視頻翻譯（多媒體翻譯）的內(nèi)容為受眾提供豐富且易于接受的信息，其中包括聲音、影像、動(dòng)畫、流媒體、寓意圖形、字幕、文字等多種信息內(nèi)容。多媒體廣泛用于網(wǎng)絡(luò)程序、視頻游戲、互動(dòng)軟件、展示亭等。隨著技術(shù)的成熟和制作成本降低，多媒體應(yīng)用將更加普及，多媒體本地化需求也隨之增加。這其中音頻/視頻的內(nèi)容改寫、腳本翻譯以及***的旁白都需要具備***的技能和多媒體工程技術(shù)能力。

目前國(guó)內(nèi)各大字幕組和翻譯***對(duì)中外文化的交流學(xué)習(xí)雖說發(fā)揮著重要作用，但業(yè)內(nèi)目前并沒有統(tǒng)一的字幕標(biāo)準(zhǔn)。特蘭斯科的TSS字幕組的原創(chuàng)學(xué)習(xí)材料《視頻字幕制作規(guī)范》總共分八章詳細(xì)闡述了視頻翻譯和字幕制作過程中需注意的各種問題，例如涉及到字幕的可讀性是指字幕出現(xiàn)的時(shí)間要足夠觀眾閱讀，和音頻同步且字幕不遮蓋畫面本身有效內(nèi)容;說話者識(shí)別以及非談話內(nèi)容，均需用字幕清晰呈現(xiàn);字幕應(yīng)完整傳達(dá)視頻素材的內(nèi)容和意圖，二者內(nèi)容同等; 雙語及三語字幕根據(jù)目標(biāo)觀眾特征做相應(yīng)語種優(yōu)先調(diào)整;字體風(fēng)格適合變化。

之前音視頻公司在做轉(zhuǎn)錄時(shí)，需要先將錄制的語音轉(zhuǎn)換成文本，然后再將文本用于應(yīng)用程序中。因此他們大多就會(huì)選擇與轉(zhuǎn)錄提供商合作，但也面臨一些挑戰(zhàn)：

一些提供商可能會(huì)要求客戶簽署價(jià)格昂貴的合同，并且也難以集成到客戶的技術(shù)堆棧中以成功完成轉(zhuǎn)錄任務(wù)。有些提供商可能還在使用過時(shí)的技術(shù)，無法很好地適應(yīng)不同的情況（例如聯(lián)絡(luò)中心常見的低保真度通話錄音），從而導(dǎo)致轉(zhuǎn)錄準(zhǔn)確性較差。