mcpField
C
captions-media-accessibility

captions-media-accessibility

github.com/calesthio创意与媒体219138 次安装15 周前更新
代码仓库

关于 captions-media-accessibility

面向视频与音频制作的无障碍字幕指导技能，帮助创作者规划、编写和检查字幕及文字稿。内容涵盖格式、时序、可读性和交付目标，并强调以最终音画为准。

主要功能

  1. 01区分字幕、SDH、文字稿等需求
  2. 02规划字幕内容与时序
  3. 03提供烧录字幕设计指导
  4. 04指导文字稿与描述性文字稿
  5. 05覆盖格式与平台交付注意事项

适用场景

  1. 01为预录视频制作字幕
  2. 02为社交视频设计烧录字幕
  3. 03为培训材料准备文字稿
  4. 04规划无障碍交付与审核

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/calesthio/generative-media-skills --skill captions-media-accessibility

安装后在 Claude Code 中输入/captions-media-accessibility确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

EVAL.md
scripts/
validate_captions.py
tests/
test_validate_captions.py

详细介绍

字幕与媒体无障碍方向

应将字幕和无障碍轨道视为制作资产，而非润色内容。制作时应以脚本、音频混音、剪辑、本地化计划和平台交付目标为依据。如果用户要求符合法律规定，请说明所依据的标准，并建议由具备资质的无障碍或法律顾问审核；不要仅凭生成的文件承诺符合法律规定。

先对媒体进行分类

编写或导出字幕前，先确认：

  • 内容类型：带音频的预录视频、直播／近实时视频、纯音频、纯视频，或无声社交媒体剪辑。
  • 受众需求：面向聋人／听力障碍观众的字幕、面向听力正常观众的翻译字幕、SDH、文字稿、描述性文字稿、音频描述、手语，或平台默认的自动字幕。
  • 交付目标：社交媒体烧录字幕、网页播放器外挂字幕、广播／OTT、LMS／培训门户、内部审核、本地化套件，或存档母版。
  • 无障碍风险：重要的视觉文字、图表、屏幕录制、多个说话人、对话重叠、音乐／歌词、推动故事发展的声音节拍、闪光／频闪、快速动态排版、低对比度、手机小屏幕，或平台 UI 覆盖层。
  • 最终素材的基准：锁定后的音频混音和最终画面。生成的脚本、TTS 草稿和 ASR 转录稿只是起点；剪辑完成后，它们并非最终依据。

需保留的文档事实

在相关情况下，请将以下内容作为事实约束；如果输出或交接说明中的主张涉及这些内容，请注明来源。

  • WCAG 2.2 要求：预录制同步媒体中的音频提供字幕，符合 A 级（SC 1.2.2）；直播同步音频提供字幕，符合 AA 级（SC 1.2.4）；预录制视频提供音频描述，符合 AA 级（SC 1.2.5）。根据 SC 1.2.3，WCAG A 级允许为预录制同步视频提供音频描述或媒体替代方案。来源：W3C WCAG 2.2，2026-07-10 核实。
  • WCAG 2.2 闪烁指南指出，除非低于一般闪烁或红闪阈值，否则内容在任意 1 秒内不得闪烁超过 3 次。来源：W3C Understanding SC 2.3.1，2026-07-10 核实。
  • WCAG 规定文本的最低对比度为 4.5:1，大号文本为 3:1。这是针对网页文本的标准；内嵌字幕属于视频像素，但除非平台或规范有更严格要求，否则应以此作为字幕可读性的最低设计目标。来源：W3C WCAG 2.2 SC 1.4.3，2026-07-10 核实。
  • Section508.gov 区分隐藏字幕、开放字幕、对白字幕和文字稿：隐藏字幕可以开启或关闭；开放字幕永久显示在视频中；对白字幕通常为听力正常的观众翻译对白，通常不包含说话者标识或非语音音频；文字稿不带时间码。来源：Section508.gov 同步媒体指南，2026-07-10 核实。
  • 美国 FCC 针对其监管范围内的电视节目制定的字幕质量规则，以准确性、同步性、完整性和位置为质量标准；字幕应包含相关的非语言信息、清晰易读，并避免遮挡重要视觉内容。来源：通过 Legal Information Institute/eCFR 文本查阅的 47 CFR Sec. 79.1，2026-07-10 核实。此技能不判定某个具体项目是否受 FCC 规则约束。
  • YouTube 帮助中心将 SRT 和 SBV/SubViewer 列为基本格式，将 WebVTT/TTML/SAMI/RealText 列为高级格式；基本格式的 SRT/SBV 文件必须采用纯 UTF-8 编码，且 YouTube 指出其样式支持有限。来源：YouTube 帮助中心，2026-07-10 核实。
  • Vimeo 帮助中心说明，Vimeo 支持用于字幕/对白字幕的 SRT 和 WebVTT，推荐使用 WebVTT，特殊字符必须采用 UTF-8 编码。来源：Vimeo 帮助中心，2026-07-10 核实。
  • WebVTT 是一种用于媒体轨道的 UTF-8 定时文本格式；文件以 WEBVTT 开头，包含定时提示，并可根据播放器支持情况用于字幕、对白字幕、描述、章节或元数据。来源：W3C/MDN 和美国国会图书馆 WebVTT 文档，2026-07-10 核实。
  • W3C WebVTT 语法要求使用 UTF-8、包含 WEBVTT 文件签名、提示时间使用带句点的毫秒格式、提示开始时间按顺序排列，且结束时间晚于开始时间。该格式允许字幕/对白字幕提示重叠，但许多字幕交付工作流仍会拒绝或标记重叠。来源：W3C WebVTT 候选推荐草案，2026-07-11 核实。
  • SRT 是一种广泛使用但标准化程度较低的纯文本侧车文件约定，由重复区块组成：数字序号、开始/结束时间行、字幕文本和空行分隔符。常见交付实践使用 HH:MM:SS,mmm --> HH:MM:SS,mmm 时间格式，并在现代平台上传时使用 UTF-8；不过，旧版 SRT 文件也可能采用其他编码。来源：美国国会图书馆 SRT 格式说明及此处已引用的平台指南，2026-07-11 核实。
  • Netflix 定时文本指南是特定于平台的，并非普遍适用的法律。其公开的合作伙伴帮助指南包括：每条字幕最多 2 行、按语言划分的样式指南、一般要求中规定的事件最短/最长持续时间，以及美式英语 SDH 中使用方括号标注说话者身份/音效的惯例。来源：Netflix 合作伙伴帮助中心，2026-07-10 核实。

生产环境的启发式建议

这些是制作方面的默认建议。若有正式的客户风格指南、广播规范、特定语言的字幕惯例或平台验证错误，请以其为准。

  • 只要平台支持，出于无障碍考虑，优先使用独立字幕文件。只有在平台、广告投放或用户体验要求文字始终可见时，才添加硬编码字幕／开放字幕。
  • 如果为社交媒体视频添加硬编码字幕，仍要保留可编辑的独立字幕／文字稿主文件。硬编码字幕无法关闭、重新设置样式、搜索或翻译，也无法保证能被辅助技术可靠使用。
  • 预录媒体应使用编辑后的字幕。自动字幕适合用于初稿对齐，但最终成品需要由人工／Agent 对照音频审核，包括说话人身份、标点、音效、专有名词和时间安排。
  • 确保字幕易于阅读：通常为 1-2 行，行长均衡，断句自然，并留出充足的屏幕显示时间，避免观众来不及阅读。如果文字过于密集，只删改非必要的重复内容，同时保留原意和关键词。
  • 根据对应音频为字幕定时：在语音／声音开始时或附近显示，在结束时或附近消失，避免字幕重叠，也不要让字幕在笑点、揭示内容或安全关键指示被听到之前提前出现。
  • 如果字幕遮挡人脸、下三分之一字幕、产品 UI、图表、画面中已有的字幕、法律声明或平台控件，请调整字幕位置。
  • 制作生成视频时，可通过无障碍友好的脚本和剪辑设计来减少字幕处理工作：减少相互干扰的声音，确保屏幕文字易读，在可能时通过旁白描述视觉信息，并在需要时为音频描述留出停顿。

字幕与 SDH 字幕编写

根据以下输入制作字幕母版：

  • 已锁定的视频和音频；
  • 最终旁白／对白脚本或文字稿；
  • 说话人列表，包含姓名、头衔、角色、发音，以及姓名首次揭晓的时间；
  • 产品名称、专有名词、缩略词、技术术语、法律措辞和自创／生成名称的术语表；
  • 音乐提示表和歌词状态；
  • 屏幕文字列表、图表／数据标注，以及仅通过画面呈现的故事情节；
  • 目标格式、帧率／时间码规范、语言／地区标签和风格指南。

每条字幕：

  • 按顺序包含说出的内容。除非为了保证易读性或时间限制而必须压缩，且所采用的标准允许，否则不要改述。
  • 保留原意、语气和核心词汇。若刻意使用的俚语、语法错误、重复或犹豫对人物塑造、幽默、安全或说明很重要，则应保留。
  • 使用标点澄清含义，而非装饰文字。
  • 如果观众无法从字幕位置或画面中可靠地判断说话人，则标明说话人。只有在内容揭晓姓名后才能使用已知姓名；否则使用中性描述，例如 [narrator]、[offscreen voice]、[woman 1]，或经客户批准的标签。
  • 当非语言音频会影响含义、情绪、安全、故事或说明时，予以标注：[alarm blares]、[soft piano music]、[audience laughs]、[door unlocks]。不要为每个无关紧要的偶发声音都添加字幕。
  • 如果歌词清晰可闻且很重要，则在遵循版权／客户指示的前提下为歌词添加字幕。如果不为歌词添加字幕，且音乐会影响观看体验，则应标明音乐。
  • 不要提前透露听力观众当时无法获取的信息。不要提前说出神秘说话人的身份、揭示反转或解释隐藏原因。
  • 避免在字幕中描述画面，除非是在呈现声音或用于识别说话人。画面信息应通过旁白、整合式描述、音频描述或描述性文字稿提供。

换行：

  • 在句子、分句或短语边界处换行。
  • 避免将冠词与名词、形容词／修饰语与名词、姓名的名与姓、助动词与主动词、介词与其宾语，或主语代词与其动词分开。
  • 如果可以采用更清晰的拆分方式，不要将一句话的结尾和下一句话的开头放在同一行。
  • 尽量避免双说话人字幕；确实无法避免时，应采用目标格式／平台支持的一致规范，让说话人的区分在视觉上清晰可辨。

时间：

  • 根据最终音频对齐字幕，而非依据脚本时间。
  • 除非为保证易读性所必需且不会造成误导，否则不要让字幕在语音结束后持续太久。
  • 合理使用间隔以提高易读性，但避免因间隔过短而造成不必要的闪烁。
  • 如果说话人被打断，应使用能清楚表达打断关系的标点。
  • 对于语速过快的免责声明、安全说明或法律文本，应要求调整难以辨认的语速，而不是用极小的字幕掩盖问题。

烧录式／开放式字幕设计

烧录式字幕是叠加在动态画面上的文字。应像设计易读的 UI 一样进行设计：

  • 确保文字与各种典型画面都有足够的对比度。如果背景变化较大，可添加半透明底框、阴影、描边或渐变。
  • 文字应足够大，以适应预期中最小的屏幕和压缩流程。在手机尺寸下预览，不要只在桌面显示器上查看。
  • 为平台 UI 留出边距：不同平台和屏幕方向上的字幕、账号名、互动按钮、进度条、画面下方的标题以及安全区域各不相同。
  • 避免将字幕放在面部、唇形同步／头像内容中的嘴部、正在演示的产品、图表、已有字幕以及手语翻译员上方。
  • 动画应克制。逐词动态字幕有助于提升社交平台上的观看留存率，但如果漏掉词语、移动过快、对比度不足或无法关闭，就不能替代无障碍字幕。
  • 不要仅靠颜色区分说话者或表达含义。应结合标签、位置或其他非颜色提示。

文稿和描述性文稿

在用户提出要求、媒体仅包含音频、训练／搜索／审核工作流能从中受益，或无障碍要求规定需要提供基于时间的媒体替代内容时，应提供文稿。

基本文稿：

  • 包含语音、说话者姓名、有意义的非语音音频，以及音乐／歌词说明。
  • 修正明显的 ASR 错误、标点和专有名词。
  • 在有助于浏览时添加标题或时间戳。

描述性文稿：

  • 在基本文稿的基础上，补充必要的视觉信息：屏幕文字、图表、动作、场景变化、演示、手势，以及仅通过视觉呈现的笑点或说明。
  • 与字幕和音频描述使用相同的事实来源。
  • 尽量采用简洁的描述，让读者无需观看或收听视频也能理解内容。

音频描述规划

尽可能在画面锁定前规划音频描述。对于许多讲解视频、演示视频和培训视频，成本最低、效果最好的方案是整合式描述：编写主要旁白时，自然地说出必要的视觉信息。

选择方式：

  • 整合式描述：最适合新制作的讲解视频、培训视频、屏幕演示、产品演示和教育媒体，尤其适用于旁白可以提及重要视觉内容的场景。
  • 独立音频描述轨道：最适合需要保留原始混音，且播放器／平台支持切换到其他描述音轨的场景。
  • 带描述的视频替代版本：最适合平台不支持用户选择音频描述，但可以托管第二个版本的场景。
  • 定时文本描述文件：如果播放器支持通过文本提供描述，则可采用此方式；请确认播放器支持播放。
  • 描述性文稿：有助于扩大内容的可访问范围，也是某些 WCAG 场景中的要求，但并不总能替代请求的符合等级所要求的同步音频描述。

描述内容：

  • 重要动作、人物身份、场景变化、环境、图表、示意图、屏幕操作、屏幕文字、产品状态、手势，以及仅通过视觉呈现的因果关系。
  • 为观众介绍场景时，先描述概况，再说明细节。
  • 优先描述观众理解和欣赏内容所需的信息。不要填满每一处停顿。
  • 使用现在时、主动语态、客观措辞，以及适合受众的词汇。
  • 若描述可见事实就足够，避免臆测情绪或意图。除非情绪已在其他地方说明，或明显无疑且与内容相关，否则应优先写“Maya 握紧双拳”，而不是“Maya 怒不可遏”。
  • 尽可能在相关画面出现之前或出现时提供描述，而不是等到观众已经需要这些信息之后。
  • 除非确有必要，否则不要盖过对理解内容至关重要的对白或音频。

闪烁、动态效果与感官安全

对生成的动态图形、故障特效剪辑、闪电、警报、相机闪光、频闪、快速剪辑、高对比度图案闪烁、红色闪光和强烈的动态排版进行感官安全检查。

  • 除非合格的测试人员确认闪烁低于一般闪烁／红色闪烁阈值，否则请避免闪烁频率超过 WCAG 每秒三次的阈值。
  • 减少或移除全屏白色／红色闪光、高对比度画面交替、快速反转效果和重复的频闪转场。
  • 避免让字幕本身闪烁、抖动、旋转、模糊或快速改变位置。
  • 对动态效果较多的交付内容，如果受众或平台有此需要，可考虑制作减少动态效果的版本或强度较低的剪辑。
  • 如果可以通过设计避免不安全的闪烁，警告并不能替代这种做法。

本地化交接

不要把本地化视为“翻译 SRT”。请准备以下资料包：

  • 最终视频参考文件；如有帮助，可附带烧录的审阅时间码；
  • 源稿文字稿和字幕；
  • 说话者列表、角色名称、代词（如有提供）、头衔／角色以及发音说明；
  • 产品名称、品牌术语、缩略语、UI 字符串、法律措辞、笑话和禁止翻译术语的术语表；
  • 关于受众、语体／正式程度、地区、阅读水平和平台的说明；
  • 关于歌曲、歌词、引用内容、被消音／哔声替代的词语以及外语对白的备注；
  • 针对目标语言字幕与 SDH 的单独说明；
  • 需要翻译、配音、替换或描述的屏幕文字截图或标记；
  • 所需的输出格式、地区标签和文件命名规则。

本地化决策：

  • 按语言／地区和用途分别生成文件：翻译字幕、同语言字幕／SDH、强制叙事字幕、音频描述脚本和文字稿都是不同的交付内容。
  • 根据目标语言的阅读速度和字幕惯例确定换行、标点和精简方式。
  • 在 SDH 中保留说话者标识和有意义的非语音音频。面向听力正常观众的标准翻译字幕可省略非语音音频，除非客户端要求采用 SDH 风格的字幕。
  • 除非交付内容明确要求双语字幕，否则不要翻译同语言字幕中的源语言对白。
  • 对配音／头像本地化视频，字幕必须与最终配音音频一致，而不是与源稿一致。

QA 检查清单

对照最终视频、最终音频和导出的文件进行检查。

内容：

  • 字幕与最终音频一致，包括新增或删除的台词、重录内容、消音处理和 AI 语音变更。
  • 专有名词、数字、URL、产品术语、单位和缩写均正确。
  • 说话人 ID 准确，且不会提前透露信息。
  • 包含必要的非语音音频；移除无关杂音。
  • 除非出于无障碍需求或时间安排需要，否则字幕不重复屏幕上的文字。

时间和可读性：

  • 字幕条目没有重叠、负时长、缺少结束时间或顺序错误。
  • 字幕条目在对应音频出现时出现，并在对应音频结束时消失。
  • 密集部分在目标屏幕尺寸下易于阅读。
  • 换行不改变短语含义。
  • 字幕不会遮挡重要画面。

无障碍与设计：

  • 平台支持时，提供旁挂字幕文件。
  • 烧录字幕在具有代表性的画面中满足对比度和安全区域要求。
  • 音频描述或整合式描述涵盖仅通过视觉呈现的重要信息。
  • 按需或必要时提供描述性文字稿。
  • 降低闪烁和动态内容带来的风险，并记录相关情况。

交付：

  • 文件使用 UTF-8 编码。
  • SRT 使用逗号表示毫秒，并为字幕条目编号；WebVTT 以 WEBVTT 开头，并使用句点表示毫秒。
  • 平台上传时，语言/地区和类型标签正确。
  • 旁挂文件已在目标平台或播放器中测试，而不仅仅是在本地编辑器中测试。
  • 本地化文件采用目标语言的排版风格，而非直接照搬源语言的换行。

内置字幕验证器

此技能包含一个基于标准库、适用于 Python 3.11+ 的验证器，位于 scripts/validate_captions.py。当 Agent 需要在交付、平台上传或回归审查前，对 SRT 或 WebVTT 侧车文件结构进行本地且确定性的检查时，可使用此工具。

验证内容：

  • UTF-8 解码。
  • 按字幕块而非整文件替换的方式解析 SRT 和 WebVTT 结构。
  • WebVTT WEBVTT 签名与字幕块之间的头部信息分隔。
  • 针对 STYLE、REGION 和字幕时间设置进行专项 WebVTT 验证；对于不支持、重复、格式错误或超出范围的设置，会明确报错，而不会静默忽略。
  • 自动检测或显式指定 srt/vtt 格式。
  • 时间戳语法：SRT 使用逗号表示毫秒；WebVTT 使用句点表示毫秒，支持 MM:SS.mmm 或 HH:MM:SS.mmm 格式。
  • 字幕开始时间早于结束时间。
  • 根据此工具面向交付的策略，对字幕顺序和重叠发出警告或错误。
  • 字幕文本是否存在。
  • 可配置的文本行数上限和每行可见字符数上限。
  • 可配置的每秒可见字符数警告。

适用范围：

  • 此工具不认证是否符合 WCAG、FCC、ADA、Section 508、广播机构、流媒体服务或平台的合规要求。
  • 此工具仅验证生产环境侧车文件中使用的部分 WebVTT 设置；不会完整解析 STYLE 块中的 CSS，也无法证明特定播放器中的渲染行为。
  • 此工具不会根据音频判断转录准确性、说话人身份、翻译质量、语义完整性、对比度、位置、闪烁安全性，也不会判断字幕是否足以满足特定法律义务。
  • 此工具不会重写、压缩、翻译、规范化 Unicode 字符或对字幕进行语义编辑。
  • 请将警告视为生产审查信号。部分 WebVTT 重叠在语法上允许存在，但由于许多字幕交付工作流要求侧车文件中的字幕互不重叠且易于阅读，此验证器会标记这些重叠。

CLI 调用示例：

python skills/production/audio-craft/captions-media-accessibility/scripts/validate_captions.py captions_en.srt
python skills/production/audio-craft/captions-media-accessibility/scripts/validate_captions.py --format vtt captions_en.txt
python skills/production/audio-craft/captions-media-accessibility/scripts/validate_captions.py --max-lines 2 --max-chars-per-line 42 --cps-warning 20 captions_en.vtt
python skills/production/audio-craft/captions-media-accessibility/scripts/validate_captions.py --warnings-as-errors captions_en.srt

退出代码：

  • 0：没有验证错误；除非设置了 --warnings-as-errors，否则可能存在警告。
  • 2：存在验证错误，或设置了 --warnings-as-errors 时存在警告。
  • 3：操作或解析失败，例如文件无法读取、UTF-8 无效、格式未知、缺少 WebVTT 头部或字幕块格式错误。

JSON 输出架构：

{
	"tool": "validate_captions",
	"version": "1.0.0",
	"status": "passed",
	"summary": {
		"files": 1,
		"cues": 2,
		"errors": 0,
		"warnings": 0
	},
	"files": [
		{
			"path": "captions_en.srt",
			"format": "srt",
			"cues": 2,
			"errors": 0,
			"warnings": 0
		}
	],
	"findings": [
		{
			"severity": "warning",
			"code": "characters_per_second",
			"cue": 2,
			"location": {
				"file": "captions_en.srt",
				"line": 6
			},
			"message": "Cue reads at 22.50 characters per second; warning threshold is 20"
		}
	]
}

稳定的发现字段包括 severity、code、cue、location 和 message。location 始终包含 file，也可能包含 line 和 column。已知的发现代码包括 invalid_utf8、file_read_failed、format_unknown、webvtt_header_missing、webvtt_header_invalid、webvtt_late_header_block、webvtt_timing_missing、srt_block_too_short、srt_index_invalid、timestamp_syntax、time_order、cue_order、cue_overlap、cue_text_missing、srt_index_sequence、max_lines、max_chars_per_line、characters_per_second 和 no_cues。

示例

示例：社交广告字幕方案

制作意图：为一款跑步应用制作 20 秒竖屏广告，英文源片，上传至 TikTok/Reels/YouTube Shorts，同时提供始终可见的创意字幕和 SRT 主文件。

方案：

  • 根据最终混音制作逐字且支持 SDH 的 SRT。
  • 只有在不会省略安全关键声明的情况下，才烧录更短的视觉字幕层以提高留存率。
  • 将字幕放在底部 UI 上方，并避开应用屏幕录制区域。
  • 由于画面会在户外日光和手机 UI 之间交替，使用半透明深色底衬。
  • 检查冲击转场处是否闪光，并移除白帧闪烁。

SRT 示例片段：

1
00:00:00,200 --> 00:00:02,000
[upbeat electronic music]

2
00:00:02,100 --> 00:00:04,300
MAYA: I stopped guessing
what my training needed.

3
00:00:04,500 --> 00:00:07,000
Now RunPilot adjusts my plan
after every workout.

4
00:00:07,200 --> 00:00:09,100
[watch chimes]
Today's run just got easier.

采用这种结构的原因：SRT 保留说话人和声音环境信息，便于无障碍访问；只有在侧车文件内容完整的前提下，单独烧录的创意字幕层才可以使用更少的文字。

可能的失败模式：平台 UI 遮挡底部字幕行；ASR 将“RunPilot”识别为“run pilot”；烧录字幕层成为唯一交付的字幕，并遗漏 [watch chimes]。

示例：培训讲解视频的集成式音频描述

制作意图：制作一段 90 秒的入门视频，演示如何重置仪表板筛选器。用户需要无障碍培训媒体，而不是电影化的故事。

无障碍旁白改写：

Original narration:
"Click here, then choose last quarter."

Integrated description rewrite:
"In the left sidebar, open Filters, then choose Last quarter from the Date range menu."

交接补充说明：

  • 确保视力正常的用户也能看到并注意到光标指向的目标。
  • 添加与最终旁白匹配的字幕。
  • 添加描述性文字稿，其中包含确切的菜单路径和任何屏幕确认文本。
  • 如果后期剪辑移除了侧边栏镜头，请同时更新字幕和文字稿，确保操作说明仍然清晰易懂。

采用这种结构的原因：将关键信息移入主音轨，减少对单独音频描述音轨的需求，同时改进培训脚本，让所有人都能受益。

示例：本地化包摘要

制作意图：将英语产品发布视频本地化为西班牙语（拉丁美洲）、法语（法国）和日语；需要字幕，之后可能会添加配音。

交接内容：

Files:
- launch_final_ref_23976.mp4
- launch_en-US_captions_SDH.vtt
- launch_en-US_transcript_descriptive.md
- launch_source_dialogue_glossary.csv
- launch_on_screen_text_markers.csv

Deliverables requested:
- es-419 translated subtitles, not SDH, WebVTT
- fr-FR translated subtitles, not SDH, WebVTT
- ja-JP translated subtitles, not SDH, WebVTT
- separate translator notes for UI text that should remain in English

Style:
- Product name "Northstar Studio" is never translated.
- Tone is confident but not slang-heavy.
- Preserve the joke in scene 4 by adapting the idiom, not literal word order.
- If later dubbed, regenerate captions from the final dubbed audio.

采用这种结构的原因：将同语言的无障碍素材与翻译字幕区分开，明确目标语言和地区，并避免将英语的换行方式固定到其他语言中。

来源说明

截至 2026-07-10 已核实：

评论

支持 Markdown