如何制作观众真正读得过来的 SRT 字幕
SRT 文件是一份纯文本的编号字幕列表，每条字幕都带有开始和结束时间。过去制作 SRT 意味着要逐行输入、手动对时间轴。如今你可以自动生成带时间戳的转写稿，把精力花在真正重要的地方：让字幕准确，并且读起来舒服。
本指南介绍 SRT 的工作原理、如何从音频或视频生成 SRT 文件、怎样的字幕才易于阅读，以及如何把字幕导入常用的视频工具。
SRT 文件长什么样
SRT 是 SubRip Subtitle 的缩写，是最简单、支持最广泛的字幕格式之一。每条字幕称为一个字幕条（cue），由四部分组成：
- 序号，从 1 开始。
- 时间范围，格式为
hours:minutes:seconds,milliseconds --> hours:minutes:seconds,milliseconds（时:分:秒,毫秒）。注意毫秒前面是逗号。 - 一行或多行字幕文本。
- 一个空行，表示该字幕条结束。
1
00:00:01,200 --> 00:00:04,000
欢迎回到本频道。
2
00:00:04,300 --> 00:00:07,800
今天我们来看三种方法，
让你在家录出更清晰的声音。由于 SRT 是纯文本，你可以用任何文本编辑器打开和修改。请用 UTF-8 编码保存，这样带重音的字母和中文等非拉丁文字才能正确显示。大多数“损坏”的 SRT 文件，问题都出在编码错误、缺少空行，或者时间戳里用了句点而不是逗号。
如何从音频或视频制作 SRT 文件
- 使用最终剪辑版本。字幕必须与观众听到的内容一致。请转写视频的定剪版本，或从同一时间线导出的最终混音音频，这样剪辑后就不必重新调整字幕时间。
- 上传文件。在 Media2Text 中上传视频或音频。对于 MP4、MOV 和 WEBM 等支持的视频格式，音轨会在你的浏览器中提取，原始视频不会被上传。MP3、WAV 和 M4A 等音频文件可以直接使用。格式详情请参阅视频转 SRT 和音频转 SRT。
- 先修正文字。在转写稿视图中修正人名、品牌术语和数字，借助查找替换和可点击的时间戳，改起来很快。导出前修改文字，比之后逐条修改字幕轻松得多。
- 导出 SRT。在导出菜单中选择 SRT。如果转写引擎返回了可靠的逐词时间，就会使用逐词时间戳；否则字幕条按片段时间生成。想清楚字幕里是否需要说话人姓名，大多数视频并不需要。
- 回看一遍。把文件导入剪辑软件或播放器，以正常速度观看开头、对话最密集的部分和结尾。
怎样的字幕才易于阅读
文字准确只是好字幕的一半。观众需要有足够的时间读完每条字幕，同时还能看画面。广播电视机构和流媒体平台都发布了详细的字幕风格指南，下面这些原则是大多数指南的共识。
每行不要太长
每条字幕使用一到两行。对于使用拉丁字母的语言，许多指南建议每行大约 32 到 42 个字符。行太长会迫使视线横跨整个屏幕，在手机上也更难阅读。
给每条字幕足够的显示时间
太短的字幕一闪而过，没人来得及读；太长的字幕则在说话人已经说到下一句时还停留在屏幕上。常见的范围是每条大约一秒到六七秒。语速快的说话人会产生很密的字幕，应在自然停顿处拆分，而不是把整句话硬塞进一屏。
在自然的位置断行
在短语之间断行，不要从短语中间断开。“今天我们来看三种方法，/ 让你在家录出更清晰的声音”就比“今天我们来看三种方法，让你 / 在家录出更清晰的声音”更好读。尽量不要让一行以冠词、介词这类虚词结尾。
以实际说的话为准，而不是脚本
如果说话人没有照稿念，字幕应当跟随实际说出的内容。能听到声音的观众会立刻发现字幕和语音对不上。
考虑无障碍需求
面向聋人或听障观众的字幕通常会包含重要的声音信息，例如[音乐]、[笑声]或[关门声]，并标明画面外的说话人。语音识别只能捕捉说出的话，因此在需要的地方，请手动添加这些描述。W3C 字幕指南是很有用的参考资料。
SRT 还是 VTT：该选哪个？
| SRT | WebVTT（VTT） | |
|---|---|---|
| 结构 | 字幕条带编号，毫秒前用逗号。 | 以 WEBVTT 文件头开始，毫秒前用句点，字幕条编号可选。 |
| 样式 | 非常有限；部分播放器能识别基本标签。 | 通过网页标准支持定位、区域和样式。 |
| 最适合 | 视频剪辑软件、上传表单，以及追求最广泛兼容性的场景。 | HTML5 视频播放器和要求 VTT 的网页平台。 |
如果拿不准，就先导出 SRT，它几乎在任何地方都能用。Media2Text 可以从同一份转写稿导出两种格式，所以你不必一次定终身。要转换已有的文件，可以使用免费的 SRT 转 VTT 工具。W3C WebVTT 规范完整记录了 VTT 格式。
把字幕导入视频工具
不同版本的菜单会有所变化，请以所用工具的最新文档为准。一般来说：
- YouTube 支持在 YouTube Studio 的字幕版块上传字幕文件，包括 SRT 和 VTT。发布后，上传的文件会替换该语言的自动字幕。
- 桌面剪辑软件，如 Adobe Premiere Pro 和 DaVinci Resolve，可以把 SRT 文件导入到字幕轨道，你可以在那里调整样式，必要时把字幕烧录进画面。
- 基于 HTML video 元素的网页播放器通过 track 元素加载 VTT 文件。
- 社交平台各不相同：有的接受字幕文件，有的会自己生成字幕，或者要求使用烧录字幕。
外挂字幕还是烧录字幕？单独的 SRT 或 VTT 文件可以让观众自行开关字幕，平台也能为文字建立索引。烧录字幕会成为画面的一部分，常见于静音观看的社交短视频。Media2Text 负责生成字幕文件，把字幕烧录进视频则需要之后在剪辑软件中完成。
说话人姓名、音乐及其他特殊情况
字幕要不要显示是谁在说话？
说话人在画面中时通常不需要，观众看得到是谁在说话。当说话人在画面外、多人快速轮流发言，或者视频是只有一张静态图片的纯音频播客时，才需要标明说话人。在新说话人的那行开头加一个简短的标签（如“主持人：”）或一个破折号就足够了。如果你从带说话人标签的转写稿导出，请在导出前决定是否包含它们，因为之后逐条删除非常繁琐。
歌曲和背景音乐
音乐声较大时，语音识别可能会转写出唱出的歌词，或者生成零碎的片段。制作字幕时，常见做法是写[音乐]或简短的描述，而不是写不完整的歌词，除非歌词对内容很重要。请记住，歌词通常受版权保护。
屏幕上的文字
压在已有标题或下方字条上的字幕很难看清。大多数剪辑软件都可以移动字幕轨道的位置，VTT 在网页上也支持定位。语音识别不会读取屏幕上的文字，如果观众需要，请另行翻译或转写重要的标题。
语速很快
当说话人的语速超过观众的阅读速度时，你有两种选择：保留每一个字，接受较短的阅读时间；或者在保留原意的前提下稍作精简。无障碍指南通常倾向于尽量保留说话人的原话，营销短片则往往会精简。每个视频选定一种做法，并始终如一地执行。
其他语言的字幕
想覆盖说其他语言的观众，先转写原语言，再创建翻译后的转写轨道。翻译会保留原始时间戳，因此你可以导出与相同时间点对齐的新语言字幕。翻译不会为音频配音，而且译文可能比原文更长，所以在内容密集的段落要重新检查阅读速度和断行。
常见 SRT 问题及解决方法
所有字幕都提前或延后了相同的时间
文件本身通常没问题，只是视频的起点不同，例如开头多了一段场记板或片头，而转写的音频里没有。请在剪辑软件中整体平移字幕轨道，而不是逐个修改时间戳。
字幕越往后越不同步
这说明字幕是基于另一个剪辑版本或帧率不同的文件制作的。请转写你要发布的那个最终版本。
重音字母变成了乱码
把文件重新保存为 UTF-8。一些较旧的工具默认使用地区性编码。
平台拒绝接收文件
检查 SRT 时间戳里是否用了句点而不是逗号、字幕条之间是否缺少空行，或者文件是否为空。用纯文本编辑器打开 SRT，通常很快就能发现问题。
某个名字通篇都错了
在转写稿中用查找和替换改一次，然后重新导出，而不是手动逐条修改。
SRT 字幕检查清单
- 转写最终剪辑版本或最终混音音频。
- 导出前在转写稿中修正人名、术语和数字。
- 为剪辑软件和上传导出 SRT，为网页播放器导出 VTT。
- 每条字幕控制在一到两行短句，并留出足够的阅读时间。
- 如果观众需要，手动添加声音描述。
- 导入后观看开头、最密集的段落和结尾。
准备好制作字幕文件了吗？从视频转 SRT 或音频转 SRT 开始吧。免费试用包含终身最多 2 个转写任务，共享总计 75 分钟时长，无需信用卡。
制作 SRT 字幕 →