实用指南

如何将字幕烧录进 MP4:SRT 与 WebVTT 及硬软字幕全解析

对比 SRT 与 WebVTT 字幕格式、MP4 硬烧录与 mov_text 软封装的区别,并介绍浏览器本地字号、位置与描边设置。

阅读约 6 分钟

为什么将字幕烧录进 MP4 能确保全平台正常显示

将字幕烧录进 MP4 后,文字会直接成为视频画面的像素一部分,而不是一条独立的可选文本流。这一点很关键,因为社交信息流、Discord 嵌入式播放、Instagram Reels、TikTok 以及不少手机聊天预览要么会直接剥离外挂字幕轨,要么默认静音自动播放。

使用 Vidto 的「添加字幕」工具时,视频本体与 .srt 或 .vtt 字幕文件都会通过 FFmpeg.wasm 完全在本地浏览器标签页内处理——未公开的采访素材、客户样片或内部培训录像无需上传任何云端队列。

本地烧录 SRT 或 VTT 字幕

SRT 与 WebVTT:时间戳语法与格式差异

SubRip (.srt) 和 WebVTT (.vtt) 是最常见的两种纯文本字幕格式,Vidto 侧边栏选择器均直接支持。两者在文本编辑器里看似相似,但细微语法决定了网页播放器与渲染器的解析方式——将文件保存为 UTF-8 编码即可确保各类字符正常显示而不乱码。

如果从网页听写工具导出的 WebVTT 文件带有自定义 STYLE 或 REGION 头部块,FFmpeg 字幕渲染器会自动忽略不受支持的 CSS 规则,改用整洁的 ASS 样式渲染,两种格式的时间轴都会精准保留。

  • SubRip (.srt):以连续序号(1, 2, 3)开头,毫秒使用逗号分隔(00:01:12,500 --> 00:01:15,000),支持简单的斜体、粗体行内标签。
  • WebVTT (.vtt):首行必须包含 WEBVTT 标识,毫秒使用小数点分隔(00:01:12.500 --> 00:01:15.000),支持注释块,也是 HTML5 原生 track 标签的标准格式。

硬烧录字幕 vs. 无损 mov_text 软封装

硬烧录模式(Vidto 默认开启)通过 libass 搭配本地预置字体渲染每条字幕,并将视频流重新编码为带 faststart 头的 H.264 (yuv420p),同时原封不动地流复制原有音轨。由于文字已融入画面像素,所有观众看到的字号、排版与时间点完全一致。

关闭硬烧录开关后,流程切换为无损软封装:Vidto 会逐比特直接复制视频与音频流(零重编码),并在 MP4 中额外封装一条可开关的 mov_text(MPEG-4 Timed Text)字幕轨。软封装几乎瞬间完成且画质零损伤,非常适合 VLC、QuickTime Player、iOS 原生播放器开关字幕以及归档母带使用。

社交平台导出的字号、描边与安全区建议

导出硬字幕 MP4 前,可根据画面宽高比在侧边栏调节三项外观参数:字号(14 px 至 48 px,默认 24 px)、字幕位置(底部、居中或顶部)以及文字描边(0 px 至 4 px,默认 2 px),让白色字幕在明亮天空或白色幻灯片背景上依然清晰锐利。

如果你在为 Reels 或 Shorts 制作 9:16 竖屏字幕,建议选择居中或顶部位置,避免把 14 px 小字贴在最底端而被平台交互按钮遮挡。字幕合成后若需控制聊天发送体积,可直接从「继续处理」快捷跳转至「压缩 MP4」。

常见问题解答

软封装 mov_text 字幕会重新编码视频吗?

不会。关闭硬烧录开关后,Vidto 会原样流复制视频与音频数据流,仅将字幕轨作为 mov_text 封装进 MP4。

为什么软字幕在 Discord 或 Instagram Reels 里不显示?

大多数社交平台和聊天预览在服务端转码入库时会忽略或剥离可选的 mov_text 字幕轨。发往社交平台或 Discord 时请保持开启硬烧录字幕。

可以同时为 WebVTT 和 SRT 字幕调整字号与位置吗?

可以。在硬烧录模式下可调节 14 px 至 48 px 字号、选择底部/居中/顶部对齐,并设置 0 px 至 4 px 描边。

我的字幕和视频文件会离开本机电脑吗?

绝对不会。FFmpeg.wasm 完全在你的本地浏览器中读取视频和字幕文件。

相关视频格式

更多视频指南