字幕格式全攻略：SRT、VTT、ASS 怎么选怎么用
视频配字幕该用哪个格式？SRT、VTT、ASS 有什么区别，各适合什么场景，以及常见字幕工作流该如何选择格式。
字幕为什么重要
字幕有三大作用：方便听障群体观看、帮助非母语用户理解、让视频平台和站内搜索更容易理解内容主题。
转录是花功夫的步骤。有了转录稿之后，选对字幕格式就是个技术选择问题了。
格式能力矩阵
| 格式 | 核心能力 | 适合场景 | 来源依据 |
|---|---|---|---|
| SRT | 序号、时间戳、纯文本字幕 | 通用上传、剪辑软件、长期存档 | SubRip 文本字幕事实标准，结构简单、兼容性强 |
| VTT | WEBVTT 文件头、cue、位置、样式、注释和元数据 | Web 视频、在线课程、需要说话人样式的内容 | W3C WebVTT 规范 |
| ASS/SSA | 字体、颜色、位置、图层、复杂样式 | 动漫字幕、复杂屏幕文字、精细排版 | Advanced SubStation Alpha 格式生态和 Aegisub 等字幕编辑器 |
| TXT/Markdown | 纯文本或笔记友好格式 | 整理笔记、引用摘录、AI 二次处理 | 通用文本格式，不保留完整字幕样式 |
| JSON | 结构化字段 | 程序处理、质检、数据分析 | 结构化数据交换 |
这个表只比较格式能力，不代表所有平台都支持每个能力。上传前仍要以目标平台的字幕文档为准。
最常见的三种格式
SRT
最简单、支持最广的格式。纯文本文件，包含序号、时间戳和文字块：
1
00:00:01,000 --> 00:00:04,000
欢迎收看今天的节目。
2
00:00:04,500 --> 00:00:08,200
今天聊本地转录这个话题。
最适合： YouTube、Vimeo、Facebook 以及大多数视频播放器。不确定用哪个格式就选 SRT。
局限： 不支持样式（颜色、字体、位置），没有元数据。就是时间轴配文字。
VTT
为网页设计的格式。支持 CSS 样式，有可选的元数据头。
WEBVTT
00:00:01.000 --> 00:00:04.000
<c.us_speaker>张老师：</c> 欢迎收看今天的节目。
00:00:04.500 --> 00:00:08.200
<c.us_speaker>李老师：</c> 今天我们聊本地转录的话题。
最适合： HTML5 视频播放器、在线课程、所有网页视频平台。
比 SRT 好在哪里： 说话人样式、颜色支持、位置提示、注释（编辑用，不显示在屏幕上）。
ASS/SSA
来自动漫字幕组的全功能字幕格式。支持复杂样式、卡拉 OK 特效、图层渲染。
最适合： 专业视频制作、动漫字幕、复杂的屏幕文字效果（多人说话、弹窗、动画文字）。
代价： 门槛高。用 Aegisub 之类的编辑软件能降低难度，对大多数人来说 VTT 的样式就够了。
各场景推荐
| 场景 | 推荐格式 | 原因 |
|---|---|---|
| YouTube 上传 | SRT | 最简单，通用 |
| 带品牌风格的网页视频 | VTT | 支持样式，网页原生 |
| 专业视频剪辑 | SRT | Premiere、DaVinci 等主流剪辑软件都直接导入 SRT |
| 存档 | SRT | 最简单，最不容易出兼容问题 |
| 多人对话内容 | VTT | 支持说话人标签和样式 |
| 动画/复杂文字 | ASS | 更适合复杂样式控制的格式 |
从 音记AI 导出
音记AI 支持多种字幕和文本导出格式，覆盖常见需求：
- SRT、VTT、ASS——上面详细讲过的三种
- LRC——增强歌词同步格式，部分音乐播放器使用
- TXT——纯文本，无时间戳
- Markdown——带时间戳链接，适合笔记工具
- JSON——程序处理
- SUB / SBV / SMI——面向特定播放器和平台的其他字幕格式
字幕时间轴注意事项
每行字数限制
中文视频可以先使用短行和紧凑的两行字幕块。观众是一边看画面一边看字幕，行太长就只能在看画面和看字幕之间二选一。具体限制仍要根据目标平台、字体大小和画面比例微调。
同步调整
音记AI 的时间戳来自转录分段，通常足够作为初稿。如果在 Premiere 或 DaVinci 里做后期，仍建议人工抽查开头、中段、结尾的同步点，必要时整体平移或局部微调。
断行
在自然的说话停顿处断行——句子之间、分句之后、连词之前。断得不好，字幕比没字幕还难受。
