自动字幕在没人说话的位置出现一整句话时，先听原始音轨，不要因为文字读起来顺畅就直接保留。语音识别可能输出音频里没有说过的内容，Whisper 官方模型说明也列出了这类限制。但这不代表每种字幕工具都使用 Whisper，更不表示所有听不熟的词都能直接判成幻觉。
先确认到底听到了什么
把可疑字幕前后的一段声音一起听，判断是轻声说话、歌词、远处电视声、呼吸，还是只有音乐与环境底噪。也要确认当前播放的是正确轨道，时间线上是否另有被静音的对白轨。波形有助于定位声音，却不能单独证明说出了哪些字。
使用舒适且相对一致的监听音量，不要为了猜词把音量不断拉高。原声仍不明确时，标记待复核，不要自信地替换成另一句完整台词。有了解录音的人协助时，可先让对方直接听，不先展示可疑字幕，减少文字对听感的暗示。
为无语音区间做一份审核表
| 区间 | 实际可听证据 | 自动字幕 | 编辑动作 |
|---|---|---|---|
| 音乐片头 | 复听后没有可辨识语音 | 一整句台词 | 删除无依据的对白提示 |
| 轻微呼吸 | 有呼吸但无法确认词语 | 猜出一个短词 | 结合上下文复核，无依据则移除 |
| 远处人声 | 确实在说话但字不清 | 语气肯定的整句 | 只保留能够支持的内容 |
这些是审核方法示例，不是已经执行的模型结果。实际使用时填上真实时间、文件名和判断依据。片头、长停顿、纯音乐段和最后一句之后的尾部都值得查看，但不应声称某一个固定静音阈值能够解决所有录音。
删错字幕时保留正常停顿
移除虚构句子通常只需要删除字幕提示，不需要顺带删除对应画面。如果编辑器将“删除转写文字”与“删掉时间线片段”绑定，要先确认所选操作，再检查成片长度。无对白的停顿也可能是叙事的一部分，不能因为没有字就把它剪短。
无障碍声音说明属于另一项工作。真实可听的关门声、对情节有意义的音乐，可以按项目规范写为声音提示。但不能把虚构台词改个标签就留下，也不能因为声音不是语言，就把真正有意义的听觉信息全部删除。是否需要说明，应根据真实声音和受众需求决定。
检查最终导出的字幕
带着最终字幕文件或烧录文字播放导出视频，逐一回看修正过的区间，确认相邻真实台词的入点与出点没有一起变化。还要检查错误句子是否仍留在另一条字幕轨，或被某个导出预设重新带入。
用于 Imagild 成片交付时，把自动转写当作需要编辑的初稿，保留原音频供复核，将不能确认的词交给人工判断。本指南解决的是“没有说过却出现文字”的问题，与选错输入音轨、翻译台词、为真实非语言声音写说明是不同的任务，排查时应分别记录。