一部吸引人的影視作品，如果沒有呈現通俗易懂的字幕，很容易讓人產生乏味的觀感。例如當你四處翻墻好不容易下載到一直在追的美劇，打開時卻出現兩種情況，要不就是沒有字幕，你除了簡單的對話之外幾乎聽不懂大部分內容；要不屏幕上就是字幕組天馬行空的“神翻譯”，你只能當作糾錯練習或者搞笑，但追劇心切，長期沒有字幕或者“神翻譯”，只會讓觀看者有蛋碎般糟糕的體驗感。

那么，視頻中的字幕是怎么顯示出來的？目前的字幕技術發展又是怎樣的呢？

視頻字幕的展現形式以及展現過程

視頻字幕的展現形式分為硬字幕、軟字幕以及外掛字幕三種。第一種硬字幕就是在視頻制作前期就將字幕信息編碼到影視中，它將字幕和畫面融為一體，可以最好的兼容視頻，只要視頻能播放字幕就會被加載出來，現在的移動設備下的MP4等視頻都是使用的這種字幕形式，但是你想更換字幕就麻煩了，需要Video Decoder后解析出原生Video剔除字幕信息重新編輯，除了視頻制作方和專業的視頻分析機構，一般不會有人閑的無聊去做這樣的事。

第二種字幕是外掛字幕，它相對硬字幕而言較為靈活。通常的PC播放器都支持加載外掛字幕的功能，外掛字幕以文件的形式與視頻文件同時存在，在播放視頻時通過手動方式將外掛字幕加載進播放器即可實現字幕呈現。當然，這類字幕也有它先天的缺點，我們常常發現下載的字幕顯示與視頻不同步，或字幕出現亂碼，并且與視頻文件同在，讓人有一種累贅多余的體驗。

外掛字幕繁瑣，硬字幕又不可編輯，而第三種軟字幕則介于二者之間，它可以將多個字幕文件和視頻封裝在一起做為一個文件輸出，播放視頻時去選擇需要加載的某個字幕，需要的時候還可以將字幕分離出來去編輯或替換，非常方便。

但是新的問題來了，當遇到視頻語音與字幕不匹配，或找不到外掛字幕又聽不懂奇怪的視頻對話的情況下，有沒有一種方式可以自動匹配音頻修改校對字幕信息或生成對應字幕信息呢？

智能時代的字幕技術

深入了解字幕識別的技術后，才知道原來那些年我們下載的美劇字幕翻譯都是志愿者們人工翻譯出來上傳共享的，要做到自動匹配字幕或生成字幕，必須要有強大的語音識別技術做支撐。而語音識別技術涉及面很廣，覆蓋了統計模式識別技術、語音信號線性預測編碼技術、動態時間規整技術，以及完備的聲學和語言模型，而人類的語音又會依據環境不同而變化，因此必須使用生物識別模板。所以，用語音識別轉換字幕可是不是一件簡單的事兒。

需求總是帶動市場的發展。在了解了利用語音技術來進行字幕工作的優勢后，我查看了解了一下國內外知名的語音識別和影視制作的公司機構的網站，發現Google有一個新鮮玩意已經試運行了一段時間，叫做Peanut Gallery，它可以在頁面上提供一部經典的默片，然后讓你根據畫面上的內容來配一些有意思的對白，你只要將這些對白在麥克風前說出來就可以了，利用Chrome的谷歌語音翻譯技術，Peanut Gallery可以將你說的話實時轉化成文字字幕，和默片結合在一起，這樣一部由你來決定對白的經典默片就出爐了。

這就是利用了目前比較智能的語音識別轉化字幕的技術，但是它有一個非常局限性的缺點，就是只能在Chrome瀏覽器上使用，并且不能完成個性化體驗的需求，好玩卻沒有什么卵用。

國內的百度也提供了一個語音開放平臺，用戶可以定制開發自己的語音產品應用，但尚沒有成熟的視頻語音轉化產品問世，科大訊飛作為老牌的國內語音識別技術公司，也沒有向影視作品的語音轉化字幕發力，反而一些后起之秀如OKVoice的字幕大師等正在嘗試將用戶對影視字幕的個性需求產品化，也算業界比較有獨立思考和創新精神的企業。

由此看來，利用語音識別技術來完成字幕工作已經有猛烈發展的趨勢了，相信以后的字幕工作將會越來越智能化，便捷化、精準化，而音視頻制作產業也將會產生新的變革，人們的觀影體驗也會得到極大的提升�；蛟S，“神翻譯”們也到了將要離開字幕舞臺的時候。