竖屏视频字幕：只靠硬字幕远远不够

竖屏视频中的硬字幕是为静音观看服务的，它并不能让视频变得无障碍。要实现无障碍，文字必须完整还原所有声音信息、保持同步，并且独立于画面像素而存在：根据Orange 的数字无障碍建议，字幕“必须为文本格式，并与视频声音同步”，而不是嵌入画面之中。因此，竖屏视频的字幕与无障碍是两种不同的交付物：动态文字包装服务于效果表现，经校对的 .srt 或 .vtt 文件服务于合规。大多数品牌为前者付了钱，却以为自己买到了后者。

硬字幕真的能让竖屏视频实现无障碍吗？

不能。烧录在画面中的字幕能让视频在没有声音的情况下也能看，但这与无障碍毫无关系。嵌入的文字并不是文字，而是像素。屏幕阅读器看不到它。把手机设置为大字体的用户无法将其放大。机器翻译引擎无法识别它。也没有人能把它提取出来，按自己的节奏重读内容。

法国的公共建议在这一点上说得很清楚：字幕必须通过独立的文本文件与视频关联，不应直接显示在视频画面中。在所有讨论这个话题的页面上，没有人把这句话与社交媒体的制作流程联系起来。然而，它会直接影响你的报价。

但我们并不会因此放弃硬字幕。9:16 中的动态文字承担了一部分留存工作，就像3 秒钩子的三个层次一样。在我们的电商批量项目中，去掉素材中的文字层，3 秒留存率每次都会明显下降。硬字幕要保留，只是它无法替代任何东西。

TikTok 的例子很好地说明了这一误解。该平台在 2021 年 4 月推出自动字幕时，在官方公告中明确表示“Auto captions automatically generate subtitles, allowing viewers to read or listen to content”（自动字幕可自动生成字幕，让观众可以阅读或收听内容），并且观众可以在分享面板中将其关闭。结果是：仅靠自动字幕承载的信息，在播放时可能会消失。仅靠硬字幕承载的信息不会消失，但对使用屏幕阅读器的人来说却是不可见的。两种方式各有漏洞。这正是我们将两者一起交付的原因。

自 2025 年起，我们在所有批量项目中执行的规则是：一条竖屏视频交付时附带两条文字轨道。嵌入画面的字幕包装，服务于效果表现；经校对的 .srt 或 .vtt 文件，服务于无障碍和二次利用。只收取前者的费用却以为卖的是后者，这是报价错误，而不是后期制作错误。

Captions、subtitles、transcription：你买的到底是什么？

三个词，三种不同的交付物，而这种混淆让一半的需求简报都出了问题。在英语中，captions指原语言文本，它转写对白以及承载意义的声音，比如关门声、铃声、画外笑声。这是无障碍交付物。subtitles则是将对白翻译成另一种语言：在商业上有用，但并不属于无障碍措施。一批为英国市场配上英文字幕的 Reels，并不是一批无障碍视频。

在法国，参考术语是 SME：面向听障人士的字幕（sous-titrage à destination des sourds et malentendants）。2011 年在 CSA（现为 Arcom）主持下签署的质量章程规定了一系列网络世界早已遗忘的规范：按说话者类型使用颜色代码，画面中可见的人物用白色，画外音用黄色，音效用红色。没有人会要求品牌的 TikTok 达到这个水平。但其背后的原则放之四海而皆准：如果声音承载了信息，文字也必须承载这一信息。

文字稿：被遗忘的交付物

文字稿是一份线性的文本文档，不带时间码，完整还原视频的全部内容。它在信息流中毫无用处，但在其他地方用处极大：在你的商品详情页、博客文章、嵌入视频的落地页中，以及对于那些根本无法读取你广告素材的答案引擎而言。Orange 的社交媒体指南写得很明确：“所有视频都必须配有字幕，如有可能还应提供文字稿。”当 .srt 文件已经存在时，真实的边际成本是：五分钟的复制、粘贴和整理。几乎没有人这样做。

9:16 视频字幕放在哪里才不会被界面遮挡？

9:16 的陷阱在画面底部：四大平台都在那里堆叠了文案、用户名、音乐、进度条和导航栏。像电影一样“居中放在底部”的字幕会被界面挡住。对所有人都是如此，首当其冲的是依赖字幕的人。这不是剪辑问题，而是构图问题，因此是一个拍摄决策，必须在开机之前就做出。

以下是我们的内部测量数据，于 2026 年 10 月在 iPhone 15 和 Pixel 8 上完成，应用均为最新版本，以 1080 × 1920 画面高度的百分比表示。这些是我们自己的测量，而非官方规格：平台会在不打招呼的情况下调整界面，请每年重新测量两次。

由此带来两个实际影响。首先，可用区域位于中间三分之一偏下的位置，而不是画面底部：在我们的制作中，文字块锁定在高度的 32% 到 70% 之间，右侧留出 18% 的边距，以避开按钮栏。其次，构图必须从拍摄阶段就留出这块空间：人脸居中偏下，字幕又放在同一位置，这个镜头就得重拍。

LinkedIn 的情况值得特别提醒：信息流会裁切竖屏视频，放得太高的文字会在生成预览时被切掉。在这个平台上我们常常会做出不同的取舍，因为画面比例要按投放位置来选择，而比例的选择会直接决定可用的文字区域。

平台自动生成的字幕够用吗？

未经校对的自动字幕在合规层面毫无价值，在商业层面有时甚至适得其反。自 2023 年以来，法语语音识别取得了巨大进步，这一点无人否认。但它恰恰在代价高昂的地方仍会出错：品牌名、产品型号、剂量、价格、法律声明，以及否定句。

否定句才是最应该让你担心的情况。“请勿涂抹于破损皮肤”变成“涂抹于破损皮肤”，这已经不是笔误，而是意思完全相反。在我们 30 秒的法语批量视频中，日常用语平均每条视频需要修改一到三处；一旦脚本中出现产品名称、数字或缩写，修改量就会大幅增加。每条视频的校对时间大约为四到八分钟。这很少。然而，这恰恰是所有人都会删掉的那一项。

Orange 参考框架中的“社交媒体”指南说得很直接：“即使有工具可以自动生成字幕，通常也需要对其进行核查。”WCAG 标准则从 A 级（准则 1.2.2）起就要求所有带音轨的预录视频提供字幕；错误的字幕不满足任何准则，因为合规准则针对的是准确性，而不是有没有字幕。

真正的问题：自动字幕不是交付物

即使在应用内修正过，自动字幕仍然被困在平台里。你无法导出它，无法在自己的网站上复用，也无法提供给要求文件的买方。当客户把之前代理机构制作的“已加字幕”的一批视频交给我们时，我们只检查一点：文件夹里有没有 .srt？十有八九没有。只能全部重新转写。每条视频要花 10 到 20 分钟，去补救本来在剪辑时只需六分钟就能完成的工作。

哪些视频需要加字幕？要求要达到什么程度？

所有承载有意义声音的视频都需要，而要求的高低取决于视频最终投放在哪里，而不是在哪里拍摄。一条只存在于 Meta 广告管理工具中的广告素材，和一条嵌入你商品详情页的视频，适用的规则并不相同，尽管它们往往是同一个母版文件。

受影响人群的规模足以终结关于是否值得做的争论。根据世界卫生组织关于耳聋和听力损失的情况说明，到 2050 年，将有近 25 亿人存在某种程度的听力损失，其中至少 7 亿人需要听力康复。这不是小众群体，而是你付费受众中相当可观的一部分。

法规框架，以及我们尚不清楚的部分

在法国，有三部法规构成了这一议题的框架。2005 年 2 月 11 日法律第 47 条要求公共部门及其下属机构的在线公共传播服务实现无障碍，并以 RGAA 作为技术参考框架，其中“多媒体”主题下的准则明确涉及同步字幕。营业额超过一定门槛的大型企业同样被纳入其中。此外，欧盟第 2019/882 号指令，即 European Accessibility Act（欧洲无障碍法案），自 2025 年 6 月 28 日起适用，其适用范围尤其涵盖电子商务。

我们不清楚的部分，我们宁愿直说：发布在第三方平台上的 Reel 是否属于上述义务的范围，在我们经手的项目中，从未得到过明确的法律答复。我们不是法律专家。但我们观察到的是，这个问题越来越频繁地出现在大客户招标和公共采购中，以需求说明书中一行条目的形式呈现：“提供字幕文件”。你要么有，要么没有。

我们拒绝引用的那个数字

你一定到处都读到过：80% 或 85% 的社交视频是在静音状态下观看的。我们寻找过这个百分比近期可追溯的原始出处，但没有找到：它源自 2016 年一项范围截然不同的研究，此后在一篇又一篇代理机构的文章之间辗转流传。信息流中的静音观看是事实，我们自己的留存数据也证实了这一点。但它的确切比例，则无从证实。对于任何拿着一个照搬而来、没有附上 URL 的百分比向你推销字幕服务的服务商，都要保持警惕。

一条无障碍竖屏视频要花多少钱？该列在报价单的哪一项？

一条30秒竖屏视频的无障碍附加成本，如果在剪辑阶段同步完成，约为8至15欧元；如果按完全合规标准处理，则在25至60欧元之间。这些是我们在2026年各批次制作中统计的边际成本，并非公开报价：前提是剪辑师手上的项目文件仍处于打开状态。如果事后重新处理一批三个月前已交付的视频，成本要翻两到三倍。

具体如何取舍？对于高频更新的TikTok自然流量批次，一律采用第4级：文件只需十欧元左右，而且归您所有。对于计划在付费媒体上投放六周的创意广告素材，同样采用第4级，之后还可以用这份文件制作衍生版本和翻译版本，无需重新听写。对于嵌入您官网、落地页或LinkedIn的视频，采用第5级：监管框架真正发挥约束力的地方正在这里。对于公共采购项目，或设有无障碍部门的大客户，采用第5级，并在签约前把相关条款写进合同。

在报价单上，这一项必须写明。仅仅写“字幕”毫无意义：一方面要明确“画面内嵌文字包装”，另一方面要明确“经校对的字幕文件，格式为.srt或.vtt”。如果服务商把两者合并在一起，卖给您的就是动态字幕。一批交付物应达到的具体要求，请参见12项验收附件；短视频的报价方法，则详见Reel逐项报价解析。

如何在15分钟内验收一批20条视频？

我们不会逐行检查20条视频：而是每个文件用三十秒检查一遍，共20个文件，再随机抽取三条视频深入检查。这是我们交付时执行的流程，也是我们推荐客户用来检查其他服务商的方法。

第1步，五分钟：打开交付的文件夹。.srt文件的数量和.mp4文件一样多吗？如果不是，验收到此为止，退回服务商。第2步，十分钟：随机挑选三条视频，逐一核对以下八点。

• .srt文件可以用文本编辑器打开，并包含00:00:01,200格式的时间码。没有时间码的文件只是文字稿，不是字幕。
• 品牌名称、产品型号、价格和剂量：拼写必须完全准确。这是语音识别（ASR）最先出错的地方。
• 否定词都在。在文件中搜索“ne”“pas”“sans”等否定词，并与脚本逐一对照。
• 每行最多40个字符，每段最多两行。超过这个长度，在6英寸屏幕上就无法阅读。
• 阅读速度约为每秒15个字符。这是我们采用的舒适阅读标准；超过每秒20个字符，就没人跟得上了。
• 承载意义的声音应放在方括号中：[铃声]、[画外笑声]、[烤箱提示音]。如果视频里有这类声音，而整个文件中却一个都没有，说明字幕并不完整。
• 安全区：在真实手机上打开已发布的视频，而不是在剪辑软件的播放器里查看。文字在文案展开后仍必须清晰可见。
• 静音测试：关闭平台字幕并静音。视频是否仍能传达其含义？如果能，说明文字包装发挥了作用。如果不能，说明关键信息只存在于口播中。

这套流程并不能替代由专家开展的无障碍审核，也无意于此。但它能在一刻钟内排除我们在返工批次中见到的90%的问题。而且，如果初始简报中已经写明各项标准，它的效果会更好，具体逻辑见有效简报的三个层次。检查从未提出过的要求，从来都行不通。

除了字幕，竖屏视频中还有哪些内容无法无障碍访问？

最常见、却最少被处理的情况：所有信息都依靠屏幕文字来传达的无声视频。护发产品的前后对比、家具组装演示、价格轮播，全程配着免版税音乐，没有一句话。使用读屏软件刷视频的视障用户，从中得不到任何信息。一点都没有。既没有可以转写的声音，也没有机器可读的文字。

应对方法不算优雅，但行之有效：把关键信息复述在帖子文案里，并在交付包中提供画面信息的文字稿，以便在平台之外再利用。如今我们在所有“纯文字”形式的视频上都强制执行这一做法。五行文案，三分钟就能写完。

对比度、闪烁与合成语音

在我们的验收中，还有另外三点经常出现。内嵌文字的对比度：浅色背景上的纯白文字在流行的包装风格中很常见，但主体一动就看不清了，应添加投影或半透明底条，而不是细描边。闪烁：快速的频闪转场会给光敏感人群带来真实风险，每秒超过三次明暗交替的，我们一律拒绝。最后是TikTok的合成语音：它对部分用户有帮助，却会把品牌名念得一塌糊涂；如果您用它来做开头钩子，发布前请先听一遍。

关于Stories再说一句，Orange的参考指南指出这种形式的无障碍性较差：其固定时长和自动连播的特性本身，就让阅读速度较慢的人难以看完字幕。我们目前还不知道有什么令人满意的解决办法。变通之道是不要只在Stories里发布独有信息，并将同一内容同步发布在长期保留的帖子中。

平台方面也在推进，但仅限于观看端：自动字幕、放大文字、对比度设置、语音合成。这些都无法生成您的法务部门会向您索要的文件。内容创作这部分仍然由您负责，而竖屏视频字幕与无障碍问题的关键正在于此：在构图拍摄和导出的阶段，而不是发布的阶段。一旦有采购方向您索要去年制作的200条广告素材的.vtt文件，补救报价将是原始账单上这一项费用的十倍。2026年我们已经报过两次这样的价。两次，客户都付了钱。

常见问题

字幕已经烧录在视频里，还需要SRT文件吗？

内嵌文字并不是真正的文本：读屏软件无法读取，无法调整大小，也无法导出。Orange的建议明确要求提供与声音同步的独立文本文件。烧录字幕有助于提升信息流中的留存，而字幕文件服务于无障碍和再利用。两者都要交付，报价单上不过是十欧元的一项。

对品牌来说，TikTok自动字幕够用吗？

只要未经校对，就不够用。TikTok说明其自动字幕会自动生成，且观众可以将其关闭。在我们30秒的法语视频批次中，平均每条视频要纠正一到三处错误，产品名称和否定词处错误更多。此外，校正后的文字仍被困在应用内。

9:16竖屏视频中，字幕放在哪里才不会被界面遮挡？

放在画面中部偏下的区域，绝不要贴着画面底部。根据我们2026年10月的测量，在TikTok上可用区域位于画面高度的32%至70%之间，右侧需留出18%的边距，以避开按钮栏。这个区域要在拍摄构图时就预留出来，而不是等到剪辑时。

一条30秒竖屏视频的无障碍字幕要多少钱？

根据我们2026年的制作批次，如果在剪辑过程中同步制作校对过的.srt文件，边际成本为8至15欧元。包含文字稿和画面信息描述的完整合规套餐，则需25至60欧元。如果在交付数月后事后补做，成本要高出两到三倍。

字幕（subtitles）、captions和文字稿有什么区别？

Captions以原语言还原对白和承载意义的声音：这才是无障碍交付物。Subtitles是翻译成另一种语言的字幕，不属于无障碍范畴。文字稿是不带时间码的线性文本，适用于网站或产品详情页。三种不同的交付物，三种不同的用途。

企业是否必须为社交媒体视频添加字幕？

公共部门以及营业额超过一定门槛的大型企业，须遵守2005年法律第47条和RGAA（法国数字无障碍通用标准）。European Accessibility Act（欧洲无障碍法案）自2025年6月28日起适用，尤其涉及电子商务。发布在第三方平台上的视频究竟处于何种法律地位，目前仍有争议：请交由您的法务部门判断。