實用指南

如何將字幕燒錄進 MP4:SRT 與 WebVTT 及硬軟字幕全解析

比較 SRT 與 WebVTT 字幕格式、MP4 硬燒錄與 mov_text 軟封裝的差異,以及瀏覽器本機字體大小、位置與外框設定。

閱讀約 6 分鐘

為什麼將字幕燒錄進 MP4 能確保在各平台正常顯示

將字幕燒錄進 MP4 後,文字會直接成為影片畫面的永久像素,而不是一條獨立的可選文字串流。這一點至關重要,因為社群動態牆、Discord 內嵌播放、Instagram Reels、TikTok 以及許多手機訊息預覽不是直接剝離外掛字幕軌,就是預設靜音自動播放。

使用 Vidto 的「加入字幕」工具時,影片與 .srt 或 .vtt 字幕檔都會透過 FFmpeg.wasm 完全在本機瀏覽器分頁內處理——未公開的訪談、客戶剪輯或內部訓練影片無需排隊上傳雲端。

本機燒錄 SRT 或 VTT 字幕

SRT 與 WebVTT:時間戳記語法與格式差異

SubRip (.srt) 與 WebVTT (.vtt) 是最常見的兩種純文字字幕格式,Vidto 側邊欄挑選器皆可直接讀取。兩者在文字編輯器裡看似接近,但細微語法決定了網頁播放器與算圖引擎如何解析——將檔案儲存為 UTF-8 編碼即可確保各類語言符號正常顯示而不亂碼。

如果你從線上聽打工具匯出的 WebVTT 檔案包含自訂 STYLE 或 REGION 標頭區塊,FFmpeg 字幕算圖器會自動忽略不支援的 CSS 規則,改採整潔的 ASS 樣式算圖,兩種格式的時間軸都會準確保留。

  • SubRip (.srt):以連續序號(1, 2, 3)開頭,毫秒使用逗號分隔(00:01:12,500 --> 00:01:15,000),並支援簡潔的斜體、粗體行內標籤。
  • WebVTT (.vtt):首行必須為 WEBVTT 標頭,毫秒使用小數點分隔(00:01:12.500 --> 00:01:15.000),支援註解區塊,同時也是 HTML5 原生 track 元素的標準格式。

硬燒錄字幕 vs. 無損 mov_text 軟封裝

硬燒錄模式(Vidto 預設開啟)透過 libass 搭配本機預載字體算圖每一條字幕,並將視訊串流重新編碼為帶 faststart 標頭的 H.264 (yuv420p),同時原封不動串流複製原有音軌。由於字樣已直接繪入畫面,每位觀眾看到的時間點與排版完全一致。

關閉硬燒錄字幕開關則會切換為無損軟封裝:Vidto 會逐位元直接複製視訊與音訊串流(零重編碼),並在 MP4 中額外封裝一條可切換開關的 mov_text(MPEG-4 Timed Text)字幕軌。軟封裝極快且畫質零損耗,非常適合 VLC、QuickTime Player、iOS 原生播放器開關字幕及歸檔母帶使用。

社群平台匯出的字體大小、外框與安全區建議

匯出硬字幕 MP4 前,可依畫面比例調整側邊欄三項外觀參數:字體大小(14 px 至 48 px,預設 24 px)、字幕位置(底部、置中或頂部)以及文字外框(0 px 至 4 px,預設 2 px),確保白色字幕在明亮天空或白色簡報上依然清楚醒目。

若要為 Reels 或 Shorts 製作 9:16 直式字幕,建議選擇置中或頂部位置,避免把 14 px 小字貼在最底端而被平台按鈕遮擋。合成字幕後若想縮小檔案方便傳訊,可直接透過「繼續處理」跳轉至「壓縮 MP4」。

常見問題解答

軟封裝 mov_text 字幕會重新編碼影片嗎?

不會。關閉硬燒錄字幕開關後,Vidto 會原樣複製視訊與音訊串流,並將字幕軌作為 mov_text 封裝進 MP4。

為什麼軟字幕在 Discord 或 Instagram Reels 上不會顯示?

多數社群平台與聊天預覽在伺服器轉檔時會忽略或移除可選的 mov_text 字幕軌。發佈到社群動態牆或 Discord 時請維持開啟硬燒錄字幕。

可以同時為 WebVTT 和 SRT 字幕調整字體大小與位置嗎?

可以。在硬燒錄模式下可自由設定 14 px 至 48 px 字體大小、選擇底部/置中/頂部對齊,並調整 0 px 至 4 px 文字外框。

我的字幕與影片檔案會離開我的電腦嗎?

絕對不會。FFmpeg.wasm 完全在你的本機瀏覽器內讀取影片和字幕檔案。

相關影片格式

更多影片指南