影片的字幕出自幾條結構上完全不同的產出路徑 —— 片商隨片提供、由日文字幕轉譯、人工聽譯，以及機器轉錄加機器翻譯。兩條字幕軌之間的品質差距，幾乎完全可以用「它是哪條路徑做出來的」來解釋。

這類作品的字幕，並不是由一個有統一標準的產業做出來的。它們出自好幾條彼此分離的產出路徑，而決定品質的正是那條路徑 —— 不是片商，不是發行年份，也不是你手上那個檔案的解析度。

一條讀起來很自然的字幕軌，和一條讀起來像亂碼逐字稿的字幕軌，差別通常不在用心程度。差別在於有多少音訊是真的被轉錄下來、而不是被猜出來的，以及有沒有人手上握著一份可以拿來對照的文字腳本。

有五條，差別在於它們的起點是什麼。

片商隨片提供的字幕是授權發行的一部分。做這些字幕的人拿得到完成的母帶，往往也拿得到製作文件。關鍵是，它們是對著那個特定剪輯版本抓時間軸的。

由日文字幕轉譯而來的字幕起點是一條同語言的日文字幕軌 —— 文字已經存在、已經斷好句、也已經抓好時間 —— 然後把它翻過來。「聽懂音訊」這個最難的問題已經有人替你解掉了，剩下的工作只有翻譯。

人工聽譯指的是譯者手上沒有腳本，直接對著音訊工作。這可以做得極好，但它很慢，而且音訊本身的每一個問題它都得照單全收。

機器轉錄加機器翻譯是先讓語音辨識跑過音訊，再把跑出來的文字翻譯掉。兩個自動化階段各有各的錯誤特性，串在一起。

中繼語翻譯拿一份既有的譯文 —— 通常是英文 —— 再把那份譯文翻成第三種語言。中間版本裡的每一個錯誤都會被保留下來，然後再被放大。

每條路徑的失敗方式都有各自的特徵，而只要知道要看什麼，這些失敗在畫面上是看得出來的。

產出路徑	時間軸準確度	語意準確度	辨識特徵
片商隨片提供	與發行版本對齊	隨譯者而異	斷行一致，畫面上的文字與招牌也有字幕
由日文字幕轉譯	承襲自原字幕軌 —— 通常不錯	對白翻得好，慣用語較弱	斷句自然，但非語言的聲音沒有字幕
人工聽譯	對白清楚處良好，密集段落會偏掉	處理語感是幾種裡最好的	偶爾出現譯者註，各場景的密度不平均
機器轉錄＋機器翻譯	貼著語音起點，但沒人講話的地方也會冒出句子	流暢，但某些地方自信地錯	句子長度整齊劃一，在雜音上憑空生出對白
中繼語翻譯	承襲自來源字幕軌	每轉一手就退化一次	出現只有回頭直譯才說得通的怪用詞

會讓人意外的是機器轉錄那一列。它的時間軸往往比人工還準，因為那是直接從波形推出來的。它的語意準確度則是五者中最不可靠的，因為這條產線上沒有任何一個環節知道自己在猜。

因為讓上字幕這件事變得可行的條件，這裡幾乎一個都沒有。

有劇本的戲劇會給字幕師一份文字腳本、乾淨的對白錄音、一次只有一個人講話，以及一個能消解代名詞歧義的敘事脈絡。成人影片通常一項也不提供：

這些都不是在批評做這件事的人，而是在描述一份真的很難的輸入。

通常在幾分鐘之內就能認出產出路徑，而且用到的訊號完全不需要懂日文。

漸進式漂移是最具診斷力的單一訊號。它代表這條軌的時間軸從來沒有錨定在你正在播的這個檔案上 —— 這條軌是從別的地方來的。播放器的字幕延遲功能可以補償固定的偏移量，但隨片長逐漸擴大的漂移代表幀率不合，那是這條軌本身的性質，不是你挪一挪偏移量就能修好的東西。

在最初幾分鐘內對這條軌下判斷，並把那個判斷當成關於整個檔案的資訊。

字幕品質不會在片子後半段變好。如果開場那一幕裡名字就不穩定、代名詞就跳來跳去，那它整部都會這樣，而你看的是一條自動化產線的產物。拿來跟上劇情發展沒問題；但只要有任何事情取決於某句話的確切意思，它就不可靠。

唯一值得理解的結構性保證是：只有隨授權發行版附上的字幕，才保證是對著你正在看的這個版本抓的時間軸。其餘的一切，都是為這份素材的某個版本做出來的軌，靠假設去跟你手上的副本配對。漂移就是從那個假設裡跑出來的，也是「就算翻譯本身很稱職、看起來還是壞掉」這種體驗最常見的單一成因。