英语视频的提示词字幕怎么做？cue字幕规范

英语视频提示词不是把台词全文搬上屏幕。学习者跟不上的原因，多数是字太多：眼睛忙着读句子，耳朵就闲下来了。cue字幕走另一条路，只出关键信号词，帮观众预测接下来要听什么，听才是主角，字只是路标。

我第一次做这事是2026年3月，朋友的探店英语栏目，一集10分钟。起初我按老习惯整句上屏，他试看完只回了一句：观众在读字，没在听人说话。挺扎心的，但他说得对。当晚我推翻重做，才慢慢摸出下面这套规范。

cue字幕和普通字幕差在哪？

cue字幕只出三五个词的关键信号，普通字幕逐句全文；前者引导耳朵，后者替代耳朵，混着用会把观众拉回逐句读屏的老路。两类字幕不是升级关系，是分工关系。

具体差在哪，我拿3月那集视频做过一版对照：逐句字幕一屏十几个词，观众平均每条要看1秒以上；cue字幕一条只有3到6个词，扫一眼就够。几项关键差异看下表。

老实讲，做cue字幕最反直觉的一点是舍得删。一集视频圈出来40多个候选词，能上屏的往往只有一半，选词标准放到最后一节讲。

我还交过一笔学费：有回把「actually」也当成信号词上屏，朋友提醒这种口头填充词一集能出现十几次，观众第三回看到就麻了。我后来给自己定了条死规矩，一集里出现超过5次的词，一律不上屏。

英语视频提示词字幕的时机和时长怎么定？

信号词比说话早约0.3秒上屏，停留2-3秒收走，同屏不超过两条；停太久不撤，观众会盯字不听声。时机和时长是cue字幕的命门，字体位置都得给它们让路。

0.3秒这个提前量是我试出来的。cue的作用是预告，字和声音同时冒出来，预告就白做了。停留时长我走过弯路：初版为了让观众记牢，一条cue留了4.5秒，朋友看完说「词是记住了，这集讲了啥没印象」。后来压到2-3秒，同屏最多两条，反馈才正常。

位置和字体，原则只有一条：别挡说话者。真人出镜的视频，cue放底部往上一点的空白带，字号32-40px，粗体，避开人物嘴部和手势区；口播类没出脸的，放画面上三分之一。深色底配白字，任何画面下都看得清。我自己吃过的亏是cue和逐句字幕挤在同一行，观众以为是字幕写错了。真不是，分层放就好。

一集视频做cue字幕的实际流程

通听一遍圈出信号词，用Aegisub打轴导出WebVTT，最后拉两位学习者试看校时值，一集10分钟约两小时收工。流程不复杂，费时间的是选词和试看这两步。

我的流程分四步。第一步通听，不看稿完整过一遍，边听边记这集必须听懂的词，转折词、数字、核心名词优先，10分钟的一集最终留下42条。第二步打轴，用Aegisub逐条定时间，导出成WebVTT，它支持位置和样式标注，格式细节见W3C的WebVTT规范。第三步叠回视频查遮挡，逐条快进看有没有压到人脸。第四步试看，拉两位学习者完整看一遍，请他们在暂停最多的时间点做记号，回头调时值。试看的人别找英语同行，找真实观众，同行只会帮你挑错别字，不暂停。

逐句字幕底稿我一般先拿剪映自动识别生成，识别错的人名和术语要手动修一遍，修法可以参考剪映字幕识别错误的修正方法。说实话，机器识别的逐句稿拿来做选词参考挺省事，但cue的时间轴我还是手工打，机器卡不准那0.3秒。

学习者反馈比我预想的好。4月那批8位试看学员里，6位说不用再逐句暂停，有位备考的读者专门留言：数字类的cue多留半秒更舒服。我照改了，数字类统一留3秒。话说回来，cue字幕做完自己一定要完整看两遍，一遍盯字，一遍纯听，两遍都顺才算完。

回到3月那集探店视频，重做完朋友又找我做了两集，现在他的栏目每集都带cue字幕。cue字幕这种英语视频提示词，门槛不在工具，在克制：字越少，观众的耳朵越闲不下来。下次你打开一集英语视频，试着只留几个词上屏，剩下的交给耳朵。

常见问题

cue字幕导出成SRT还是WebVTT？

选WebVTT。SRT只存纯文本和时间，带不了位置和样式；cue要控制上屏位置、避开人脸，得靠WebVTT的定位标注。不放心的话两个格式都导出，各留一份备份。

一集视频放多少个cue合适？

按每分钟3-5个起步，再根据试看反馈增减。信号词扎堆的段落合并成一条，长时间没有合适词的空窗别硬凑，宁可留白，观众会自己专注听。

cue字幕要不要配中文翻译？

信号词不建议逐词翻译，结合画面猜词本身就是训练的一部分。生词可以在片尾用一页清单集中解释，观众的注意力也不会被中文抢走。

竖屏短视频的cue字幕放哪里？

放上三分之一区域，避开点赞、评论这些界面元素的常用遮挡带。字号要比横屏大一档，竖屏多在小屏上播放，32px以下基本看不清。

延伸阅读

cue这个词的来龙去脉，在语言提示词的两层含义里讲得更细。

想练抓信号词的耳朵，可以先看英语听说考试机考指令的要点，考试里的指令播报和cue字幕选词是一个思路。