一条中文产品介绍已经剪好，做英文版时最容易漏掉的步骤，是把"翻译字幕"当作"视频本地化"。旁白还是中文，画面里的卖点卡还是中文，英文字幕却已经占了两行。文件确实变了，目标观众得到的信息并没有完整变过去。
本文以商品介绍为例，给出一套可拆分执行的 Agent 流程。重点是内容和素材怎么复用、哪些部分需要重新验证，而不是重新生成全部镜头。
先明确要交付哪一种版本
如果观众接受中文原声，只需要英文字幕，任务是字幕翻译与排版。如果要求听到英语，就还需要英文旁白及其时间安排。如果视频还含有标题、卖点卡、结尾提示，这些可见文字也需要逐项核对。
真人出镜且嘴部清晰可见时，替换旁白还会涉及视听匹配；不能因为有 TTS 就承诺完成口型同步。商品静物、素材合成和软件演示通常可以先考虑保留原镜头，再分别处理声音、字幕和画面文字，是否适用取决于实际素材。
第一步：把不能变化的事实单独列出
假设教学资料只有"台灯型号L7、三档亮度、USB-C供电"。先固定型号、档位和供电方式，再做英文脚本。"USB-C供电"不能为了文案顺口改成"支持快充"，"三档亮度"也不能扩写成未经证实的护眼功能。
一句英文草稿可以是：The L7 desk lamp has three brightness levels and is powered via USB-C.
这只是虚构教学示例，不是实际商品资料。它的作用是演示语义边界：允许改写语序和表达，不允许创造新卖点。型号、品牌、数字、单位和必须保留的词最好形成一份术语表，供旁白、字幕和画面标题共同使用。
第二步：先确认音色，再核对真实时长
翻译后的字符数不能直接换算成旁白时长。语言、句式、停顿和具体音色都会影响播放结果。制作时可先拿包含型号与关键术语的一小段生成样音，确认读法和实际长度，再调整脚本与镜头安排。
若旁白比镜头长，先删去重复说明、重排表达，再判断是否延长合适的展示镜头。不要默认把整段语速拉快，也不要为了补时长就重新生成全部画面。哪种修改会触发重新渲染、如何计费，需要看实际工具与回执，不能从流程建议推算节省比例。
第三步：声音变了，字幕和画面也要跟上
字幕应依据最终采用的英文旁白重新核对起止时间和断句。换行时尽量保留完整语义，型号与单位不要因为机械截断变得难读。译文长度变化时，还需要检查文字区域能否容纳。
画面标题是另一条检查线。英文旁白说到供电接口，画面却还显示上一条中文卖点，或者字幕里的型号与包装图上的型号不同，都属于内容不一致。保留原始素材不等于保留所有原文；有意保留的品牌标识或包装文字，也要在交付说明里讲清楚。
本次通过视频制作大师核实到什么
我们在做 Tipkay 视频制作大师时，把配音等制作步骤放进聊天流程，目的是减少用户在多个工具间搬运信息。本轮实际查询音色库，找到"Tina老师 2.0"的原始描述与标签明确包含"英式英语"，也取得了现有样音字段。音色编码以 zh_ 开头，不能仅凭命名猜测否定明确的语言描述。
随后请求用前面的英文句子做了一次 TTS，实际返回了 MP3 文件。我们下载后独立读取文件信息：时长6.672秒，采样率24000Hz，单声道。这个数字是文件总时长，不是净说话时长，更不是发音正确率。助手总结曾给出另一个时长，因此这里使用可复查的文件检查结果。
对同一音频只做了一次独立 ASR，原始结果的范围终点为6672ms，文本中却把L7转成了"Leo 7"。这只能记成待核对差异：可能来自合成读法，也可能来自识别，不能凭转写判定原因。ASR语言字段为en-US，也不是对音色口音的评测。
这次仅验证短句音频产物，没有制作完整英文视频，没有核验口音自然度、口型同步或整片字幕，也没有用缺少独立依据的账单描述推算费用。音色查询与生成小样证明的是具体步骤可执行，不证明整个本地化任务已经验收。
交付时保留一份版本对应关系
将中文脚本、英文脚本、选用音频、字幕版本和画面文字版本放在同一张任务表里。脚本变更后，逐项标记哪些产物需要重做，避免最后合成时误用旧旁白或旧标题。即使由 Agent 负责执行，也应检查最终文件，而不是只看任务状态变成完成。
最终连贯播放一次，再静音看一次：前者检查声音与镜头是否配合，后者检查单靠画面和字幕是否能理解。同一套真实素材能否继续使用，要由这个结果决定。
资料参考：Adobe《Translate captions in Premiere》说明翻译会创建新的字幕轨道；《Create captions in Premiere》把字幕长度、持续时间和间隔列为独立设置。本文脚本、音频、画面文字和版本表的分工，是据此提出的实务流程，不是官方对 Tipkay 的能力认证。