把一条 YouTube 视频，变成一份能查证的中文笔记

你大概遇到过这种情况：一条 40 分钟的英文访谈，标题很吸引人，但你没有 40 分钟；打开自动字幕，密密麻麻一屏英文，看两分钟就放弃了。

熊猫易读处理这条视频时，中间发生了七件事。知道它们分别在做什么，出问题时你就能一眼判断卡在哪一步，而不是只能干等或者反复重试。

第一步：字幕从哪来

视频平台的字幕不是随便就能取到的。YouTube 会按 IP 拦截数据中心发出的请求——我们的服务器直接去抓，多半会失败。所以字幕是在你自己的浏览器里抓的，这也是那个浏览器插件存在的主要理由：它借用你正常访问 YouTube 的身份，把播放器自己收到的字幕数据接住，再送去解析。

如果这条视频压根没有字幕，就走语音识别。两条路的产物不一样：

后者才做得出严丝合缝的双语字幕。所以你偶尔会发现，某些有官方字幕的视频，字幕反而不如自动识别的贴——不是我们偷懒，是源头精度就差在那里。

第二步：断句为什么比翻译更难

把一段连续的语音切成一行行字幕，看着简单，其实是整条管线里最容易出错的地方。

关键在于：每一段是独立翻译的。切在错的位置，后面翻译得再好也白搭，因为切点会被中文原样继承。

一句英文如果在 “and” 后面被切断，中文就会出现「……定律和」这样的断头行。Netflix 的字幕规范里，连词、介词、冠词都不允许出现在行尾。

所以我们的切分规则是：句末标点优先，硬切之前先回溯，避开行尾禁忌词。11 种源语言各有各的禁忌词表；中文还要按末字判断——中文的断头在字不在词，「的」「和」「让」这些字结尾，读起来就是没说完。

第三步：翻译之后还有一道审校

直译一遍只是初稿。第二遍审校要处理的是本地化：称呼的敬谦、成语和网络梗、单位与专有名词。日语视频里的「先輩」不该翻成「前辈同学」，英语播客里的 “ballpark figure” 也不该变成「棒球场数字」。

这一遍有一条红线：绝不改动剧情、数字和指代。改得更顺口可以，改变意思不行——这是翻译工具和"二次创作"的分界线。

第四步：卡片是策展，不是摘录

拿到完整的中文口播稿之后，才轮到知识卡片。这里的原则是少而精：薄内容 6 到 8 张，厚内容 10 到 15 张，绝不超过 15。

最后这条是最要紧的。拆解可以是错的，但必须可验证：你看到一张卡说了什么，永远能一键跳回它的出处，自己判断我们有没有理解偏。一个不能回溯到原文的摘要，本质上是在要求你无条件信任它。

哪一步出问题，你该怎么办

最后提醒一句：解析过的视频会被缓存，同一条链接再解析会直接命中缓存、不重跑。想看修复后的效果，得换一条没解析过的视频。