Friskription → 博客 → SRT 与 VTT

SRT 与 VTT：该用哪一种

字幕

它们装的是同样的字句、同样的时间，差别大约三个字符。值得在意的原因是：有那么几个地方，只认其中一种。

简短的回答

  • 选 SRT——用于视频剪辑软件、桌面播放器，以及往 YouTube 上传字幕。这是什么都接受的格式。
  • 选 VTT——当字幕要放到网页上时，因为 HTML5 的 <track> 元素只读 WebVTT，别的一概不读。
  • 拿不准就选 SRT。支持面更广，日后转成 VTT 也只是加一行文件头再查找替换一下。
  • 真正的差别：VTT 以一行 WEBVTT 开头，而它的时间戳在毫秒前用句点，SRT 用逗号。
  • VTT 还能携带 SRT 没有的样式和位置信息——多数人从来用不上，而且有些播放器根本会忽略。

同样的三条字幕，两种写法

SRT

1
00:00:01,200 --> 00:00:04,600
So today we are finally opening the
box everyone has been asking about.

2
00:00:04,600 --> 00:00:07,900
I have not looked inside. Not once,
I promise.

3
00:00:08,300 --> 00:00:11,400
Right — let us do this properly.

VTT

WEBVTT

1
00:00:01.200 --> 00:00:04.600
So today we are finally opening the
box everyone has been asking about.

2
00:00:04.600 --> 00:00:07.900
I have not looked inside. Not once,
I promise.

在一份普通文件里，差别真的就这么多：一行文件头，以及逗号变成了句点。两者都是纯 UTF-8 文本，都给每条字幕编号，都在起止时间之间用 -->，也都把正文写在下面几行。

实际存在的差异

SRT（SubRip） VTT（WebVTT）
文件头 没有 第一行 WEBVTT，必需
毫秒分隔符 逗号 — 00:00:01,200 句点 — 00:00:01.200
字幕编号 必需 可选，而且可以是名称而非数字
位置 不属于该格式 每条字幕各自的位置、对齐和尺寸设置
样式 基本的内联标签，支持参差不齐 类似 CSS 的 STYLE 块和字幕类名
注释与元数据 没有 NOTE 块，以及章节和元数据轨道
HTML5 <track> 不支持 它唯一能读的格式
其他一切 基本到处都收 普遍能收，偶尔不行

按用途来选

字幕要用到哪里 选 为什么
视频剪辑软件 — Premiere、DaVinci Resolve、Final Cut、剪映 SRT 每个剪辑软件都二话不说就能导入的格式。
桌面播放器 — VLC、IINA、mpv SRT 与视频同名放在一起，它自己就会加载。
往 YouTube 上传字幕 SRT YouTube 两种都收，但 SRT 阻力最小。
网页上的 HTML5 <video> VTT <track> 元素只读 WebVTT，别无他选。
HLS 或 DASH 流媒体 VTT 两者的规范都把 WebVTT 定为字幕格式。
社交平台视频 — Instagram、TikTok、LinkedIn SRT 凡是能上传字幕的地方，几乎都是 SRT。
还没想好 SRT 支持更广，日后再转也不费事。

两者互转

SRT 转 VTT 只有两处改动：在最上面加一行 WEBVTT 和一个空行，再把每个时间戳里的逗号改成句点。别的都不用动。

# SRT → VTT
{ echo -e "WEBVTT\n"; sed 's/,/./g' subtitles.srt; } > subtitles.vtt
这条 sed 故意写得很粗。 它会替换文件里的每一个逗号，包括台词里的逗号——对时间戳没问题，对正文就是错的。要交付的东西，请只转换时间戳那几行；或者干脆一开始就导出你要的格式，那是零成本的。

VTT 转 SRT 就是反过来做一遍，再把 SRT 放不下的东西去掉：NOTE 块、STYLE 块、时间戳后面的字幕设置，以及用名称而非数字的字幕。

拿到任一格式的文件

如果你来这里是因为需要字幕，而不是为了给格式之争下定论：媒体工作室接收视频或音频文件——MP4、WebM、MP3、M4A 或 WAV——在浏览器里读取，把语音转写并翻译，最后给出任一种格式。文件本身始终不离开你的电脑。

每周三十分钟免费，只有有人说话的部分才计费，两种下载里的字句完全相同——所以最后那个选择，恰恰就是这一页讲的事。另有完整的操作说明。

问题

SRT 和 VTT 有什么区别？

在一份普通文件里有两点：VTT 文件以 WEBVTT 一行开头，它的时间戳用句点分隔毫秒，而 SRT 用逗号。此外 VTT 还支持字幕定位、样式、注释和元数据，这些 SRT 都放不下。

YouTube 该用哪种？

SRT。YouTube 两种都收，但它的上传流程对 SRT 最顺，链条上其他工具也都认这个格式。

网站该用哪种？

VTT，而且没得选：HTML5 的 <track> 元素只读 WebVTT。HLS 和 DASH 流媒体的规范同样规定了 WebVTT。

VLC 能播放 VTT 文件吗？

一般可以，但桌面播放器还是选 SRT 更稳妥。把字幕文件命名成和视频一样，放进同一个文件夹，它就会自动加载。

有哪一种更准确吗？

没有。它们只是装同样字句、同样时间的容器。准确度取决于字幕是怎么生成的，而不是你存成了哪种格式。

一个字幕文件能同时装两种语言吗？

不能作为两条独立的轨道，但同一条字幕里可以放两行。生成前打开在译文下方显示原文的选项，每条字幕就会先写译文、下面用括号写原文——这样任何播放器都能同时显示，而不需要两个文件。

ASS 和 SSA 呢？

那是另一类格式，是为繁重的样式、定位和排版而生的——字幕组做的就是那种活儿。当字幕本身承担设计工作时，它们很值。而对于带时间轴的翻译文本，SRT 和 VTT 才是尺寸刚好的工具。

给手头已有的素材做一份字幕文件

每周三十分钟免费。无需安装，文件留在你自己的电脑上。

打开媒体工作室

继续阅读