前天晚上，准确说是 7 月 5 日凌晨 3 点 15 分，我在渲染第 12 集的字幕轨。屏幕右下角的时间我看了三遍，因为第三格字幕连续三次都输出同样的内容——三个实心方块，像是 AI 自己选择了沉默。
这部漫剧叫《蝉时雨》，是我用一套开源流程拼出来的：先用脚本拆剧本，再喂给翻译模型，最后套上渲染模板。前 11 集都顺得过分。到第 12 集，出事了。
乱码不是 bug，是工具链的伤口
我一开始以为是字体缺失。换了三套字体，重装了两次渲染插件，甚至照着论坛上一位叫「老猫烧须」的网友的帖子，把编码从 UTF-8 切到 GBK 再切回来。三个方块纹丝不动。
后来我在输出日志第 487 行找到一行提示：`glyph not found in subfont 02, fallback to tofu`。tofu，豆腐块。这个说法我第一次是在一个做字幕的群里听来的，当时有人抱怨 中文文字字幕乱码，说「满屏豆腐」，我还笑过这个比喻。
现在轮到我自己对着一屏豆腐发呆了。
真正的原因比字体复杂得多。翻译模型把「她攥紧伞柄」里的「攥」字处理成了生僻变体，渲染引擎的字库只覆盖常用字，于是整句静默降级。AI 没有报错，它以为那就是正确输出。这种沉默，比红色报错框更让人后背发凉。
工具链从不说谎。它只是把每一处没想清楚的地方，安静地替换成一个方块。 —— 记于 2026 年 7 月 5 日凌晨 3 点 47 分
凌晨的工作台，左边是剧本，右边是字幕轨。
我开始逐帧检查，发现了更奇怪的东西
我把第 12 集拆成单帧，从头过了一遍。在 04:12 到 04:19 之间，字幕里出现了 7 处方块，而画面里的角色正在说「别走」。7 处方块，对应 7 个字。不是随机丢失，是整句被吞了。
我把这句话单独截出来，丢给三个不同的翻译接口。第一个返回英文，第二个返回拼音，第三个——返回了日语罗马音。三个结果里，只有日文那条把「别走」翻成了「行かないで」，后面还加了语气词。这个细节让我意识到，问题不在渲染，在中间某一层的语言判断。
顺手查资料的时候，我点进一个讲双人组合 MV 的页面，欧美男女双人组合mv 的拍摄幕后里提到字幕组的排版经验，和我的处境莫名相似。当然，那是另一条路，我只是顺手记了一笔。
说实话，这套流程被严重高估了
我得说一句可能得罪人的话：现在市面上把「AI 漫剧一键生成」吹得太满了。真正跑过完整流程的人都知道，最后 20% 的工作量，全耗在这种你看不见的豆腐块上。
我见过一个做 被校霸晕的乖乖女by 同人改编的创作者，在群里晒他的成品，说零剪辑。但他没说的是，他手动重录了 40 多句台词，因为 AI 把「晕」字连续识别错位了三次。
零剪辑是真的。零返工是假的。
这不是唱衰。恰恰相反，我觉得这套流程值得认真对待。只是它的价值不在「省事」，在「把问题暴露得足够早」。你越早看见那三个方块，就越早知道自己哪一步没想清楚。
我把那三个方块留在了成片里
最后，第 12 集我做了两个版本。一个修好了所有豆腐块，一个原样保留。我选了原样保留的那个上传。
理由说起来有点任性：那三个方块是一段真实的记录。它记录了我凌晨三点半的困惑，记录了一个模型在某一句上的犹豫。它不是缺陷，是痕迹。
当然，如果你要拿去商用，还是修掉吧。修法我写在下面。
三个可以立刻试的修法
第一，把字库换成覆盖 Unicode 扩展 B 区的版本，这一步能解决 60% 的方块。第二，在翻译层加一道「生僻字替换」规则，把非常用字映射成常用同义字，比如「攥」→「握」。第三，干脆在渲染前跑一遍逐帧 OCR，让另一套模型帮你挑出可疑的静默降级。
第三条最费事，但最有用。我用的那个 OCR 工具是开源的，文档写得一般，google官网入口 里搜作者名能找到原始仓库。第一次配置花了两个小时，之后每次渲染自动跑，省心不少。
顺便说一句，找工具的时候我也逛过几个老资源站，2323dy.com 这类地方现在还能翻到些老字幕组的经验帖，虽然界面旧得像上个时代，但里面的土办法往往管用。至于 iuiu88.cc 那边，更多是素材交流，质量参差，挑着看就好。