制作剧场字幕时，剧本格式为什么如此重要
文字，只是剧本的一部分。
角色名居中排在台词上方、台词随后缩进、舞台指示使用斜体，或者第一幕之前先列出角色表——这些安排都可能改变同一段文字的阅读方式。演员几乎不假思索就能理解这套惯例；要把剧本整理成字幕初稿，软件却必须逐项辨认。
因此，把剧本转换成剧场字幕，并不只是提取句子。系统还要保留足够的文档信息，才能提出一个更有用的问题：
页面上有哪些线索，说明这段文字可能是台词、角色标记、舞台指示、标题，或者仍应保留不确定性的内容？
关键在于“线索”。格式可以揭示结构，却不是绝对答案。不同编剧、语言、剧团、模板和排练版本，都可能采用不同写法。负责任的流程会借助版式整理出较好的初稿，再由人决定哪些内容能够进入排练，最终呈现在观众面前。
转成纯文本，可能抹去剧本的一部分
先看一种常见版式：
HAMLET
生存，还是毁灭：这是个问题。他转身离去。
OPHELIA
殿下？
读者可以从中推断出几组关系：
| 页面线索 | 可能的含义 |
|---|---|
| 简短、全大写的一行 | 角色标记 |
| 紧随其后的缩进文字 | 该角色的台词 |
| 另起一段的斜体句子 | 舞台指示 |
| 文字组之间反复出现的间距 | 戏剧单元的边界 |
如果把同一段内容压平成一道纯文本，这些关系就会变得模糊：
HAMLET 生存，还是毁灭：这是个问题。他转身离去。OPHELIA 殿下？文字仍在，但原本有助于区分台词和指示的排列方式已经消失。后续系统只能尝试重建转换时丢掉的信息。
对字幕制作而言，这会带来两层影响：结构判断错误，既可能把不该出现的文字放进字幕，也可能把正确台词归给错误的角色或戏剧时刻。
格式，是舞台剧本的一种语法
许多剧本以视觉惯例构成工作中的语法。可供参考的线索包括：
- 段落的缩进和对齐方式
- 段前与段后间距
- Word 段落样式
- 粗体、斜体等文字级格式
- 大小写——前提是该书写系统有这种区分
- 角色名和台词之间的标点
- 制表位、分栏以及反复出现的文本块形状
- 这一行在整份文档中的位置
任何单一线索都不应被当作普遍真理。斜体固然常用于舞台指示，编剧也可能用它强调台词中的字句。全大写的一行，可能是角色名，也可能是幕次标题、声音提示，或者给制作团队的备注。
更稳妥的问题不是“斜体是否一律代表舞台指示？”，而是“这种格式连同相邻段落和整份文档的规律，是否足以支持这项判断？”
同一组文字，可以承担不同作用
在剧本开头附近，下面的内容可能是一份角色表：
CAST
HAMLET
OPHELIA
HORATIO到了后文，同一个名字却可能引出台词：
HAMLET
我要凭这出戏，探出国王内心的秘密。HAMLET 这个词本身不足以说明用途；它在文档中的位置、前后内容，以及随后出现的文字，共同决定它承担的作用。
这正是文档区域如此重要的原因。扉页、角色表、剧情梗概、制作笔记、可演出的正文和附录，可能以相似的排版承载完全不同的内容。解析器在把短短一行视作角色提示之前，应先判断自己是否已经进入剧本正文。
对制作团队而言，实际启示很简单：保留标题和文档边界，有时和保留台词同样重要。
标点有所帮助，但语言不会决定版式
有些剧本把角色和台词放在同一个段落：
HAMLET: To be, or not to be.使用全角标点时，也可能采用相近的惯例：
张三：今天下雨。冒号是很有力的线索，却不是保证。地点：后台 可能是资料标签，不一定是台词；剧情梗概也可能以带标签的段落开头；角色在出现一次明确标记后，还可能连续说上好几段。
因此，把整种语言排列成“容易”或“困难”并不恰当。中文、粤语、日语、英语、法语、德语及其他语言的剧本，都可能沿用不同剧团或出版格式。大小写在部分书写系统中有参考价值，在另一些系统中则毫无意义。引号、括号、冒号、句点、破折号、缩进和纵向间距，在不同文档中也可能各有不同分量。
多语言解析器应调整各种线索的权重，而不是把语言倾向固化成刻板规则。清晰的标点确实有帮助，但仍不能取代上下文判断。
原始 Word 文档为什么珍贵
Word .docx 文件保留了纯文本副本没有的结构信息。底层 OOXML 可以记录段落属性、继承样式、对齐、缩进、间距，以及文字片段的格式。
Word 的部分尺寸以 twip 存储；一个 twip 等于二十分之一点。对剧场团队而言，单位本身不如它所保存的差异重要：页面上缩进不同的两个段落，在分析时仍能保持可测量的区别。
然而，这些数值不该变成放之四海而皆准的硬规则。一套模板的缩进值，未必适用于另一套模板。真正有用的是相对规律：
- 简短标记之后，是否反复跟着缩进更深的文字？
- 斜体段落在这份文档中，是否形成一致的类别？
- 离开前置资料后，版式是否发生改变？
- 某个区域使用冒号，另一个区域是否改为将角色名独立成行？
这样一来，页面几何便成为这份文档特有的线索，而不是一套声称适用于所有剧本的格式规范。
从文档线索走向字幕初稿
剧本解析器不会决定现场演出的最终时机。它眼前的工作，是帮助团队把源材料整理成一套可供人工检查和编辑的序列。
审慎的准备流程可以是：
- 保留源
.docx文件及其版本。 - 提取文字，同时保留有用的文档结构。
- 将相关段落整理成可能的戏剧区块。
- 在证据充分时，区分前置资料、正文、标题、台词和舞台指示。
- 让含义不清的内容继续可见，而不是悄悄给出过度自信的答案。
- 将结果打开为可编辑的字幕初稿。
- 检查字幕分段、角色归属、翻译和遗漏内容。
- 对照现场演出进行排练。
解析器可以减少重复的整理工作，却无法知道每一项艺术选择、临时删节、即兴停顿，或排练中新加入的变动。
坦然呈现不确定性，才是可靠的准备方式
遇到含义不明的文字时，有两种看似省事、实际上并不安全的处理方式：
- 因为不符合熟悉的模板而直接丢弃
- 因为看起来像台词而给出过度肯定的分类
两种方式都可能把重要的审阅工作藏起来。
更好的系统会区分清晰的结构线索，以及仍需人工确认的内容。在已经出现具名角色的剧本中，无法归属的段落可能应该继续标记为待确认；在独白或不标记说话者的文本中，缺少角色名也许是整份文档有意采用的形式，而不是每一行各自出错。
这项区分不只关乎翻译，也关乎无障碍。文字遗漏、误把舞台指示当成台词显示，或者将台词归给错误角色，都可能改变观众的理解。然而，剧本解析本身并不等于一场无障碍演出。同语字幕可能还要纳入与理解有关的非语音信息，并处理放置位置、清晰呈现和观众端的传递方式。
结构只是工作的起点，不是完成证明。
剧场团队可以在导入前做些什么
制作团队不必为了软件而重新设计剧本。不过，几项文档习惯确实能让人工和系统审阅都更清楚：
- 在制作条件允许时，统一角色标记方式
- 一致使用段落样式，不用连续空格排列文字
- 用不止一种线索区分标题、台词和舞台指示
- 导入前不要先把工作剧本压平成纯文本
- 删除过时的排练备注，或清楚标明其性质
- 确认上传的是当前获准使用的版本
- 保留原始剧本，让每一条字幕都能回查来源
一致性固然有帮助，却不该只为迎合解析器而“修正”独特的戏剧形式。工作流程应为作品服务，而不是要求作品模仿模板。
版式可以整理初稿；演出仍由人来准备
理解版式的最大价值，不在于让几何取代语言，而在于少浪费剧本本已提供的信息。
文字、标点、排版、相邻区块和文档区域，都能提供线索。确定性规则可以处理清晰的模式；范围受控的 AI 辅助，可以帮助检查真正含义不明的区域；而人则负责判断内容是否准确、恰当，并已经适合排练。
在现场剧场中，这份平衡尤其重要。字幕初稿的价值，在于它仍可编辑；翻译之所以值得信任，在于有人对它负责；演出文件之所以准备就绪，在于团队已经审阅并排练，而不是因为解析器给出了一个信心十足的标签。
要进一步了解确定性解析、正文区域识别和选择性 AI 审阅，请阅读剧场字幕软件为什么应该先解析剧本，再使用 AI。
常见问题
问：剧本格式为什么对剧场字幕如此重要？
答： 格式可以呈现文字本身没有明说的关系，例如谁在说话、哪些段落属于同一组、舞台指示从何处开始，以及某一行位于前置资料还是剧本正文。保留这些线索，有助于生成更清楚、可供人工审阅的字幕初稿。
问：SurtitleLive 支持 PDF 剧本分析吗？
答： 目前剧本分析支持的输入格式，是原始 Word .docx 文件。PDF 和其他非 DOCX 格式不属于当前分析流程，因为它们未必能保留可靠准备工作所需的文档结构。
问：斜体一定会被视为舞台指示吗？
答： 不会。斜体只是许多线索中的一种；它的含义取决于前后文字、段落结构、样式，以及文档其他位置反复出现的规律。
问：用冒号分隔的剧本是否更容易解析？
答： 一致的“角色：台词”格式可以提供很强的线索，但冒号也会出现在资料标签、标题和普通文章中。解析器仍须参考文档和区域上下文。
问：twip 是什么？
答： twip 是 Word 的文档版面单位，一个 twip 等于二十分之一点。它可以保留缩进和间距的细微差异；这不是剧场专用的测量方式，也不能单凭数值保证段落的含义。
问：理解版式的解析方式能否取代人工审阅？
答： 不能。它的作用是帮助整理出可编辑的初稿。制作团队仍应检查字幕分段、角色、遗漏、翻译、呈现和时机，并在演出前完成排练。