一分钟结论（TL;DR）
- 要最高识别准确度、重视隐私、片量大、用 Mac → Subtitle Studio AI（US$69 一次买断；本次实测错误率最低；中英夹杂段落断句较弱；仅支持 macOS）
- 想免安装、贴链接即用、偶尔才做字幕 → Subanana（有免费方案；扣除书面语风格后识别接近 Subtitle Studio；英文一律小写；偶有严重误判）
- 需要口语转书面语、自定义专有词库、跨平台 → CantoSub AI（月费约 HK$75 起；本次默认设置下在虚构专有名词与新兴口语上失手）
本文所有测试视频、人工逐字稿及三款工具的原始 SRT 均可下载自行复核。（见〈原始文件下载〉）
为什么粤语字幕特别难做？
到了 2026 年，顶尖语音模型一碰上粤语，准确率仍常明显下滑。早前 Grok 的语音模型，就被网友调侃像「谭仔口音」。
主要有三点：粤语有九个声调；香港人习惯中英夹杂（code-switching）；潮语、俚语更新极快。通用 AI 工具往往处理不好。
近年香港也出现多款面向粤语的 AI 字幕产品。选择多了，创作者反而更难判断。本文对比三款热门工具，并用同一段测试片实测，方便你按设备、片量、预算与隐私要求做决定——而不是只看厂商自报的准确率。
什么才算「好字幕」？
很多人以为「好字幕」等于「没有错字」。准确只是底线。真正好读的字幕，还涉及时间轴、断句、阅读速度、精简与一致性。
1. 时间轴同步与阅读速度
字幕应尽量与说话同步，并在讲完后多留约 0.3–0.5 秒。一般建议：
- 最短显示约 1 秒
- 最长约 6–7 秒
- 中文阅读速度约每秒 12–15 字（CPS）较舒适
对白太快时，适当精简往往比硬塞更重要。
2. 每行字数与行数
中文字幕以「一行」为主，必要时最多两行。每行约 13–16 字为宜，超过约 18 字阅读负担会上升。英文通常控制在每行 37–42 字符。
3. 断句质量（Line Break）
应在语义完整处切开，不要拆开紧密词组。优先在标点、连接词前断开，保持人名、动宾结构等完整。
4. 精简（Condensation）
口语常有重复与语气词。专业字幕保留核心意思，去掉赘字，尤其语速较快时。
5. 位置与一致性
默认底部居中并预留安全边距。字体、颜色、标点与用字风格应全程一致。
字幕自检清单
- 有没有明显错字或同音错用？
- 每行是否过长？
- 断句是否自然？
- 最短显示是否少于约 1 秒？
- 时间轴是否明显提前或滞后？
- 用字、标点是否前后一致？
- 是否还有不必要的赘字？
- 是否遮挡重要画面？
1. Subtitle Studio AI — 离线买断之选
Subtitle Studio AI 是面向 Mac 的离线字幕生成器：视频无需上传，转录在本地以 Whisper 类模型完成。
相对 MacWhisper 等本地转录工具，它内置语音活动检测（VAD）、时间轴对齐与幻听（hallucination）处理，对带背景音乐/噪音的粤语与中英夹杂也更稳。支持 98 种以上语言（含粤语、台语、普通话），可买终身授权。
Subtitle Studio AI 主界面，显示粤语字幕生成画面
内置翻译可将英文、日文、韩文等译成繁体中文，也可做双语字幕；支持本地模型或外部 API（Grok、OpenAI、DeepSeek、Ollama），并保留时间轴。
Subtitle Studio AI 翻译工具界面
编辑侧有查找替换、断句/合并；可导出兼容 Premiere Pro、Final Cut Pro、DaVinci Resolve 的 SRT，也可直接输出硬字幕。
Subtitle Studio AI 查找与替换工具
批量转录（可选同时翻译）适合教学片量大、又不想逐条上传云端的用户。
Subtitle Studio AI 批量字幕生成界面
适合：
- 在意字幕可读性，而不只是 Whisper 直出
- YouTuber / Podcast / 高片量用户（买断比按量更划算）
- 常离线剪片（如飞机上）
- 隐私敏感内容（内训、客户访谈、未公开素材）
- 不想订阅或按量计费的用户
限制：
- 仅 macOS
- 速度取决于本机性能（旧款 / Intel 更慢）
- 首次需下载模型
- 买断模式下模型更新不一定快过云端
价格： 可免费下载并生成预览；导出需一次性支付 US$69 解锁，其后无限使用并享终身更新。
Subtitle Studio
一次买断。完全离线，在你的 Mac 上运行。
2. CantoSub AI — 粤语深度优化之选
CantoSub AI 由香港本地初创研发，主打云端处理，强调粤语俚语、潮语、中英夹杂、口语转书面语，以及自定义专有词库。
官方称准确度达 95% 以上；支持 .srt、.fcpxml、.txt，兼容 Premiere、Final Cut、CapCut、DaVinci Resolve。
CantoSub AI 官方网站首页
适合：
- 需要快速出片、减少人工校对的团队
- 企业培训 / 市场双语字幕
- 教育类需要清晰书面语字幕
- Windows / 跨设备用户（网页端）
限制：
- 订阅 + 用量限制
- 视频需上传云端
- 本次实测中 Safari 上传/转档出现问题（见「测试局限」）
价格： 新用户约 30 分钟免费试用并可导出 SRT（无需信用卡）；其后订阅，月费约从 HK$75 起。
3. Subanana — 免安装入门之选
Subanana 是香港团队的在线字幕平台：可贴 YouTube / Instagram / Facebook 链接或直接上传。官方宣称整体准确度可达 98%，支持 80 种以上语言，具备口语转书面语与中英对照导出，另有会议转录等产品。
Subanana 官方网站首页
适合：
- 偶尔做字幕、不想装软件的用户
- 多语言出海频道
- Windows / 跨设备用户
限制：
- 订阅 + 云端上传
- 免费方案不可下载 SRT，且带水印
- 本次实测中所有英文均为小写
价格： 免费：首 15 分钟、3GB、720p（不可下载字幕/去水印）。付费约从 US$9/月（约 HK$70）起：4K、15GB、去水印、可下载字幕。
实测：三款工具同场对比
市面上多数「准确率」来自厂商自测，素材、口音、语速与录音条件不同，数字不可直接比。我们制作了约 1 分钟粤语测试片，同一天、同一文件分别交给三款工具，再与人工逐字稿对照。
测试设计
单说话人、安静环境、无背景音乐，内容刻意覆盖：
| 测试项 | 设计内容 |
|---|---|
| 中英夹杂 | 13 个英文词（Premiere Pro、rough cut、workflow、time consuming、subtitle 等） |
| 专有名词 | 5 个，难度递增：旺角、MacBook Pro、M记、广东话语音识别、HK创科Lab |
| 新兴口语 | 大癫、劲好食 |
| 数字格式 | 2026年、7月15号、69美金、540蚊 |
| 幻听测试 | 片中与片尾各 5 秒无人声空白 |
「HK创科Lab」为虚构的中英混合公司名，公开语料中未见，是本次最具区分度的项目。空白段保留现场底噪（room tone），而非数字静音，以免被判定为文件结束。
测试环境 日期：2026年7月29日｜机器：MacBook Pro M3 Max / 36GB RAM Subtitle Studio AI 1.10.3｜CantoSub AI（版本不详）｜Subanana（版本不详） 全部使用默认设置，未启用自定义词库或进阶选项。
三款工具操作流程
Subtitle Studio AI
Subtitle Studio AI 载入视频后的主画面
载入视频 → 右上角 Generate Subtitles → 语言选 Cantonese → Generate。
Subtitle Studio AI 生成粤语字幕后的编辑界面
CantoSub AI
CantoSub AI 网站的视频上传界面
在网站上传视频。
CantoSub AI 将视频自动转换为 MP3 的画面
免费版偏 MP3；短片影响较小，但难以即时对齐画面与字幕。
CantoSub AI 生成粤语字幕后的编辑界面
Subanana
Subanana 网站的视频上传界面
在网站上传视频。
Subanana 的语言选择画面，选取 Traditional Cantonese (Spoken)
选择 Traditional Cantonese (Spoken)（粤语口语）。
Subanana 生成粤语字幕后的编辑界面
计分方法
- 中文按字、英文按词，共 184 个单位
- 标点与英文大小写另计
其一，说话人偏差： 有 4 处三款输出完全一致却与讲稿不符（语序/助词）。判定为讲者偏离讲稿，不计工具错误。
其二，书面语转换： CantoSub、Subanana 以口语转书面语为卖点。若只用逐字稿计分，会惩罚其产品设计。因此报告两组数据：
- 逐字版：书面转换（如「结果」「惊喜」「美元」）一律计错
- 书面语容忍版：刻意风格转换不计错
准确度结果
| 工具 | 逐字版错误率 | 书面语容忍版错误率 |
|---|---|---|
| Subtitle Studio AI | 1.09%（2 处） | 0.54%（1 处） |
| CantoSub AI | 3.26%（6 处） | 3.26%（6 处） |
| Subanana | 6.52%（12 处） | 1.63%（3 处） |
Subanana 在逐字版看似最弱，但 12 处差异中有 9 处是书面语转换；按书面语标准则降至 1.63%，反超 CantoSub。也就是说，真实识别能力被书面语功能掩盖了。
CantoSub 两组数字完全相同：差异是真正的识别失误，而非风格取向。
并排对比视频
同一时间轴叠加四轨字幕，由上至下：人工逐字稿、Subtitle Studio AI、CantoSub AI、Subanana。
分项表现
| 项目 | Subtitle Studio AI | CantoSub AI | Subanana |
|---|---|---|---|
| 英文词（13） | 13/13 | 11/13 | 11/13（另 2 个转为中文） |
| 专有名词（5） | 5/5 | 4/5 | 5/5（全小写） |
| 新兴口语（2） | 2/2 | 1/2 | 2/2 |
| 数字格式（4） | 3/4 | 4/4 | 4/4 |
| 幻听（中段 5 秒） | 0 字 ✓ | 0 字 ✓ | 0 字 ✓ |
| 幻听（结尾 5 秒） | 0 字 ✓ | 0 字 ✓ | 0 字 ✓ |
三段无人声均无输出文字，此项无法分出高下。噪音环境有待另测。
各工具最严重的失误
CantoSub AI
- 「HK创科Lab」→ 「HK Tranfor Lab」（唯一完全偏离原意的专有名词）
- 「大癫」→「大只」，语义改变
- 另有 tool→tools、surprise→surprising 等词形变化
其自定义词库理论上可改善；本轮为公平对比未启用。
Subanana
- 「个鸡翼」→ 「国家亦」，连错三字；扣除书面语转换后，这是全片唯一真正识别失误
- 英文一律小写（premiere pro、macbook pro 等）
识别接近 Subtitle Studio，但一旦错就错得很彻底；英文大小写仍需人工修正。
Subtitle Studio AI 错误最少，两处均属边界情况。
字幕质量：准确以外的考量
| 指标 | Subtitle Studio AI | CantoSub AI | Subanana |
|---|---|---|---|
| 字幕行数 | 21 | 23 | 21 |
| 平均每行字数 | 10.6 | 9.8 | 10.3 |
| 最长一行 | 16 字 | 22 字 ⚠️ | 17 字 |
| 超过 18 字的行数 | 0 | 1 | 0 |
| 最短显示时间 | 0.66 秒 | 0.53 秒 ⚠️ | 0.69 秒 |
| 少于 1 秒的行数 | 1 | 4 ⚠️ | 1 |
| 字幕之间留有空隙 | 1/20 | 4/22 | 16/20 |
CantoSub 可读性最弱：既有长达 22 字、显示 4.67 秒的行，又有拆到仅 0.53 秒的短行。
Subtitle Studio 行长控制最好，但中英夹杂密集处断句最弱：
第 5 行：平时我用 Premiere Pro 做
第 6 行：Rough Cut 之后再 Export 出嚟
第 7 行：但系个 Workflow 真系好
第 8 行：Time Consuming 尤其系加
「做」与「Rough Cut」、「好」与「Time Consuming」被拆开；英文大小写与空格也不一致，需人工统一。
Subanana 留白最好（16/20 有空隙）；另两款几乎连续贴字幕。
测试局限
- 约 1 分钟、单说话人、安静清晰 = 最佳情况
- 新兴口语仅 2 个
- 全部默认直出，未开词库
- Subanana 因首次导出有误重跑一次（有细微差异）；另两款只跑一次
- 未单独量化时间轴同步度
- CantoSub：Safari 上传/转 MP3 曾报错（刷新后恢复）；时间轴预览在 Firefox 才稳定
- 结果不宜过度外推
原始文件下载
三者价格与功能一览
| 比较项 | Subtitle Studio AI | CantoSub AI | Subanana |
|---|---|---|---|
| 支持平台 | 仅 macOS | 网页（跨平台） | 网页（跨平台） |
| 收费模式 | 一次买断（US$69 / 约 HK$540） | 月费订阅（HK$75–300） | 月费订阅（HK$68–398） |
| 用量限制 | 完全无限 | 有（1.5 / 3 / 10 小时） | 有（约 1 / 3 / 10 小时平均） |
| 长期成本（一年 50 小时） | 约 HK$540（之后近乎零） | 约 HK$1,440–3,600 | 约 HK$1,656–4,776 |
| 离线使用 | 完全离线 | 需上网（云端） | 需上网（云端） |
| 视频隐私 | 视频不离开电脑 | 需上传云端 | 需上传云端 |
| 翻译功能 | 有（本地模型或 API，保留时间轴） | 有（多语言） | 有（80+ 语言） |
| 单次片长限制 | 无限制 | 有（视方案 1–5 小时） | 有（最多约 3 小时） |
| 专业剪辑软件兼容 | 强（SRT + Final Cut 原生标题层） | SRT / FCPXML | SRT，偏网页流程 |
| 时间轴编辑精度 | 高（波形拖拽、断句/合并） | 一般 | 一般 |
| 本次实测错误率（书面语标准） | 0.54% | 3.26% | 1.63% |
| 适合重度用户 | 非常适合（用越多越划算） | 中等（超限需升级） | 中等（超限需升级） |
注： 「一年 50 小时」按能覆盖每月约 4 小时的最低档估算（CantoSub 约需 HK$120/月起；Subanana 约需 HK$138/月起）。以官方实时方案为准。
关于官方准确率： CantoSub 95%、Subanana 98% 均为厂商自测，无统一公开基准，也未说明口音、噪音与语速条件，仅供参考。
总结：哪个适合你？
偶尔做短片：CantoSub 的 30 分钟免费试用或 Subanana 免费方案足够试水。
用 Windows 或需跨设备：只能选云端。其中 Subanana 本次识别更接近 Subtitle Studio，但需接受英文全小写与偶发严重误判；内容大量品牌/术语时，值得先用 CantoSub 免费额度试自定义词库。
用 Mac、常离线剪片、重视隐私、不想长期付月费：Subtitle Studio 一次买断更划算，本次准确度也最高——中英夹杂密集段仍建议人工微调断句。
最终仍取决于拍摄习惯、系统、预算与隐私要求。
Subtitle Studio
一次买断。完全离线，在你的 Mac 上运行。
本文最后更新：2026年7月29日。三款工具的价格与功能可能随时更新，请以各官方网站为准。
常见问题（FAQ）
粤语 AI 字幕工具哪个最准？
在本文约一分钟、安静环境下的测试片中，按书面语标准：Subtitle Studio AI 错误率最低（0.54%），其次 Subanana（1.63%），CantoSub AI 为 3.26%。实际表现会随录音质量、语速与题材变化。
Whisper 支持粤语吗？
支持。但开源 Whisper「直出」在中英夹杂、专有名词、潮语上往往较弱，安静段也较易幻听。市面上的粤语字幕产品多数会在 Whisper 类模型之上加 VAD、时间轴对齐与后处理。
离线字幕工具和云端有什么区别？
离线在本机运算，视频不上传，适合隐私与无网场景，但受系统与硬件限制。云端跨平台、免安装、速度不绑本机，但需上传，且多为订阅或按量计费。
AI 字幕如何处理中英夹杂？
中英夹杂是粤语字幕的主要难点。本次 13 个英文词中，Subtitle Studio 全部正确；CantoSub 与 Subanana 各有 2 个出错或转换。另需注意：Subanana 英文一律小写；Subtitle Studio 在夹杂密集处可能把词组拆断。
口语转书面语功能适合什么场景？
适合教学片、企业内部片、偏新闻书面语气的内容；Vlog、搞笑、访谈等需要口语感的内容则不宜。CantoSub、Subanana 提供该功能；Subtitle Studio 更倾向保留逐字口语。
SRT 如何导入 Premiere Pro 或 Final Cut Pro？
三款均可导出 SRT。Premiere：文件 → 导入；Final Cut：文件 → 导入 → 字幕；Subtitle Studio 另可导出 Final Cut 原生标题层。CantoSub 也支持 FCPXML。
有没有免费的粤语字幕工具？
有，但各有限制：CantoSub 约 30 分钟免费试用并可导出 SRT；Subanana 免费含首 15 分钟，但不可下载字幕且带水印；Subtitle Studio 可免费下载并生成预览，导出需一次买断解锁。
免费体验Subtitle Studio
买断制，无订阅，完全离线运行于你的Mac。
