SRT 和 VTT 有什么区别？字幕文件格式怎么选

导出字幕的时候，你多半见过两个选项：.srt 和 .vtt。SRT 和 VTT 该选哪个，是做视频的人经常遇到的问题。好消息是，答案通常很简单：两种格式存的是同一种东西——带时间轴的字幕文本，大多数平台至少支持其中一种。真正需要区分的只有少数几种情况，这篇文章逐一说明。

SRT 是什么

SRT 全称 SubRip Text，得名于最早推广它的 SubRip 软件，是目前兼容性最好的字幕格式。SRT 文件是纯文本，由一个个带编号的字幕块组成，每块包含序号、时间区间和一到两行字幕：

1
00:00:01,000 --> 00:00:04,000
欢迎回到节目。

2
00:00:04,500 --> 00:00:07,200
今天我们聊聊定价。

注意毫秒前面用的是逗号，这个小细节正是两种格式的主要区别之一。

VTT 是什么

VTT 指 WebVTT（Web Video Text Tracks），是为网页设计的字幕格式，也是 HTML5 视频播放器通过 <track> 标签加载的格式。WebVTT 文件看起来和 SRT 很像，有两处一眼就能看出的不同：文件第一行必须是 WEBVTT，时间码里毫秒前面用的是英文句点：

WEBVTT

00:00:01.000 --> 00:00:04.000
欢迎回到节目。

00:00:04.500 --> 00:00:07.200
今天我们聊聊定价。

WebVTT 里的字幕序号是可选的。它还支持一些 SRT 没有的功能，比如设置字幕在画面上的位置、写 NOTE 注释块，以及在支持的浏览器里用 CSS 设置样式。

SRT 和 VTT 的实际区别

• 兼容性： SRT 几乎处处可用，桌面播放器和大多数上传表单都认；WebVTT 是基于 HTML5 视频的网页播放器的原生格式。
• 写法： SRT 时间码用逗号、字幕块有编号；WebVTT 需要 WEBVTT 文件头、用句点，编号可省略。
• 位置和样式： WebVTT 可以设置字幕位置和样式；SRT 基本不行，只有部分播放器认几个简单标签。
• 附加信息： WebVTT 支持注释等结构化内容，SRT 只有文字和时间。

如果只是在正确的时间显示一行对白，两种格式在效果上几乎没有差别。

不同平台用哪种格式

各平台的上传规则会变，以平台当前的帮助说明为准，但下面这些情况一直比较稳定：

• 自己的网站： 用 WebVTT，配合 HTML5 的 <track> 标签。
• YouTube 和 Vimeo： 都支持上传 SRT 和 WebVTT。
• 抖音、小红书等短视频平台： 一般没有上传外挂字幕文件的通用入口，主要依靠平台自带的识别字幕，所以短视频通常把字幕直接烧录在画面里。

最后这一点往往比格式之争更关键：如果片段要发到短视频信息流，单独的字幕文件很可能根本到不了观众面前。

SRT 和 VTT 怎么互相转换

两者结构几乎一样，转换是很机械的操作。SRT 转 WebVTT：在文件开头加一行 WEBVTT 和一个空行，再把每个时间码里的逗号换成句点，序号可以保留。反过来，WebVTT 转 SRT：删掉文件头，把句点换回逗号，给每条字幕编号，再去掉 SRT 无法表达的位置设置和样式。

ToClips 怎样处理字幕文件

ToClips 会对每段素材做带词级时间戳的转写，一次任务就能拿到两种字幕。每条渲染好的片段都附带一个 SRT 文件，每段素材的完整转写都可以导出为 SRT 和 VTT。发往短视频平台时，还可以把字幕直接烧录进视频，有简洁、加粗和卡拉OK（加粗黄字）三种样式；批量任务里也有小红书、抖音等平台预设。字幕使用视频里实际说的语言；渲染前请先检查转写里的人名和专业术语，因为烧录进画面的字幕事后无法修改。自动字幕工具详细介绍了字幕流程，播客切片方案则展示了字幕文件在一整期节目处理流程中的位置。

到底该选哪一个

目标平台要什么就选什么。如果播放器在你自己手里，比如自己的网站，选 WebVTT；如果要上传到某个平台又拿不准，SRT 更稳妥，因为几乎所有平台都认。至于发到短视频平台的竖屏片段，真正该考虑的往往不是 SRT 和 VTT 选哪个，而是要不要把字幕烧录进画面——在大多数信息流里，烧录的字幕才是观众唯一看得到的那一份。

诚实说明：目前做不到什么

ToClips 不是完整的字幕编辑器，也没有完整的非线性视频编辑器：只有五个真实工具——AI 视频切片、自动字幕、画幅转换、播客切片和长视频转短视频。字幕保持视频里实际说的语言，不提供翻译；转写不会标注说话人；烧录进画面的字幕渲染后无法修改，请先校对好转写。