SRT vs VTT：字幕格式比較與指南

SRT（SubRip Text）和 VTT（WebVTT）是兩種最廣泛使用的字幕檔案格式：SRT 是具有近乎通用影片播放器支援的傳統標準，而 VTT 是為 HTML5 影片設計的現代網頁原生格式，具備內建的樣式和定位功能。

選擇正確的字幕格式會影響相容性、樣式選項，以及字幕在各平台上的呈現方式。本指南詳細說明 SRT 和 VTT 的具體差異、各平台的支援情況，以及何時選擇哪一種。

什麼是 SRT？

SRT 代表 SubRip Text，這是一種起源於 1990 年代末的字幕格式，作為 SubRip 軟體的一部分，該工具設計用於從 DVD 中提取（「rip」）字幕。儘管歷史悠久，SRT 仍然是業界支援最廣泛的字幕格式。

SRT 檔案是副檔名為 .srt 的純文字檔案。每個字幕項目由三部分組成：連續的數字索引、顯示開始和結束時間的時間碼行，以及一行或多行字幕文字。項目之間以空行分隔。

以下是 SRT 檔案的結構：

1
00:00:01,000 --> 00:00:04,000
This is the first subtitle line.

2
00:00:05,500 --> 00:00:08,200
This is the second subtitle.
It can span multiple lines.

3
00:00:10,000 --> 00:00:13,750
Speaker identification is done
manually in the text itself.

SRT 格式的主要特性：

時間碼格式：HH:MM:SS,mmm（時、分、秒、毫秒以逗號分隔）
連續編號：每個提示從 1 開始編號
純文字：不原生支援樣式、顏色或定位
編碼：通常為 UTF-8，但較舊的檔案可能使用其他編碼
箭頭分隔符：開始和結束時間以 --> 分隔

SRT 的簡單性既是其最大的優勢也是主要的限制。任何文字編輯器都可以建立和修改 SRT 檔案，幾乎所有影片播放器和編輯應用程式都能讀取它們。但是，您無法在格式規範內控制字型大小、顏色、位置或任何其他視覺屬性。

什麼是 VTT？

VTT 代表 WebVTT（Web Video Text Tracks），這是由 W3C（全球資訊網聯盟）專門為 HTML5 <video> 和 <track> 元素開發的字幕和標題格式。該規範最初於 2010 年發布，並成為 W3C 推薦標準，使其成為網頁影片字幕的官方標準。

VTT 檔案是副檔名為 .vtt 的純文字檔案。它必須以標頭 WEBVTT 開始，後面可選擇性地加上中繼資料。每個提示可以包含選擇性的識別碼、時間碼行和字幕文字。

以下是 VTT 檔案的結構：

WEBVTT
Kind: captions
Language: en

intro
00:00:01.000 --> 00:00:04.000
This is the first subtitle line.

00:00:05.500 --> 00:00:08.200
This is the second subtitle.
It can span multiple lines.

styled-cue
00:00:10.000 --> 00:00:13.750 position:10% align:start
<v Speaker 1>This cue has positioning
and a voice tag for speaker ID.</v>

VTT 格式的主要特性：

必要標頭：每個檔案必須以 WEBVTT 開始
時間碼格式：HH:MM:SS.mmm（毫秒使用句點，而非逗號）
可選的提示識別碼：提示可以有命名 ID，而非連續編號
CSS 樣式支援：支援 ::cue 偽元素透過 CSS 設定樣式
定位：提示設定允許垂直、行、位置、大小和對齊控制
語音標籤：<v Speaker Name> 標籤支援格式內的說話者辨識
中繼資料標頭：WEBVTT 標頭後的鍵值對提供額外上下文
註解：支援 NOTE 區塊進行檔案層級的標註

VTT 設計用於解決舊版字幕格式的限制，同時與網頁技術原生整合。其對 CSS 樣式、說話者語音標籤和提示定位的支援使其比 SRT 在網頁影片播放器中表現力明顯更強。

SRT vs VTT：主要差異

雖然 SRT 和 VTT 乍看之下很相似，但它們在幾個重要方面有所不同，不僅僅是副檔名。

功能	SRT	VTT
副檔名	`.srt`	`.vtt`
檔案標頭	不需要	需要 `WEBVTT`
時間碼分隔符	逗號（`,`）	句點（`.`）
提示編號	需要連續編號	可選的命名識別碼
文字樣式	不支援	CSS `::cue` 樣式、粗體、斜體、底線
定位	不支援	行、位置、大小、對齊設定
說話者辨識	手動（基於文字）	原生語音標籤（`<v>`）
註解	不支援	支援 `NOTE` 區塊
中繼資料	不支援	標頭中繼資料鍵值對
HTML 標籤	有限（部分播放器支援 `<b>`、`<i>`）	完整支援（`<b>`、`<i>`、`<u>`、`<c>`、`<v>`、`<lang>`）
字元編碼	各異（建議 UTF-8）	要求 UTF-8
網頁標準	否	W3C 推薦標準

對大多數使用者來說，最實際的差異是相容性與功能性。SRT 在任何地方都能使用，但除了顯示定時文字外什麼都不做。VTT 在網頁上原生運作，具有豐富的格式選項，但在桌面影片編輯器和傳統媒體播放器中的支援較窄。

平台相容性

了解哪些平台接受哪種格式可以節省時間，避免轉換的麻煩。以下是主要平台和工具的支援情況。

平台/工具	SRT	VTT	備註
YouTube	有	有	接受兩種手動上傳；自動生成 SRT
Vimeo	有	有	接受兩種；建議使用 VTT 進行樣式設定
HTML5 `<video>`	無	有	VTT 是唯一原生支援的格式
VLC Media Player	有	有	完整支援兩種格式
Adobe Premiere Pro	有	無	SRT 匯入/匯出；不原生支援 VTT
DaVinci Resolve	有	無	SRT 是匯入的首選
Final Cut Pro	有	無	支援 SRT 和 iTT
Facebook / Instagram	有	有	上傳建議使用 SRT
TikTok	有	無	SRT 用於隱藏式字幕上傳
Netflix	兩者（透過 TTML）	兩者（透過 TTML）	偏好 TTML/DFXP 交付
Zoom	有	有	雲端錄音使用 VTT
Microsoft Teams	有	有	會議逐字稿生成 VTT
WordPress	無	有	HTML5 影片原生使用 VTT
Wistia	有	有	接受兩種字幕上傳

一般規律：網頁平台和現代工具支援 VTT，而影片編輯軟體和傳統播放器偏好 SRT。如果您為網頁播放製作內容，VTT 是自然選擇。如果您要將檔案交付給編輯或上傳到社群媒體，SRT 是更安全的選擇。

何時使用 SRT

當廣泛相容性比格式控制更重要時，選擇 SRT。

影片編輯工作流程。 大多數專業編輯軟體——Premiere Pro、DaVinci Resolve、Final Cut Pro、Avid Media Composer——原生處理 SRT。如果您的字幕檔案需要在編輯器之間移動，SRT 可避免轉換問題。

社群媒體上傳。 TikTok 和 Instagram 等平台接受 SRT 用於燒入式或隱藏式字幕。上傳字幕到社群平台時，SRT 通常是唯一被接受的格式。

傳統系統支援。 較舊的媒體播放器、機上盒和 DVD/藍光製作工具都圍繞 SRT 建構。如果您的觀眾使用較舊的播放硬體或軟體，SRT 保證相容性。

簡單性和可攜性。 SRT 檔案建立、編輯和除錯都非常簡單。不需要記住標頭，沒有特殊語法，格式即使第一次看到也能自我解釋。

自由接案和客戶交付。 向客戶或合作者交付字幕檔案時，SRT 是最安全的預設選擇，因為它不需要解釋，並且適用於接收者使用的任何工具。

何時使用 VTT

當您需要網頁原生功能、樣式或無障礙合規時，選擇 VTT。

HTML5 網頁影片。 如果您使用 <video> 元素在網站上嵌入影片，VTT 是 <track> 標籤唯一支援的字幕格式。不需要轉換層或 JavaScript 函式庫。

有樣式的字幕。 VTT 讓您使用 ::cue 偽元素將 CSS 樣式套用到字幕。您可以透過標準 CSS 控制字型、顏色、背景、透明度和文字陰影。

video::cue {
  background-color: rgba(0, 0, 0, 0.7);
  color: #ffffff;
  font-size: 1.2em;
}

字幕定位。 VTT 支援精確放置的提示設定。這對於避開螢幕上的圖形、說話者名稱或下方三分之一覆蓋層很有用。

00:00:10.000 --> 00:00:14.000 position:10% line:0 align:start
This caption appears at the top-left.

說話者辨識。 VTT 的語音標籤（<v>）提供了一種結構化的方式來辨識說話者，這對會議逐字稿、訪談和多說話者內容很有用。播放器可以使用這些標籤為不同說話者設定不同顏色。

無障礙合規。 對於網頁內容的 WCAG 2.1 合規，VTT 是推薦格式，因為它與 HTML5 無障礙 API 整合，並支援字幕（為聾人/重聽觀眾）和描述（為盲人/弱視觀眾）。

如何在 SRT 和 VTT 之間轉換

在 SRT 和 VTT 之間轉換很簡單，因為這兩種格式在結構上很相似。

SRT 轉 VTT

手動將 SRT 檔案轉換為 VTT：

將 WEBVTT 作為檔案的第一行
在標頭後加一個空行
將時間碼中所有逗號替換為句點（00:00:01,000 變成 00:00:01.000）
可選擇移除連續提示編號（在 VTT 中不是必需的）
以 .vtt 副檔名儲存檔案

轉換前（SRT）：

1
00:00:01,000 --> 00:00:04,000
Welcome to the presentation.

2
00:00:05,500 --> 00:00:08,200
Today we will cover three topics.

轉換後（VTT）：

WEBVTT

00:00:01.000 --> 00:00:04.000
Welcome to the presentation.

00:00:05.500 --> 00:00:08.200
Today we will cover three topics.

VTT 轉 SRT

將 VTT 檔案轉換為 SRT：

移除 WEBVTT 標頭和任何中繼資料行
將時間碼中所有句點替換為逗號（00:00:01.000 變成 00:00:01,000）
在每個時間碼行前添加連續提示編號
移除任何 VTT 特有的功能（語音標籤、定位、CSS 類別）
以 .srt 副檔名儲存檔案

自動轉換

對於批次轉換或頻繁的格式切換，Vocova 等工具會自動處理。當您在 Vocova 中從音訊或影片生成字幕時，可以直接匯出為 SRT 和 VTT（以及 PDF、DOCX、CSV 和 TXT），無需手動轉換。當您需要同一內容的多種格式用於不同平台時，這特別有用。

大多數影片編輯應用程式和線上字幕編輯器也包含內建的格式轉換。FFmpeg 可以在命令列上轉換格式：

ffmpeg -i subtitles.srt subtitles.vtt

其他需要了解的字幕格式

SRT 和 VTT 涵蓋了大多數使用案例，但還有幾種其他格式適用於專門應用。

ASS / SSA（Advanced SubStation Alpha）

ASS 及其前身 SSA 是在動畫字幕社群中流行的字幕格式。它們支援進階樣式，包括字型、顏色、動畫、卡拉 OK 效果和精確的螢幕定位。ASS 檔案比 SRT 或 VTT 複雜得多，主要與 VLC 和 MPC-HC 等媒體播放器一起使用。大多數網頁平台不直接接受 ASS 檔案。

TTML（Timed Text Markup Language）

TTML 是由 W3C 維護的基於 XML 的字幕格式。它用於專業廣播和串流工作流程，特別是 Netflix、BBC 和其他大型內容發行商。TTML 支援豐富的樣式、基於區域的定位，以及在單一檔案中包含多個字幕軌。其 XML 結構使其冗長但高度結構化。

SCC（Scenarist Closed Captions）

SCC 是北美廣播電視使用的傳統格式。它編碼 CEA-608 隱藏式字幕資料，是美國 FCC 合規字幕的要求。SCC 檔案不是人類可讀的，需要專業軟體來建立和編輯。如果您為廣播電視製作內容，您的字幕供應商可能會交付 SCC 檔案。

SBV（SubViewer）

SBV 是 YouTube 歷史上用於自動生成字幕的簡單字幕格式。它在結構上類似於 SRT，但使用不同的時間碼格式。SBV 在 YouTube 上傳中已基本被 SRT 和 VTT 取代。

常見問題

我可以上傳 SRT 檔案到 YouTube 嗎？

可以。YouTube 接受 SRT 和 VTT 檔案進行手動字幕上傳。您可以透過任何影片的「字幕」部分在 YouTube Studio 中上傳。YouTube 也自動生成字幕，可以 SRT 格式下載。

VTT 支援樣式和顏色嗎？

支援。VTT 透過 ::cue 偽元素支援 CSS 樣式、內聯標籤如 、 和 ，以及使用 <c.classname> 的類別式樣式。您可以控制字型顏色、背景顏色、文字大小和透明度。但並非所有影片播放器都會渲染 VTT 樣式——支援取決於播放器的實作。

哪種格式更適合無障礙？

VTT 是網頁無障礙合規的推薦格式。它與 HTML5 無障礙 API 整合，支援 kind 屬性（字幕、描述、章節），並允許透過語音標籤進行說話者辨識。對於網頁影片的 WCAG 2.1 合規，使用 <track> 元素的 VTT 是標準做法。

SRT 檔案可以包含粗體或斜體等格式嗎？

SRT 規範不包含格式。但是，許多影片播放器會解析 SRT 提示中的基本 HTML 標籤（、、）並相應渲染。這種行為不保證在所有播放器上一致，因此依賴它進行關鍵格式設定是有風險的。

字幕檔案的最大檔案大小是多少？

SRT 和 VTT 都沒有格式層級的檔案大小限制。平台特定的限制各有不同：YouTube 允許最大 10 MB 的字幕檔案，而大多數平台接受遠低於 1 MB 的典型影片長度檔案。一小時的影片通常產生 50-150 KB 的字幕檔案。

如何從音訊或影片生成 SRT 或 VTT 檔案？

您可以使用自動語音辨識工具轉錄音訊或影片來生成字幕檔案。Vocova 等服務可以轉錄超過 100 種語言的音訊，帶有時間戳記和說話者標籤，然後讓您直接匯出為 SRT、VTT 和其他格式。關於字幕生成工具的比較，請參閱我們的最佳 AI 字幕生成器指南。