视频字幕怎么做：自动识别、校对、时间轴与SRT导出5步

视频字幕是什么

视频字幕是按时间码和音频同步显示的文字，内容是对白、旁白，必要时也包括音乐、笑声等非语音信息。W3C WAI 在《字幕与说明》里把同语言的字幕叫 captions，把翻译成另一种语言的叫 subtitles，有些地区两种都叫 subtitles。

本文讲同语言字幕；翻译成外语、做海外版本，见字幕翻译与本地化有什么区别。

视频字幕怎么做：5个步骤

视频字幕可以按备料、识别、校对、对齐、导出五步做，每步有放行标准，没过不进下一步。

第一步：准备音频和文稿

准备音频和文稿是为了少出识别错误：人声清楚，背景音乐压低；有脚本的，连同产品名、型号、人名的标准写法一起备好。脚本怎么写，见营销短视频脚本怎么写。

第二步：自动识别出字幕初稿

自动识别字幕是用语音识别把音轨转成带时间码的文字。YouTube 帮助中心《使用自动字幕功能》说明，自动字幕由机器学习生成，质量参差不齐，错误发音、口音、方言和背景噪音都可能让字幕和原话对不上，要求创作者检查并修改。

同一篇说明提到，音频太复杂、语言不支持、视频太长、音质差、开头长时间没声音、多人同时说话或混用多种语言时，可能生成不了自动字幕。

第三步：逐句校对文字

校对是对照原声逐句听，改掉错别字、同音字和断错的句子，重点看数字、否定词和专有名词。W3C WAI 认为自动字幕通常要大量编辑，只能当起点，并举过一个英文例子：原话是“高火烤 4 到 5 分钟，不要预热烤箱”，自动字幕变成了“烤 45 分钟”，“不要”也识别错了，意思正好相反。产品视频里型号、价格错一个字就是事实错误。

第四步：对齐时间轴和断句

对齐时间轴，是让每条字幕在开口时出现、说完时消失，再把长句拆成读得完的几条。字数可以参考 Netflix 的《Chinese (Simplified) Timed Text Style Guide》（简体中文字幕规范）：每行不超过 16 个字，最多两行，一般只用一行；成人节目阅读速度不超过每秒 9 个字。

这是 Netflix 对片方的交付要求，不是抖音、视频号的规定。竖屏短视频屏幕窄，每行放多少字以手机预览为准。

第五步：导出字幕文件或烧录进画面

导出时要决定字幕的交付形式：导出单独的字幕文件（软字幕），还是烧录进画面（硬字幕），区别见下文。无论选哪种，都保留无字幕母版和字幕源文件，以后改错字不用重做整片。

SRT 字幕文件是什么格式

SRT（SubRip）是一种纯文本字幕格式，每条字幕由序号、时间码和文字组成，条与条之间空一行。下表按 YouTube 帮助中心《受支持的字幕文件》的示例拆开说明：

YouTube 建议新手用 SRT 或 SBV，因为它们只要基本的时序信息，用任何纯文本编辑软件都能改；上传到 YouTube 时，SRT 只支持基本版、不识别样式，文件必须是 UTF-8 编码。

常见字幕格式对照：

硬字幕和软字幕有什么区别

硬字幕是烧录进画面的文字，观众关不掉；软字幕是和视频分开的字幕文件，观众可以打开或关闭。W3C WAI 把前者叫 open captions，后者叫 closed captions，并说明网上的字幕多数属于后者。

所以“视频字幕怎么去掉”要分情况：软字幕在播放器里关掉即可；硬字幕已经是画面的一部分，只能用无字幕母版重新导出。

各平台的视频字幕要求怎么查

各平台的视频字幕要求主要查两件事：能否上传字幕文件、支持哪些格式；字幕放哪里不被界面挡住。

1. 查上传方式：YouTube 可以上传字幕文件（格式见上表的出处），也可以在 YouTube 工作室左侧「字幕」里检查和修改自动字幕。我们这次没有找到抖音、视频号等国内平台关于字幕文件格式的官方说明，以发布页和帮助中心为准；拿不准时把字幕烧录进成片。
2. 查安全区：烧录的字幕放在头像、文案、按钮挡不到的区域，见海外短视频尺寸与安全区。
3. 实际预览：在手机上用目标平台从头看到尾，检查遮挡、断行和同步。

视频字幕能导出成文字吗

视频字幕可以导出成文字。W3C WAI 说明，多数字幕编辑工具能导出纯文本文字稿，字幕和文字稿文字相同、可以互相生成；SRT 本身是纯文本，用文本编辑软件打开就能复制。

视频字幕发布前校对清单

发布前按这张表逐项勾一遍，哪项不过就退回对应步骤：

AI 生成的短视频怎么整片验收，见AI 短视频制作流程里的逐镜头审核表；配音和字幕怎么对照着听，见AI配音怎么做。

用引擎AI做视频字幕

引擎AI（Deepege）是面向企业团队的 AI 营销视频平台。官网首页介绍，成片时配音、逐句对齐的字幕、花字、封面和配乐一次包装好；做海外版时，脚本、配音和字幕一起转成目标语言，每一版由你审过再用。可以看引擎AI怎么一起包装配音和字幕。

视频字幕的适用边界

字幕不能替代事实核对，口播说错了，字幕改对也没用；自动字幕省的是打字时间，不是校对时间。每行字数和阅读速度引自 Netflix 交付规范，我们没找到国内短视频平台的同类标准，以目标设备预览为准。

常见问题

自动生成的视频字幕能直接用吗？

不建议直接用。YouTube 帮助中心说明自动字幕由机器学习生成，口音、方言和背景噪音都可能让它和原话对不上，要求创作者检查修改；W3C WAI 也认为自动字幕通常需要大量编辑，只能当作起点。

SRT 字幕文件怎么打开和修改？

SRT 是纯文本格式，每条字幕由序号、时间码和文字组成，用任何纯文本编辑软件都能打开修改。上传到 YouTube 时，SRT 只支持基本版、不识别样式，文件必须是 UTF-8 编码。

硬字幕能去掉吗？

硬字幕烧录在画面里，是画面的一部分，观众关不掉，只能用无字幕母版重新导出。软字幕是单独的字幕文件，在播放器里就能关闭。

每行字幕放多少字合适？

可以参考 Netflix 简体中文字幕规范：每行不超过 16 个字，最多两行，成人节目每秒不超过 9 个字。这是 Netflix 的交付要求，不是国内短视频平台的规定，竖屏短视频以手机预览为准。

视频字幕和字幕翻译有什么区别？

视频字幕通常指和原声同一种语言的文字，W3C WAI 称为 captions；把字幕翻译成另一种语言叫 subtitles。翻译和本地化的做法见本站《字幕翻译与本地化有什么区别》。

延伸阅读

• 字幕翻译与本地化有什么区别
• 海外短视频尺寸与安全区
• AI 短视频制作流程
• AI配音怎么做
• 营销短视频脚本怎么写
• 看引擎AI怎么一起包装配音和字幕

参考资料

• 受支持的字幕文件（YouTube 帮助中心）
• 使用自动字幕功能（YouTube 帮助中心）
• Captions/Subtitles（W3C WAI）
• Chinese (Simplified) Timed Text Style Guide（Netflix）