直播翻譯字幕不同步？先查畫面與聲音路徑

直播翻譯字幕不同步，先確認翻譯收到的是現場聲音，還是觀眾正在看的延遲直播聲音。若影片和字幕走不同路徑，即使文字對應同一位講者，也可能一邊已顯示下一句，另一邊仍在播放上一句。

香港主辦單位同時照顧會場和網上觀眾時，應分開綵排兩邊的實際體驗。本文是官方文件查閱及自行設計的核對方法，資料於 2026 年 10 月 17 日查閱，沒有聲稱量度過任何產品的延遲或準確率。

先問：字幕正在跟哪一路聲音？

請音響及直播同事分別寫下：

• **影片路徑：**講者 → 製作端 → 直播平台 → 觀眾播放器。
• **翻譯路徑：**指定聲音輸入 → 語音辨識及翻譯 → 觀眾字幕或翻譯語音。

從混音台直接取聲，與從公開直播播放器取聲，並不是同一個時間點。先把實際來源寫清楚，才判斷應調整哪一步；不要看到字幕較早便直接認為翻譯出錯。

若問題是觀眾咪或遠端講者完全沒有進入翻譯，先用聲音輸入核對表查缺少哪一路。本篇處理的是內容已有送達，但字幕與觀看畫面的時間不一致。

平台寫的「延遲」不等於翻譯速度

YouTube 將直播延遲界定為鏡頭拍攝至觀眾看到畫面之間的時間，並說明較低延遲可能增加緩衝問題。¹ 核對當日，官方文件列出以下資料：

資料來自 Zoom 的轉播指引²及 YouTube 的延遲說明¹，屬不同情境，不能把三行相加，也不能當成你的活動測試數據。觀眾暫停影片後，還要重新確認其播放位置。

用同一位觀眾看到的畫面量度

安排一位同事在實際觀看裝置上，同時打開影片和字幕。取得所需同意後，記錄一段短綵排，讓影片聲音及字幕出現時間可在同一段記錄內比較；不要拿兩部未對時裝置的時鐘直接相減。

可讓講者讀一句容易辨認的短句，比較觀眾聽到該句結尾的時間，以及對應翻譯完整出現的時間。不同語言的語序可以不同，不宜只追逐單一字詞。

字幕時間差＝字幕出現時間－觀眾影片內對應說話的時間。

• 結果為負數：字幕較早出現。
• 結果為正數：字幕較遲出現。
• 時間接近，也不代表翻譯內容正確；內容需要另外覆核。

例如，以下數字完全是假設的計算練習：講者在第 0 秒說完一句，翻譯在第 4 秒出現，網上觀眾到第 15 秒才聽到同一句結尾。4－15＝－11 秒，即字幕相對該觀眾的影片早了 11 秒。這不是任何工具的實測、規格或可接受標準。

記下量度方法及未能精確判斷的地方。更改聲音來源、重新推流或觀眾重連後，再做同一個檢查；提供翻譯語音時，也要另查語音與畫面，不應假定語音和字幕同時到達。

把現場及網上體驗分開填表

在表格上方記錄裝置、瀏覽器、網絡及播放器位置。未測試的格子留白，不要以製作端正常代替觀眾確認。

現場通過、公開直播未通過，是兩個不同結果。即使兩邊共用一條字幕連結，也不能據此宣稱與每個播放器同步。

先確認系統有甚麼調整能力

可請製作供應商確認，翻譯能否跟隨合適的播放聲音，或字幕、影片路徑是否有文件列明的延遲調整。列明誰能操作，再重做觀眾檢查。不要把獨立字幕服務當作必然能控制編碼器或影片播放的工具。

如果活動本來就在同一套活動播放器內進行，也可先查平台內置功能。例如 Zoom Events 的文件列明，符合授權及設定要求時，活動大堂的直播視窗可讓觀眾選擇翻譯字幕。³ 這不等於一般 Zoom 轉播至 YouTube 也自動帶有相同功能。

以廣東話為主的香港活動，tlive 的運作方式是透過獨立參加者頁面提供字幕及已啟用的翻譯語音；一個房間最多是講者原文加兩種翻譯語言。應把該頁與直播播放器視為兩條需要綵排的路徑，不預設它會自動跟隨每位觀眾的播放進度。入場安排可參考混合及實體活動頁面。⁴

若要求傳譯聲道與節目由製作端統一控制，應先找音響及直播供應商連同專業傳譯員設計。涉及法律、醫療或談判內容，宜安排合資格真人傳譯；本表只能協助查時間路徑，不能評定專業傳譯是否足夠。

開場前留下一句清楚的操作說明

填好「現場用＿＿、網上用＿＿；若字幕與當前講者不符，由＿＿先查看觀眾畫面，再決定調整」。主持人只公布已通過綵排的觀看及收聽方法，並按實際安排提醒耳機需要。

如果仍有一條路徑未能確認，先清楚標示限制，交由負責人處理；不要因為字幕連結能打開，就把整場活動寫成已完成同步測試。