字幕格式指南：SRT、VTT、ASS 等

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。