一门课的自动字幕生成出来，整体看着不错。往下拉，问题一个接一个。“决议”识别成了“决意”，“新民主主义革命”被断成两行，“两个确立”的引号只出现了一半。
这类错误单看都不严重，连着看十几处，学员对整门课的信任就掉了。
一句话答案
字幕校对分三遍走，第一遍过术语表，第二遍过标点和断句，第三遍对着音轨听读；前两遍 AI 跑得快，第三遍必须人来。一、第一遍：术语表
术语表是字幕校对的地基，没有它，每门课都要从头纠一遍同样的错。
表里放四类词。党内法规和文件的正式名称，“两个确立”“两个维护”这类固定表述，职务名称和机构名称，还有本地的地名和人名。
做法是全文替换加逐条确认。全文替换快，但会误伤。比如把“权利”统一改成“权力”，而某处原文确实是“权利”，这一处就被改错了。所以替换之后要逐条过一遍，看着别扭的回去听原音。
这份表是活的。每校一门新课，往里补几条，一年下来能覆盖大部分高频错误。有单位把术语表做成共享文档，几门课的老师一起维护，效率更高。
二、第二遍：标点和断句
自动字幕在这一块的问题比错字更多。
一句话一行的规矩要守住。一行字幕超过二十个字，手机上就挤了，学员的眼睛跟不上。超过的拆行，拆在语义停顿的地方。
不在词语中间断行。这条听着简单，实际最容易犯。四字词组被拆开，专用名词被拆开，专有名称被拆开。判断标准是念一遍，念着不顺就是断错了。
书名号、引号要成对。自动字幕经常丢掉一半，尤其是引号。
数字和单位的写法要统一。“十四五”不加空格，“两个一百年”不用阿拉伯数字，年份用四位数字。
三、第三遍：听读
前两遍是看，第三遍是听。
字幕的错误有一半读起来通顺，听起来不对。同音字替换是最典型的，“权力”和“权利”在很多句子里都通顺，只有听到原音才知道该用哪个。
断句错也是这一类。一句话如果断在词的中间，屏幕上看像个错字，实际上是断句位置错了，改字没用。
这一遍必须对着音轨。做法是把字幕和音频同时打开，一句一句过，听到和看到不一致的地方停下。一小时课大概要花两小时，比前两遍慢，但没有替代办法。
四、AI 的强项和弱项
语音转写是 AI 最成熟的场景之一，两小时的音频十几分钟出稿，安静环境下准确率可以到九成以上。
术语识别是弱项。模型的语料里，通用词汇的权重远高于专业术语，遇到“三重一大”“一岗双责”这类表述，容易按读音猜一个近义写法。
智慧党校里的录播直播管理负责课程的录播与直播、课程回放。字幕在校对完成之后才随课程发布，这个顺序不能反。
灵云AI 的安全治理与审计有一条规则：AI 生成的内容经人工确认才能生效。字幕属于这一类。系统里还有 AI 内容审核与记录，记录谁在什么时候改了什么，便于回溯。这条记录在出现争议的时候有用，比如某个表述被改过，能查到改动人和时间。
平云科技在这件事上的做法不复杂。126 项 AI 技能里没有单独的字幕校对，这块目前是转写工具加人工。它被放在课程上线的最后一道，字幕不过，课不上。
党建侧走的是同一条路。智慧党建的会议纪要，AI 出稿，人核，才归档。纪要两小时压到三分钟，压掉的是记录的时间，核对的环节一步没少。
平云商城里智慧党校、智慧党建按版本分开。字幕这类能力不在功能清单上，它是课程上线的配套工序。
五、两个常被问到的问题
自动字幕能直接用吗？
通顺度能到八成，准确度不够。课程字幕至少要过一遍术语表，不然专业表述错了，学员按错的理解记笔记，比没有字幕更麻烦。
方言和口音重的课怎么办？
先做一次术语表加人名的强化，再转写，效果会好一些。仍然错得多的话，改成人工听打，或者给课程配一份讲义，字幕只做辅助。强求字幕准确到每个字，成本不划算。
你们上线一门课，字幕校对大概花多长时间？
热门跟贴