云映 VTT 注音核对：分开基础文字、注音与实际显示

字幕里较小的读音说明可能依附某个汉字，也可能已经被压平成普通文字。只看出现了拼音，不能断言应用按注音结构渲染。本篇先在外部制作最小VTT，再在云映比较带注音和纯文本两份；只验证自己写的字，不要求应用自动给视频加拼音，也不把语法支持等同于所有引擎的显示承诺。

先写清字义与练习范围

准备十秒以上自制短片，静止纸卡即可，外部笔记写本例的行取行列的读音háng。这个读音由练习者明确给出，不让播放器猜多音字，也不从注音倒推真实视频说了什么。保存原片与正式字幕，另用练习文件名。若没有录制条件，仍可完成纸面结构与对照文件制作，播放结果留未测；不要把阅读本页代码当成已经在手机看到注音。确认字本身在可信文本工具里可正常显示。

把基础字与注音嵌套在一条字幕内

将原创样例存成UTF-8纯文本，文件名以.vtt结尾，代码围栏不写入文件。整条从第一秒至第六秒，基础文字放ruby内，注音放其内部的rt内；闭合顺序从内到外。拼音声调符号保留，不随意替换成问号。这个样例没有第二条字幕或另一条音轨，注音也不是新时间段。保存后重新打开原始文本核对尖括号、结束标签与空行，不依赖编辑器看起来自动补齐的效果。

WEBVTT

00:01.000 --> 00:06.000
<ruby>行<rt>háng</rt></ruby>

按规范核对结构而非预设位置

参考W3C WebVTT注音跨度，分清基础文字与注音文字两个角色，不能把rt挪到ruby外又称结构没变。本文不加网页CSS、不写HTML脚本，也不把浏览器里某种注音样式当云映当前路径的保证。用外部笔记画父子关系即可，不要求理解整个规范解析算法。规范约束与这台设备的呈现分栏记录，未观察到的位置、字号和颜色先留空，不猜注音一定在所有语言中放同一侧。

从起点之前顺播并逐项登记

在云映按当前实际入口选择练习字幕，从第一秒之前顺播到第六秒之后，先确认基础字是否出现，再记注音是否出现及其相对位置。可能只有字、字音都在一行、分层显示或标签原样外露，照实记，不替没有看见的样式打勾。保持同一视频、屏幕方向和速度，不反复换来源追求预想结果。入口找不到或载入失败，记录入口和提示；此时不能把失败直接归给ruby语法，也不承诺应用有手动内核菜单。

制作只含基础字的同区间对照

另存副本，只将整段标记换成单个行字，保留VTT头、起止区间、编码与文件扩展名。两份分别选择和顺播，不把列表中名称相近当已切换成功。对照也不出现字，应先查文件选择和字符显示；对照正常而注音版不同，再把差异限定在这两份文件与当前路径。纯文本对照去掉了读音信息，不能说与原注音版语义完全等价，也不能为获得整齐外观而悄悄替换唯一原件。

把显示异常分成文字和标记两层

基础字变方框与rt标签外露不是同一种现象。前者先核源文件字符、已知可读的普通字与当前字体路径，后者先核结构及当前字幕处理方式；只看一张截图不足以诊断根因。不要通过删掉所有汉字只留拼音来宣称问题已修，也不要求下载安装未知字体。重音丢失时回保存后的纯文本查看是否已经损坏，若源文就错，先在副本校正并保留旧值，不把编辑阶段损坏算成播放时翻译错误。

需要可见读音时另验替代写法

如果用途要求每次都能读到拼音，可另制行（háng）这样的显式文本版本，并在同一视频重查显示完整与阅读负担。它把注音关系改成括号文本，不再冒称ruby布局，也不保证所有设备相同。不要直接用于原作者没有给读音的正式字幕；多音字的解释需要可靠上下文。替代版另命名，笔记注明结构改变、信息保留和未测设备，不拿练习成功推断任何影视字幕都能自动完成注音。

重开后验收三份文件的身份

退出再进入同一视频，辨认当前选的是注音、基础字对照还是括号版，再从区间前顺播一次。最后清单写明源字、人工读音、标签结构、实际显示、对照差异与未确认项，每个结论能指回文件名和观察日期。恢复正式字幕设置，三份练习与原片各自保留。完成标准是分清写进文件的信息与当前真正看到的结果，不是应用已经会辨认所有汉字，也不是本轮文章发布等于真机逐字显示验收。