视频字幕常见问题 20 问

做字幕的过程中，问题往往集中在几个固定的环节：格式怎么写、语音怎么识别、翻译怎么不出错、最后怎么成片。把最常见的 20 个问题按这四组归拢，遇到卡点先来这里找，大多能直接定位。这 20 问不求穷尽，只挑出现频率最高、最容易卡住新手的那部分，作为排查的第一站。

一、格式类（5 问）

SRT 和 VTT 有什么区别？

SRT 是纯文本、结构最简单；VTT 在头部加了 WEBVTT 标记，支持样式与定位，主要挂在网页视频上。SRT 转 VTT 用 SRT 转 VTT 工具。

一条 SRT 条目由哪几部分组成？

三部分：序号、时间轴（00:00:01,000 --> 00:00:02,500）、文本，条目之间空一行。

时间轴用什么格式？

SRT 用逗号做毫秒分隔（00:00:01,000），VTT 用点（00:00:01.000），别混用。

字幕文件该存成什么编码？

统一 UTF-8 无 BOM，换行用 LF，跨平台最稳，避免方块和问号。

ASS 和 SRT 比有什么不同？

ASS 支持字体、颜色、位置等样式，适合烧录精排；SRT 只有文本。SRT 转 ASS 用 SRT 转 ASS 工具。

二、识别类（5 问）

语音识别支持哪些语言？

源语言支持中、英、日、韩，识别后转成源字幕。

识别不准怎么办？

先逐条听校，重点看专有名词和数字；再用 字幕清理工具 修重叠和格式。

噪音大的视频能识别吗？

能识别，但噪音会拉低准确率。安静环境录制、靠近麦克风，结果更稳。

上传的视频会被保存吗？

不会。SmileSub 上传的原视频在处理完成后即被删除，不做长期存储。

识别出来能直接当字幕用吗？

建议先校对再发布，尤其是术语和数字，避免错字进成片。

三、翻译类（5 问）

支持翻译哪些语种？

支持中、英、日、韩、西、葡、德 7 个语种互译。

翻译会改乱时间轴吗？

专业工具不会，时间轴单独解析、只翻译文本、最后按原轴组装。

机器翻译能直接发布吗？

信息类口播可以；专业术语、品牌口径建议人工过一遍。

怎么保证术语统一？

翻译前定一份术语表，全文同一概念只用一种译法。

双语字幕怎么做？

用 双语 SRT 生成工具，上传 SRT 直接产出原文 + 译文。

四、成片类（5 问）

软字幕和烧录字幕选哪个？

能挂 CC 的平台用软字幕换 SEO，社媒和广告用烧录保证触达，两者共用一份 SRT。

字幕烧录后还能改吗？

烧录进画面就固化了，要改得回到源 SRT 重新导出，所以烧前务必校对。

字幕溢出画面怎么办？

缩短行长或缩小字号，按安全区排版；规范检查能列出越界条目。

阅读速度多少合适？

中文不超过 9 字/秒、拉丁文不超过 20 字符/秒，单条停留 1 到 7 秒。

一个视频要做几种字幕？

看渠道：YouTube 类挂软字幕，社媒烧录，多市场再加各语种轨道。

更系统的成片取舍，见 字幕烧录与软字幕的区别；完整制作流程见 字幕翻译的完整流程。

常见问题

上传的视频会被平台保存吗？

不会。SmileSub 处理完成后即删除原视频，不做长期存储。这一点和"文件留在服务器"的工具不同，敏感素材可以放心上传处理。

翻译会不会把时间轴改乱？

不会。翻译只作用于文本，时间轴是单独解析的数据，最后按原时间轴组装。容易改乱的是手动复制粘贴——结构化数据变成连续文本后切分没有校验。

字幕溢出画面该怎么收？

先缩短单行字数，不行再调字号，始终守住安全区。用规范检查工具一次性列出所有越界条目，比肉眼逐条找更高效。