课程视频字幕交付 AOPC：从自动转写到可验收 SRT

项目一句话

把客户已经取得授权的预录课程视频、讲义和术语资料，整理成逐字稿、术语表、SRT 或 WebVTT 字幕文件、人工复核记录和目标平台导入结果。AI 先生成转写、断句与时间码草稿，人工再逐句确认说话人、专业词、数字、符号、有效声音、时间同步和画面遮挡。卖的是能被客户导入、复核、修改和验收的字幕交付，不是把自动转写文件换个名字直接发走。

教育行业标准 JY/T 0650—2022 要求视频播放时声音、画面和字幕保持同步，并规定字幕以独立的 SRT 文件提交、不与视频合成；存在多语种时分别提交。2026 年公开采购的在线课程需求还出现了简体中文字幕、内容与教师讲授相符、符号完整、单行和字符数等明确验收条件。公开大项目不能证明小团队的统一价格，却说明课程字幕是能够写入文件格式和验收条件的真实交付物。

适合什么人

适合做过课程后期、文字校对、听打、翻译项目管理或教育内容运营，愿意反复监听同一句话并把听不清标成待确认的人。经营者要能使用字幕编辑器、理解时间码和字符编码，保存源文件、导出文件与修改记录，还要能组织讲师或客户专业人员确认课程术语、数字、公式和事实。

不适合把语音识别准确率当成最终质量、不能保护客户素材、拒绝记录未知项，或希望用一套字幕规则覆盖所有平台的人。直播实时字幕需要低延迟设备、现场保障、备份人员和故障处置，不属于七天内的一人最小验证。医疗、法律、金融、安全生产等高风险课程若没有相应专业人员复核，也不进入交付。

客户是谁

第一类客户是已有预录课程、但缺少稳定字幕流程的职业院校、培训机构和继续教育团队。它们能提供课程负责人、讲师、原始视频、讲义或课件、术语表、发布平台和最终验收人。最适合试单的是即将上线、迁移平台或补齐历史资源的一小批课程，而不是要求一次处理整个课程库。

第二类客户是课程拍摄工作室、教育技术供应商和小型课程制作服务商。它们已经完成拍摄剪辑，却需要把字幕转写、术语确认、修改和平台导入变成可追踪的后期环节。服务商按客户逐个隔离素材和术语，不能把一位讲师的内部资料用于训练另一个客户的项目。

教育部的数字教育资源内容审核规范要求对政治性、科学性、适用性和规范性进行审查，并提出机器审核与人工审核结合。字幕服务可以提供文字、格式和证据，但课程的教学内容、科学性、版权、隐私和发布决定仍由客户指定人员审核。

卖什么

最小交付范围固定为一个客户、一个发布平台、一种源语言和一个十分钟预录片段。范围表记录视频版本、时长、音轨、讲师、讲义、术语资料、字幕类型、格式、字符与换行规则、目标平台、修改轮次、禁止上传位置和验收人。源视频缺段、音质不可辨或客户没有权利处理时，先报告问题，不凭上下文补写。

基础包包括带时间码逐字稿、客户确认术语表，以及一份 SRT 或 WebVTT 字幕文件。若客户要的是无障碍字幕，除口语外还要在约定范围内标注说话人和理解内容所需的声音；W3C 对 captions 的解释明确包含有意义的非语音信息，而不仅是对白。若客户只要对白字幕、双语字幕或烧录字幕，应在范围表中另行定义，不能把不同产品混用。

验收包包括听不清和待确认清单、数字与术语复核表、时间轴重叠和过长项、平台导入截图或记录、文件命名、编码、修改日志和客户确认。WebVTT 是 W3C 正在推进的候选推荐草案，适合支持外部文本轨的网页播放器，但页面也明确它仍是可更新的工作草案；交付前必须以客户平台当期支持格式为准。

怎么收费

转写和时间轴基线按成片分钟、源语言、说话人数、重叠说话、音质、背景噪声、专业术语密度和参考资料完整度计费。成片分钟只是工作量单位，不代表每分钟都同价；多人讨论、公式密集或音质差的课程需要单独试样。

字幕交付按字幕类型、SRT 或 WebVTT 等格式、平台规则、是否需要说话人和有效声音、人工校对层级、讲师确认、导入测试和修改轮次计费。翻译字幕要按目标语言、译者或专业审校、术语表和回译要求单独计费，不能把机器翻译包含在基础转写中。

版本更新按新增片段、重录内容、源视频剪辑变化、术语表变化或目标语言批次计费。客户更换平台或改变字符、换行、时间码规则时，先测试一个文件再估算。公开采购金额包含整套课程建设与其他服务，不能推导本项目的市场统一价或收入承诺。

启动成本与工具

首单需要客户授权的源视频、讲义或课件、术语资料、封闭监听环境、耳机或音箱、可导出字幕的编辑工具、安全存储、版本索引和目标平台测试入口。可在客户批准的设备上使用本地语音识别，也可使用客户批准的云端服务；决定工具前先核对数据处理、保存期限、模型训练和删除规则。

启动成本按客户授权素材、转写与字幕工具、监听设备、安全存储、格式导入测试、术语复核和人工校对的实际投入核算。免费或本地转写工具不能消除人工监听、专业术语确认、文件导入和返工成本。需要翻译、科学性复核或无障碍专业评价时，把专业人员费用单独列出。

七天验证先用一段十分钟、音质可用且讲义齐全的课程，记录自动转写耗时、人工校对耗时、每分钟错误数不作为对外承诺而只作内部估算，并统计术语、数字、重叠说话、时间轴调整、导入失败与一次修改的真实投入。工具价格、处理速度和客户返工率无法统一公开，必须通过试单验证。

AI 员工配置

转写助手生成预录课程的文字、断句和时间码草稿，并把低置信或听不清片段标出来。术语助手对照讲义、课件和客户术语表，列出拼写不一致、数字、单位、公式和人名差异。格式助手检查时间码倒序、重叠、空字幕、过长行、编码和文件结构。交付助手整理修改记录、未知项和客户验收说明。

YouTube 官方帮助说明自动字幕可能因误读、口音、方言、背景噪声、音质、多人重叠或多语言而错误，并要求创作者检查和编辑。由此得到的可执行边界是：自动字幕仍必须人工复核；任何工具宣传的准确率都不能替代对当前课程的逐句核对。

人工负责人确认素材权利和客户规则，反复监听原音，核对说话人、专业词、数字、符号、有效声音、换行、阅读节奏和画面遮挡，并在目标平台完成导入测试。讲师或学科负责人确认专业内容；客户内容审核人员批准政治性、科学性、适用性、版权、隐私和最终发布。不能据此宣称课程内容已经通过教学、科学性、版权或无障碍认证。

7 天启动步骤

1. 第 1 天：固定最小范围。 选择一个客户、一个平台、一种源语言和十分钟已授权预录片段，写明字幕类型、格式、修改轮次和验收人。
2. 第 2 天：访谈真实返工。 访谈五家课程团队或制作服务商，复盘最近一次字幕交付在术语、数字、时间轴、平台导入还是讲师确认处返工。
3. 第 3 天：取得资料与授权。 收到源视频、讲义、课件、术语表和客户书面授权，确认允许使用的转写环境、保存期限和删除方式。
4. 第 4 天：生成可疑项草稿。 用 AI 生成转写与时间码，标记听不清、多人重叠、未知术语、数字和可能遮挡的位置，不自动补写。
5. 第 5 天：逐句人工复核。 反复监听并对照讲义，确认说话人、专业词、数字、符号、有效声音、断句与时间同步，形成待讲师确认表。
6. 第 6 天：导入目标平台。 导出 SRT 或 WebVTT，在客户指定播放器检查编码、换行、同步、字符限制和字幕轨，记录所有修改。
7. 第 7 天：完成付费验收。 交付字幕、逐字稿、术语表、未知项和导入记录，由客户按可导入、可复核、可修改和专业词确认书面验收。

七天验证只证明一段预录课程能按约定格式交付，不证明可以独立承接直播、批量课程库、所有语言、所有学科或任何平台。

第一个客户从哪里来

先联系已有合作关系的课程拍摄工作室、职业培训服务商或教育技术供应商，询问未来三十天内是否有课程上线、平台迁移、历史资源补字幕或客户要求独立字幕轨。具体找课程项目经理、后期负责人或内容运营，询问他们目前由谁校对专业词、目标平台接受什么格式、一次字幕要经过几轮确认，以及最近一次导入失败在哪里；不群发“AI 自动生成零错误字幕”。

首单选择一条音质可用、讲义齐全的十分钟课程片段，做限定范围的付费试单。合同或确认单写明源语言、字幕类型、SRT 或 WebVTT、一次术语确认、一次修改、目标平台和素材删除方式。验收标准是客户成功导入指定平台，时间同步无倒序或重叠，讲师确认抽查的专有名词和数字，未知项没有被猜写，并能从修改记录追溯到原视频时间点。

没有现成关系时，可从本地公开的课程制作公司、职业培训机构供应商目录或教育行业活动参展名单中寻找公开业务入口，只一对一发送十分钟试单说明。不要下载未授权课程做样片，不抓取讲师或学员联系方式，不把公开采购项目金额当成小客户报价依据。

风险与不适用场景

第一类风险是素材和数据越权。课程可能包含讲师声音、肖像、课件版权、学员发言、内部案例或未公开资料。接单前确认客户有权提供和处理这些内容，使用客户批准的设备、模型与存储；涉及未成年人、学员个人信息或内部培训时，优先使用本地环境并按协议删除。

第二类风险是自动转写错误被隐藏。口音、背景噪声、多人重叠、公式、外文缩写和专业词都可能让模型产生看似通顺但错误的字幕。所有低置信和未知项保留标记，数字、单位、人名和关键术语回听原音并交讲师确认，不以模型分数替代人工验收。

第三类风险是格式正确但平台不可用。SRT、WebVTT、烧录字幕和平台内字幕轨的编码、换行、字符数、位置与样式规则不同。每个新平台先导入一个短文件，保存实际结果；W3C 草案或教育行业标准不能证明客户平台一定完整支持某种格式。

第四类风险是服务边界失真。字幕文字和时间轴复核不等于教学内容审核、事实核查、翻译认证、版权清查或无障碍认证。教育部规范中的政治性、科学性、适用性和规范性审核由客户组织，经营者只记录字幕层面的发现。需要专业翻译、医学法律审校或无障碍评价时必须增加合格复核人。

本项目不适用于未获授权的网课搬运、要求把平台自动字幕直接交付、拒绝提供讲义或专业确认人、要求猜写听不清内容、处理直播实时字幕、涉及大量敏感资料却要求上传公共模型，或把一次十分钟样片外推为整库固定工时和收入承诺的客户。

来源

• JY/T 0650—2022 智慧教育平台数字教育资源技术要求核查于 2026/8/5：教育行业标准要求视频声音、画面和字幕同步，字幕以独立 SRT 文件提交，多语种分别提交；适用范围是智慧教育平台资源技术审查，不能直接外推所有商业平台规则。
• 国家智慧教育平台数字教育资源内容审核规范（试行）核查于 2026/8/5：教育部要求数字教育资源围绕政治性、科学性、适用性和规范性审核，并采用机器与人工审核结合；这些审核责任不能由字幕工具自动替代。
• 农耕文化系列在线开放课程建设项目竞争性磋商公告核查于 2026/8/5：2026 年公开采购需求列出 SRT、简体中文字幕、内容和符号相符、单行与字符数等具体标准，证明字幕是可验收交付物；整套采购范围和金额不能作为本项目报价依据。
• YouTube Help：Use automatic captioning核查于 2026/8/5：平台官方说明自动字幕可能受误读、口音、方言、背景噪声、音质、多人重叠和多语言影响，并要求创作者检查修改。
• W3C WCAG 2.2：Understanding Captions (Prerecorded)核查于 2026/8/5：解释预录同步媒体字幕应包含理解内容所需的言语和非言语音频信息，并区分对白字幕、开放字幕和关闭字幕。
• W3C WebVTT: The Web Video Text Tracks Format核查于 2026/8/5：定义与 HTML 文本轨关联的 WebVTT 字幕格式；2026 年 5 月版本仍是候选推荐草案，交付时应按客户平台支持情况实测。