直播里的人已经笑完了，中文字幕才慢悠悠冒出来。刚看懂上一句，下一句又来了，眼睛根本不知道该盯哪儿。更烦的是，不知道它只是慢，还是已经卡住，手指悬在刷新按钮上，点也不是，不点也不是。
这时候先看画面和声音。两样都断断续续，和人物说得很顺、只有文字落在后面，是两种情况。前一种值得试网络和画质，后一种还要看字幕本身。反复刷新，没法保证让一句还没翻完的话提前出现。
画面也卡，和只有字幕慢，分开处理
声音中断、画面停住，连主播张嘴都不连贯时，试着降低一档画质，停掉同一网络下正在跑的大文件下载，再观察播放是否恢复。这样做是排除视频传输这一头的影响，不保证字幕跟着变快。画面已经顺了，中文仍然慢，就别一直和清晰度较劲。
YouTube 对直播延迟的说明提到，网络拥塞和播放器预先存下的视频数据都可能带来延迟，低延迟也更容易遇到缓冲。这里量的是现场到你屏幕的时间，并非中文比你听见的声音晚了多久。
弹幕已经在讨论下一段，也不能单凭这一点认定字幕坏了。别人看到的直播进度未必和你一致。拿你自己听到的声音对照字幕，才知道文字有没有一直往下走。没有必要为了追上别人的弹幕，来回刷新到连刚才那句都错过。
人还没说完，文字可能还在改
靠听声音生成字幕的服务，得边听边认字。有的会先显示一个暂时结果，后面听清了再改；有的等一小段话结束，才把完整文字送出来。你眼里那种“刚冒出来几个字，又换了一遍”，可能是中间结果在更新，不能只凭闪动就当成报错。
比如微软语音识别的官方说明就区分了中间结果和最终结果：中间文字可能变化，最终结果要等这一段话结束。它说明了一种实际做法，不代表你正在用的每款字幕工具都用同样的规则。
如果后面还要把原文翻成中文，就又多了一步。输入还在变，译文也可能跟着调整。关于流式语音翻译的研究讨论的正是何时切出一段声音、何时开始翻译，以及翻译质量与等待时间的取舍。不是所有服务都必须先显示原文，但“实时”这两个字，也没有承诺嘴刚张开，稳定的中文就已经在下面等着。
试着观察一段连续说话和一句说完后的停顿。如果停顿后文字会补上、后面也持续更新，可以先按慢一点的节奏看。要是字幕长时间停在同一句，后面明明还有人说话，就查看字幕服务有没有断开或报错。光看“慢”这个现象，还猜不出究竟是哪一处出了问题。
一直没字，先看这场直播有没有提供
日语视频能出自动字幕，不代表同一平台的日语直播也能出。以 YouTube 为例，官方自动字幕帮助把录播和直播分开列：录播支持日语，直播自动字幕目前只支持英语，而且受正常延迟等条件限制。日语直播没有自动字幕入口时，守着页面等，也不能把它等成一个已支持的功能。
这不意味着日语直播绝对没有字幕。主播另行提供的字幕、直接放在画面里的文字，和平台自动听写是不同来源。看这场直播实际列出的语言、主播说明和字幕服务提示，别拿另一段录播能翻译，当作这场也应该能开的证据。
如果你另外开了语音字幕服务，确认它明确支持正在播放的语言，并且确实接收到了声音。只打开网页文字翻译，它未必会听直播里的声音。这里没有一条能通用于所有软件的按钮路径，按你正在用的服务查看声音输入和语言，别照搬另一款软件的菜单。
想看懂细节，等回放也不亏
只是想跟着现场气氛看，文字虽然晚一点但还在更新，就不用每隔一会儿刷新。碰上关键的名字、数字或一句没看懂的话，记下当时的位置和几个听到的词，等有回放时再回头找。实时字幕还在变化，别急着把第一版截图当成已经确认的原话。
想认真弄懂采访、课程或长段说明，现场又没有可用字幕，直接等主播是否提供回放，会比盯着一个空字幕框轻松。YouTube 也说明，直播结束后会按录播方式重新生成自动字幕，结果可能和直播时不同；这仍受语言、音质和处理情况限制，不保证一结束就有中文。
文字还在往下走，慢一点也能继续看。整场都没有可用字幕，就把直播地址和卡住的位置留好，有回放再看。总比一直和刷新按钮较劲，结束了还不知道刚才聊了什么强。