📍 工作流摘要：Gemini → 剪映文稿匹配 → 雙語字幕

• Google Gemini：2 分鐘輸出 13 分鐘的影片字幕：準確度高達 98%

• 剪映字幕辨識：需要多一步「簡體轉繁體」；準確度約 90%

  

  雖然 Mac 可以很容易簡轉繁 但還是小麻煩

  • 額外人工校正辨識錯誤的內容，15 分鐘影片至少要 2 小時

• 現在，你能把這些時間（錢）省下來，去做更重要的事。

<aside> <img src="/icons/battery-charging_green.svg" alt="/icons/battery-charging_green.svg" width="40px" />

成果範例（黃色 剪映語音辨識；白色 AI 字幕辨識；最下方 人工版本）

他 她 它 能分辨

自動替中英文加上半形空格

專有名詞也沒問題

刪除無意義的語助詞

語意正確性

<aside> 💯

長句子正確節奏分段（甚至超過人工）

</aside>

</aside>

工作流 A：直接丟音檔讓 AI 輸出文字稿

1. 打開 Google AI Studio；選擇 Google Gemini 2.5 Pro 模型

2. 上傳音檔（mp3），輸入以下 Prompt 提示詞（可自行微調）

   理解全文原意的基礎上，校正語音轉文字的錯誤，使用繁體中文輸出，我要做為影片字幕用，請符合以下輸出原則：
   
   1. 為了影片閱讀節奏，每一行不超過 18 個中文字，換行時每一行要做到完整句，自然不突兀，去除所有標點符號；當一行的字數過長超過 10 個字，但還不需要換行，你可以在語氣合理的地方加上半形空格，例如："這是我的知識邊界 我的喜好"
   
   2. 記住中文排版的原則：當中文字遇到英文和數字時，要加上一個半形空格，讓閱讀體驗更舒服，例如：我有 3 台 iPhone 手機；保留專業術語的英文正確寫法和縮寫，例如 FLAC，JPEG，Notion, n8n
   
   3. 你的目的是讓字幕更直觀好閱讀，刪除冗餘無意義的語氣詞，但保有講者的情緒；請記得保持原意不變，例如以下語氣詞可視情況刪除：「那」、「欸」、「哈哈哈」、「對吧」、「嘛」、「然後」
   
   4. 當你判斷我是不是在講人，而在講 AI 或 LLM 時，不要用「他」或「她」，而是用「它」。
   
   

3. 開啟剪映，使用「文稿匹配」功能，將文字轉為帶時間碼的 SRT

   

4. 快速播放校正，準確度應該有 98% 以上，然後就能輸出 SRT 檔案：

   

<aside> ⚠️

目前限制：剪映文稿匹配功能，一次只能 5000 字，超過 5000 字要分成兩次。

• 應對方法：先匹配第一次的 5000 字，把後面尚未匹配的切開，選取創建複合片段，在新工作區中將剩下的再進行文稿匹配。 </aside>

工作流 B：先確認整體內容摘要，條列錯誤給 AI 學習

適合專有名詞較多的內容，先進行第一批校正

1. 先確認整體內容摘要＆快速條列錯字給 AI，讓 AI 挑出有疑問的地方，幫助他學習（1 mins）

   請你先理解我上傳給你的音檔內容的原意、幫我做個列點式的逐字稿內容摘要，並把你認為有疑惑的地方特別告訴我，讓我先和你對齊，你是否能理解內容＆專有名詞。我閱讀後會先給你校正建議，之後再讓你生成完整的逐字稿，我要做為字幕用。
   
   記住中文排版的原則：當中文字遇到英文和數字時，要加上一個半形空格，讓閱讀體驗更舒服，例如：我有 3 台 iPhone 手機；保留專業術語的英文正確寫法和縮寫，例如 FLAC，JPEG，Notion, n8n
   

   

   

2. 直接根據 AI 回覆，給予建議修正（5 mins）

   • 例如：

   非常好！幾乎都很正確！
   
   有幾個要校正：
   
   1. 「Kemba 模式」是「Canva 模式」，沒有 s，這是 ChatGPT 的一個功能。
   
   2. 「Cloud 公司」是「Claude 公司」。
   
   3. 「城市碼」 是 「程式碼」
   
   4. 如果出現 "紙尿褲" 通常是講 "資料庫"（AI 辨識語音時的常見錯誤）
   
   最後請輸出完整逐字稿，你的目的是讓字幕更直觀好閱讀：為了影片閱讀節奏，每一行不超過 18 個中文字，換行時每一行要做到完整句，自然不突兀，去除所有標點符號；當一行的字數過長超過 10 個字，但還不需要換行，你可以在語氣合理的地方加上半形空格，例如："這是我的知識邊界 我的喜好"刪除冗餘無意義的語氣詞，但保有講者的情緒；請記得保持原意不變，例如以下語氣詞可視情況刪除：「那」、「欸」、「哈哈哈」、「對吧」、「嘛」、「然後」