字幕格式的世界
字幕使视频内容可以被更广泛的受众所访问，包括聋人或听力障碍者、说不同语言的人以及那些更喜欢关掉声音观看的人。但字幕格式的多样性比大多数人意识到的要多，为您的项目选择正确的字幕格式很重要。
SRT（SubRip Subtitle）
SRT 是迄今为止最受欢迎的字幕格式。它是一种简单的文本格式，包含每个字幕行的时间信息和文本。
SRT 文件的结构
SRT 文件看起来像这样：
1
00:00:01,000 --> 00:00:04,500
欢迎来到我们的教程。
2
00:00:05,000 --> 00:00:08,000
今天我们将学习字幕格式。每个字幕条目都有：
- 顺序编号
- 时间范围（开始时间 --> 结束时间）
- 字幕文本
- 分隔条目的空行
SRT 的优势
- 简单且人类可读：任何人都可以在文本编辑器中打开 SRT 文件并理解它
- 通用支持：与几乎所有视频播放器和平台一起工作
- 易于创建和编辑：不需要特殊软件
- 紧凑的文件大小：简单的文本格式保持文件小
SRT 的劣势
- 有限的格式：不支持字体、颜色或默认之外的定位
- 没有样式信息：所有字幕看起来都一样
- 有限的语言功能：不原生支持从右到左的语言或复杂的脚本
何时使用 SRT
SRT 是大多数项目的正确选择：
- YouTube、Facebook 和大多数社交媒体视频
- 简单的演示文稿或教程
- 当您需要最大兼容性时
- 当您不需要花哨的格式时
WebVTT（Web 视频文本轨道）
WebVTT 是基于 Web 的字幕的 W3C 标准，专为 HTML5 视频设计。它与 SRT 类似，但有一些扩展。
WebVTT 文件的结构
00:00:01.000 --> 00:00:04.500
欢迎来到我们的教程。
00:00:05.000 --> 00:00:08.000
今天我们将学习字幕格式。与 SRT 的关键区别：
- 文件以 "WEBVTT" 标头开头
- 使用句点而不是逗号表示毫秒
- 支持定位、样式和提示等附加功能
WebVTT 的优势
- Web 标准：HTML5 视频的官方格式
- 更好的样式支持：可以指定位置、对齐方式和基本样式
- 支持区域和提示：用于复杂布局的更高级功能
- 更好的 Unicode 支持：原生支持从右到左的语言
WebVTT 的劣势
- Web 之外的支持有限：某些视频播放器不支持
- 比 SRT 更复杂：样式功能增加了复杂性
- 支持不如 SRT 广泛：许多平台仍首选 SRT
何时使用 WebVTT
- 网站上的 HTML5 视频
- 基于 Web 的视频播放器
- 当您需要定位或基本样式时
- 当针对现代 Web 标准时
ASS/SSA（高级 SubStation Alpha）
ASS 是一种功能强大的字幕格式，支持广泛的样式、定位，甚至基本动画。它是动漫粉丝字幕和复杂字幕的首选格式。
ASS 文件的结构
ASS 文件更复杂，样式、事件和元数据有单独的部分。它们可以为每个字幕行指定字体、颜色、边框、阴影、旋转和其他视觉效果。
ASS 的优势
- 完全样式控制：字体、颜色、边框、阴影、大小，全部可定制
- 定位：精确控制字幕在屏幕上的出现位置
- 动画支持：淡入淡出和移动等基本动画
- 每行样式：每个字幕行可以有不同的样式
ASS 的劣势
- 复杂格式：创建者学习曲线陡峭
- 支持有限：并非所有播放器都支持 ASS
- 文件大小更大：更复杂的格式意味着更大的文件
- 渲染不一致：不同的播放器可能以不同方式呈现 ASS
何时使用 ASS
- 动漫或卡拉 OK 字幕
- 当您需要广泛的视觉定制时
- 对于支持它的特定平台
- 当您有时间学习该格式时
TTML（时间文本标记语言）
TTML 是 W3C 定时文本标准，基于 XML。它被专业广播和流媒体服务使用。
TTML 的优势
- 行业标准：由 Netflix、BBC 和其他专业广播公司使用
- 基于 XML：结构化格式，易于以编程方式解析
- 高度可扩展：可以为特定用例扩展
- 支持复杂布局：多个区域、定位、样式
TTML 的劣势
- 复杂：基于 XML 的格式很冗长
- 不用户友好：难以手动编辑
- 消费播放器中支持有限：主要用于专业环境
- 冗长：文件大小比简单格式大
何时使用 TTML
- 专业广播
- 具有特定要求的流媒体服务
- 需要以编程方式解析字幕的应用程序
- 符合行业标准
STL、SCC 和其他广播格式
除了主要格式外，还有许多特定于广播的格式：
- STL（Spruce STL）：用于欧洲广播
- SCC（Scenarist 隐藏字幕）：用于北美广播
- TTML（时间文本标记语言）：用于专业流媒体
- DFXP（分发格式交换配置文件）：较旧的 TTML 配置文件
- SAMI（同步可访问媒体交换）：Microsoft 的旧字幕格式
这些主要与专业广播和流媒体工作流相关。
隐藏字幕与字幕
隐藏字幕和字幕之间有一个重要的区别：
字幕：假设观众可以听到音频。它们仅显示对话和重要的声音。
隐藏字幕：包括所有音频信息，包括说话者识别、声音效果、音乐和其他非语音音频。它们专为聋人和听力障碍的观众设计。
在美国，FCC 要求大多数电视内容都有隐藏字幕。同样的区别适用于在线视频 —— 字幕应包括用于可访问性的非语音音频。
字幕创建的最佳实践
时间安排
- 至少显示字幕 1 秒，理想情况下为 1.5-6 秒
- 不要同时在屏幕上显示多个字幕
- 自然地与对话同步 —— 稍微延迟通常比在语音之前出现更好
长度
- 每行保持约 40 个字符
- 每个字幕条目最多 2 行
- 在自然短语边界处换行
样式
- 使用可读的字体大小（底部字幕约为视频高度的 5%）
- 文本和背景之间的高对比度
- 一致的定位（通常为底部居中）
- 避免在重要的视觉信息上放置字幕
可访问性
- 为多个说话者包括说话者识别
- 在方括号中添加声音效果：[门砰地关上]、[音乐播放]
- 使用正确的标点符号
- 考虑为不同的说话者使用颜色编码
字幕翻译工作流程
对于多语言内容，字幕需要翻译。常见的工作流程：
1. 创建原始字幕
从源语言的准确字幕开始。糟糕的源字幕会产生糟糕的翻译。
2. 翻译
翻译可以通过以下方式完成：
- 专业翻译人员（最佳质量）
- 众包平台（成本和质量的良好平衡）
- 机器翻译（快速但通常需要人工审查）
3. 时间码调整
翻译时，新文本可能比原始文本更长或更短，需要调整时间。翻译的字幕需要适应相同的时间段，同时保持可读性。
4. 质量检查
母语人士应审查最终字幕：
- 翻译的准确性
- 自然的措辞
- 正确的时间安排
- 技术问题（溢出、重叠等）
常见问题及解决方法
字幕不同步
如果字幕在错误的时间出现，您可以使用字幕编辑器将所有时间移动一个固定量，或手动调整每个条目。
文本溢出
如果文本在可用时间内不适合，您可以：
- 缩短文本
- 拆分为两个字幕条目
- 增加阅读速度（更短的持续时间）
- 使用较小的字体大小
编码问题
如果您看到奇怪的字符而不是文本，则文件编码错误。大多数字幕文件应该是 UTF-8。使用支持编码转换的文本编辑器来修复此问题。
播放器不兼容
如果字幕在您的视频播放器中不显示，请尝试不同的格式。SRT 是最广泛支持的，所以它通常是一个安全的选择。
字幕工作工具
Subtitle Edit
一个免费的、开源的 Windows 字幕编辑器，具有用于创建、编辑和转换字幕的广泛功能。
Aegisub
一个免费的、开源的字幕编辑器，特别流行于 ASS 字幕和卡拉 OK 计时。
Subtitle Horse / Subtitle Cat
用于快速字幕创建和编辑的在线工具。
字幕翻译工具
用于翻译字幕的各种平台和工具，包括专业服务和众包平台。
要在格式之间进行转换，我们的在线字幕转换工具支持本指南中提到的所有主要格式。
字幕的未来
字幕的未来包括：
- AI 生成的字幕：机器学习正在改进自动转录和翻译
- 实时翻译：直播的实时翻译
- 交互式字幕：可链接到其他信息的可点击字幕
- 更好的可访问性：对可访问性需求更复杂的处理
- 标准化：跨平台向通用标准迈进
就目前而言，对于大多数项目来说，实际选择是：兼容性选择 SRT，Web 特定用途选择 WebVTT，当您需要高级样式时选择 ASS。了解每种格式的优势和劣势有助于您为项目做出正确的选择。
About the Author
ChDaoAI Media Team — The ChDaoAI team consists of passionate engineers, designers, and content creators who are dedicated to making powerful AI tools accessible to everyone.