工作流 约 8 分钟
给视频加字幕的三种方式：软字幕轨、硬字幕与外挂文件
字幕以三种形态进入视频：软字幕轨封装进容器、可开关；硬字幕渲染进画面像素、任何设备可见；外挂文件独立于视频、可随时编辑。选哪种取决于播放环境，以及字幕是否需要后期修改。
三种形态对比
| 形态 | 原理 | 优点 | 限制 |
|---|---|---|---|
| 软字幕轨 | 字幕作为独立轨封装进 MP4（mov_text） | 可开关、不重编码、画质无损 | 部分电视与旧播放器不显示 |
| 硬字幕 | 字幕渲染进画面像素 | 任何设备可见 | 需重编码、不可关闭、不可修改 |
| 外挂文件 | SRT/VTT/ASS 与视频同目录 | 随时编辑替换 | 依赖播放器加载，转发时易丢失 |
分发到不可控环境（微信、电视、投影仪）用硬字幕或外挂；留存与多语言场景用软字幕轨。
字幕格式怎么选
SRT 是最通用的纯文本时间轴格式，几乎所有播放器与剪辑软件支持。VTT 是 Web 标准，HTML5 的 <track> 元素原生支持，网页播放场景必选。ASS 支持字体、颜色、位置、特效标签，是字幕组成品的常用格式。
三种格式可以互转。从 ASS 转到 SRT/VTT 时会剥离样式标签、保留纯文本与时间轴；反向转换则只生成默认样式。
没有字幕文件：语音转录生成
语音识别可以直接从视频音轨生成带时间轴的字幕。本站的语音转字幕工具在浏览器本地运行 Whisper 模型：ffmpeg 提取 16kHz 单声道音频，模型分块推理并输出时间戳，全程不上传服务器。
转录结果应视为初稿：专业术语、人名、中英文混排处需要人工校对。工具内置逐条编辑与时间轴微调，修正后再下载 SRT/VTT。
时间轴对不上怎么办
整体偏移（所有字幕都早或晚同样的秒数）通常是片头长度不同导致：不同版本的视频片头广告、台标时长不同。用整体平移一次修正即可。
越走越偏（开头对准、结尾漂移）是帧率不匹配：字幕按 23.976fps 版本制作，视频是 25fps 版本，每分钟累积约 2.5 秒漂移。这种需要按比例缩放时间轴，而不是整体平移。
中文字幕文件还有一个高频坑：Windows 记事本保存的 SRT 常为 GBK 编码，按 UTF-8 解析会乱码。本站的解析流程自动识别 UTF-8 与 GBK，输出统一为 UTF-8。