视频下好了，日文 SRT 也在文件夹里。打开 YamatoSub 一看，左边能“字幕翻译”，右边又有“音视频转字幕”，一下子犯迷糊：难道还得把整部视频重新识别一遍？想到又要上传、又要等、还要多花积分，脑袋都大了。
手里的日文 SRT 只要完整，时间也大致对得上，直接翻译这份文件就行。音视频识别是给“只有视频，没有字幕文件”的情况准备的。字幕翻译接着用现成文字，音视频识别则要从声音重新做一份日文字幕。日文 SRT 已经能用，这一步真没必要硬上。
先确认你拿到的真是字幕文件
看一眼文件名，结尾是 .srt 或 .vtt，先用记事本打开。能看到时间码和一行行日文台词，才算手里真的有字幕。下面是一个自写示例，SRT 通常长这样：
1
00:00:12,100 --> 00:00:14,300
今日は本当にありがとう
再把它加载到正在看的视频里，随便挑开头、中间和靠后的几句。文字能跟上人物说话，说明这份时间轴基本能用。偶尔一两句早一点、晚一点，不必把整部视频重新识别；要是从头到尾越走越偏，那是字幕版本或时间轴的问题，直接翻译也不会把时间自动修好。
还有一种很容易搞混：日文已经印在画面里，但文件夹里找不到 SRT 或 VTT。这叫硬字幕，文字是画面的一部分。它不能像文件那样直接上传。YamatoSub 的音视频转字幕会从视频里提取音频，再识别人声，不会读取画面上的日文。片中只有画面文字、没有念出来的内容，也不会靠语音识别凭空变成台词。
有能用的 SRT，直接翻译最省事
打开 字幕翻译页面，把日文 SRT 或 VTT 拖进去。页面会先解析文件。接着选翻译方式，再选导出中文字幕还是中日双语字幕。翻译完别急着关，先在预览里扫几句人物名、称呼和长台词，没问题再下载。
这条路会沿用原来的序号和时间码，换掉的是字幕文字。你本来就有一份跟视频对得上的日文 SRT，时间轴已经现成。重新听一遍音频，再做另一份时间轴，只会多出一份要核对的新结果。
只想试一小段也不用把整集都塞进去。官网目前建议先拿 100～300 条字幕看看翻译风格。游客试用是每天 2 个任务、当天累计最多 5,000 个原文字符；登录后的字幕翻译按原文字符计积分。当前基础价是每 1,000 字 2 积分，再乘所选模型的倍率，单个任务最低 1 积分。具体数值以积分与使用额度页面显示的为准。
这些情况才轮到音视频识别
文件夹里只有 MP4、MKV 或音频，日文台词只是播放器里听到的，手上没有可上传的字幕文件，这时才走音视频转字幕。视频会先在浏览器里处理，只上传识别需要的音频；后台生成带时间轴的日文 SRT 或 VTT。拿到日文字幕后，再决定要不要继续翻成中文或双语。
现有字幕缺了大段对白，或者时间完全对不上这份视频，也可以考虑重新识别。不过别把它当成“一键修复旧 SRT”。识别会重新听音频，做出一份新的日文字幕，你仍然得检查人名、专有名词、断句和时间。旧字幕里写对的东西，也不会自动搬进新文件。
费用差别很好算。拿一段 45 分钟的视频做例子：当前音视频识别是每分钟 1.5 积分，识别部分预计 67.5 积分，完成后按实际时长结算。假设现成日文 SRT 有 10,000 个原文字符，直接翻译的基础积分是 20，再乘模型倍率。若重新识别后还要翻译，识别和翻译是两笔任务，费用会叠在一起。
所以别看见“音视频转字幕”几个字就顺手把视频扔进去。SRT 能打开、对白齐、时间也跟得上，直接翻译；只有视频没有字幕，或者现有字幕真的没法用，再做识别。这样能少花积分，也少核对一遍时间轴。