配音本地化最貴的錯誤,不是翻錯一個字,而是改了稿、配了音、上了字幕,上線後才發現時間軸全跑掉。這種錯誤通常不是能力問題,是流程裡少了一份可執行的檢查清單。
這篇給一份可以直接貼進專案管理工具的 QA 清單,按階段分組,每項都有判斷標準。適用於任何「一個母稿 → 多語言配音」的流程。
為什麼本地化 QA 一定要獨立一關
| 常見做法 | 問題 |
|---|---|
| 翻譯完直接配音 | 譯稿是給眼睛看的,唸出來不順 |
| 配音完直接套字幕 | 字幕與實際語速不同步 |
| 一個語言過了就全部上線 | 各語言長度差很大,時間軸不能共用 |
| 只檢查有沒有錯字 | 發音、重音、文化語感全漏掉 |
核心觀念:翻譯、配音、字幕是三份不同的資產,各自要驗。 一份過了不代表另外兩份可用。
階段一:譯稿(配音前)
這階段改動成本最低,所以要把大部分問題擋在這裡。
| 檢查項 | 判斷標準 | 不合格的樣子 |
|---|---|---|
| 可朗讀性 | 大聲唸一遍不咬舌 | 一句超過 25 個音節、連續三個從屬子句 |
| 語序自然 | 母語者不會覺得「翻譯腔」 | 英文的被動句原封搬進中文 |
| 專有名詞一致 | 全篇同一詞同一譯法 | 前段「雲端」,後段「雲服務」 |
| 數字與單位 | 在地化(單位、小數點、日期格式) | 英制單位直接留在公制市場 |
| 品牌名 | 依品牌規範保留原文或音譯 | 自行翻譯品牌名 |
| 慣用語 | 換成該語言的等價說法 | 直譯成語導致意思反轉 |
| 語氣一致 | 與母稿的正式度相符 | 母稿親切、譯稿公文 |
| 敏感詞 | 已排除該市場的禁忌與政治敏感詞 | 宗教、歷史、地名踩雷 |
實務建議:要求譯者交付時附上「長度估算」,標註每段比母稿長多少百分比。這會直接決定後面要不要改腳本。
階段二:腳本調整(配音前)
同一句話,不同語言長度可以差 30%。配音前要按語言重寫節奏,而不是硬塞。
| 檢查項 | 做法 |
|---|---|
| 段落長度 | 每段控制在 2–3 句,方便局部重生 |
| 語速基準 | 事先決定該語言的目標語速(見下表) |
| 停頓標記 | 在腳本裡直接寫出停頓位置與長度 |
| 強調位置 | 標記重音落在哪個詞,避免 AI 平均施力 |
| 數字唸法 | 明確標註要唸數字還是唸文字 |
| 語言 | 常見目標語速 | 備註 |
|---|---|---|
| 中文(繁/簡) | 190–260 字/分 | 衛教、教學取慢端 |
| 英文 | 125–165 wpm | 廣告取快端,教學取慢端 |
| 日文 | 300–380 字/分(かな混じり) | 音節密度高,聽感偏快 |
| 西班牙文 | 150–190 wpm | 音節多,需預留時間 |
| 德文 | 120–150 wpm | 複合詞長,句子易爆長度 |
這些是起點,不是標準答案。用你的實際素材測 30 秒,比套表格準。
階段三:配音生成後
| 檢查項 | 判斷標準 |
|---|---|
| 專有名詞發音 | 對照發音表逐項確認 |
| 多音字 | 中文破音字、日文漢字讀音、英文 heteronym 全數確認 |
| 語速 | 與目標值誤差在 ±10% 內 |
| 停頓 | 句間、段間、指示句後符合腳本標記 |
| 重音 | 落在標記的詞上,沒有平均施力 |
| 情緒 | 與母稿語氣一致(不是每種語言都變亢奮) |
| 結尾 | 沒有被截斷、沒有多餘吸氣或雜音 |
| 一致性 | 同一角色在多段之間音色沒有漂移 |
最容易漏的第 8 項:長篇內容分段生成時,不同段落的音色、語速、音量可能微妙不同。做法是同一段落一次生成完,或固定 seed 與參數。
一定要人工聽的三種片段
- 第一句:觀眾決定要不要繼續的地方。
- 所有數字與單位:最不容易被察覺的錯誤。
- 最後一句與 CTA:最常被截斷或唸得趕。
階段四:時間軸與影音同步
| 檢查項 | 判斷標準 |
|---|---|
| 總長度 | 與原版差距在 ±10% 內,或已重剪畫面 |
| 對點 | 每個畫面切換點與語句邊界對齊 |
| 字幕進出 | 不早於語音超過 0.2 秒、不晚於 0.5 秒 |
| 留白 | 段落之間保留 0.5–1.0 秒,不要硬接 |
| 背景音樂 | 配音音量高於音樂 6–8 dB |
| 片尾 | 有足夠時間看完 CTA 與法律聲明 |
長度差超過 15% 時,不要靠加速語速補。先砍內容,再考慮微調語速——加速後的配音會失去可信度,尤其在教學與衛教內容。
階段五:字幕與文字稿
| 檢查項 | 判斷標準 |
|---|---|
| 行長 | 中文每行 ≤ 18 字、英文每行 ≤ 42 字元(含空白) |
| 行數 | 同時最多 2 行 |
| 最短停留 | 每張字幕 ≥ 1 秒 |
| 斷句 | 在語意邊界斷,不在詞中間斷 |
| 標點 | 符合該語言習慣(中文用全角) |
| 與配音一致 | 逐字對稿,不是逐字直譯 |
| 專有名詞 | 與配音唸法一致 |
| 可讀性 | 手機上可讀,白字有底色或陰影 |
字幕最常見的災難是「字幕跟配音講的是不同版本」。原因通常是字幕由譯稿直接產生,而配音用的是調整後的腳本。字幕必須從最終配音腳本產生。
階段六:文化與市場適配
| 檢查項 | 說明 |
|---|---|
| 稱謂與敬語 | 日韓、東南亞市場的敬語層級要對 |
| 幽默 | 笑點通常不可直譯,該刪就刪 |
| 案例與地名 | 換成該市場可理解的例子 |
| 色彩與符號 | 某些顏色、手勢在特定市場有負面意涵 |
| 法規用語 | 廣告用語、免責聲明的法定寫法 |
| 貨幣與價格 | 在地幣別與格式,必要時重新報價 |
| 節慶時令 | 避開與當地節慶衝突的上線時間 |
這一階段沒有「通用答案」,只能靠當地審稿人。母語者 ≠ 在地審稿人:語言對不代表市場感對。
階段七:上線前最終檢查
- [ ] 每個語言版本都有獨立的最終稿與音檔
- [ ] 發音表已更新並存檔
- [ ] 字幕由最終音檔產生並對過
- [ ] 時間軸與畫面切換點對齊
- [ ] 音量與峰值符合平台規範
- [ ] 各語言版本長度差異已記錄
- [ ] 法律聲明與揭露依市場調整
- [ ] 檔名與版號規則一致(見下)
- [ ] 舊版本已標記或下架
- [ ] 驗收人簽核(語言 + 市場各一)
版控與命名
一套能撐住多語言、多版本的命名規則:
<專案>-<語言碼>-<版本>-<日期>
例:spring-launch-zh-TW-v3-20261115
spring-launch-en-US-v3-20261115
spring-launch-es-MX-v2-20261110
配套規則:
- 語言碼用
zh-TW、en-US、es-MX,不要只寫zh、en。 - 每次改稿升版號,不要覆蓋舊檔。
- 保留「腳本 + 音檔 + 字幕 + 生成參數」為一組。
- 上線清單記錄每個版本對應的頁面或通路。
自動化能幫到哪裡,不能幫到哪裡
| 可自動化 | 仍需人工 |
|---|---|
| 檔案命名與版本檢查 | 發音正確性 |
| 字幕行長與停留時間 | 語氣是否合適 |
| 長度差異計算 | 文化語感 |
| 音量與峰值檢測 | 是否聽起來像「翻譯」 |
| 缺漏段落比對 | 法律與市場合規 |
自動化能把「低階錯誤」清零,讓人把時間花在判斷上。這是 AI 配音真正的價值:不是省掉人,是把人放在需要判斷的位置。
用文字轉語音批次產出各語言版本,需要固定品牌聲線就用聲音克隆,用量與方案看價格頁。
常見問題
Q:可以先配音再修字幕嗎? 可以,但順序必須是「配音定稿 → 字幕」。反過來做,字幕一定要重來。
Q:各語言長度差很多怎麼辦? 優先重剪畫面與調整留白,其次砍內容,最後才微調語速。加速超過 10% 通常聽得出勉強。
Q:需要每個語言都找母語者審嗎? 需要。至少一位該語言母語者,加一位該市場的在地審稿人。高風險內容(醫療、金融、法規)再加專業審核。
Q:AI 配音可以做到完全一致嗎? 同一段落、同一參數下可以很接近。跨段落或跨時間生成時,建議固定參數並抽聽比對。
Q:一次要上幾個語言? 先做兩個,把流程與清單跑順,再擴。一次上六個語言而沒有清單,錯誤量會是倍數成長。
Q:清單要多細? 細到「換人做也能得到同樣結果」。如果你的清單只有「檢查翻譯品質」,那還不是清單,是願望。
把清單變成護城河
本地化的品質不是靠某一次把關,而是靠每次都用同一份清單。當每個語言、每個版本都走同樣的七個階段,錯誤會變成可預測、可修的項目,而不是上線後才出現的驚喜。
如果你的內容包含醫療或衛教題材,語氣與合規的判斷更嚴格,建議一併參考醫療衛教影片 AI 配音。多語言製作的整體流程,則可看多語言產品影片配音流程。


