SRT、ASS、VTT、LRC 有什么区别？字幕格式与时间轴一次讲清

把字幕从视频里提取出来之后，下一个问题往往跟着来：我该存成什么格式？导成 TXT 就能贴进笔记，可要交给剪辑软件、放进播放器、传到视频网站，就得是带时间轴的字幕文件。而字幕文件又不止一种——SRT、ASS、VTT、LRC 摆在面前，选错或者随手互转，轻则字幕对不上口型，重则播放器根本不认。

这篇把这四种格式各自长什么样、分别给谁用、互相转换时会踩什么坑讲清楚，再顺带说一下更实用的一件事：字幕整体偏了怎么批量修正。文中的操作都以幕析图像专业版为准，它是三个版本里唯一把字幕后续处理做成独立工具页的版本。

先分清：你要的是"文字"还是"字幕文件"

两者差别只有一样东西——时间轴。

• 纯文字（TXT）：只有一行行台词，没有任何时间信息。适合做笔记、改稿、翻译对照、丢给 AI 继续加工。
• 字幕文件（SRT / ASS / VTT / LRC）：每句台词都挂着"什么时候出现、什么时候消失"。播放器或剪辑软件据此决定字幕何时显示。

所以选择其实很简单：只读内容就导 TXT，要交给能播的工具就导字幕文件。顺带提醒一句，硬字幕（烧进画面的字幕）和软字幕（独立字幕文件）是两回事，提取方式完全不同，想细看可以读《硬字幕 vs 软字幕：OCR如何识别内嵌字幕》。

四种字幕文件长什么样

它们本质都是纯文本，用记事本就能打开，区别在于"怎么表达时间"和"能携带多少额外信息"。

SRT：最通用，也是默认答案

结构最朴素，一条字幕固定四部分，条目之间用空行分隔：

1
00:00:01,500 --> 00:00:04,000
第一句台词文本

• 序号：从 1 开始逐条递增。有些工具的导出结果不带序号行也能被识别，但既然要给别的软件用，老老实实写上最保险。
• 时间戳：格式是 时:分:秒,毫秒，时占两位，毫秒占三位，秒和毫秒之间用逗号。这是 SRT 最经典的兼容性问题来源——把逗号写成小数点，部分播放器就直接判它无效。
• 文本：可以换行，多数播放器默认最多两到三行。

还有个细节：SRT 没有"样式"这件事，字号、颜色、位置全部由播放器决定。想控制外观，那是 ASS 的活。

ASS / SSA：字幕的"样式表"

ASS（Advanced SubStation Alpha）是动漫字幕组的主力格式，因为它把样式写进了文件：字体、字号、颜色、边框、阴影、出现与消失的动画效果，甚至卡拉 OK 逐字点亮。

结构上分三段：[Script Info] 存元信息，[V4+ Styles] 定义若干套命名样式，[Events] 才是实际的字幕行。一条 Dialogue 大致是这样：

Dialogue: 0,0:00:01.50,0:00:04.00,Default,,0,0,0,,第一句台词

看时间字段就能发现两个和 SRT 不同的地方：小时只写一位数，秒后面是两位（百分秒，即 1/100 秒）而不是三位毫秒。另外文本里能出现 \N（强制换行）和 {...}（内联样式标签）这类标记，SRT 里没有对应的地方放它们。

VTT：网页播放器的那一个

WebVTT 是 HTML5 <track> 的标准字幕格式，视频网站、在线课程平台基本都用它。和 SRT 长得像，但有四处不同：第一行必须写 WEBVTT；时间戳的秒与毫秒之间用小数点；序号行可以省略；还可以插 NOTE 注释和 :: 样式说明。

换句话说，VTT 是"能带一点元信息的 SRT"。要从字幕里彻底清出干净文本时，WEBVTT 头与 NOTE 行都属于要丢掉的东西。

LRC：歌词专用，一行一个时间标签

LRC 是给音乐配歌词的，格式最轻：[mm:ss.xx]歌词文本，一行一个时间标签，同一行文本前也可以叠多个时间标签（副歌重复时不用把歌词抄两遍）。它记录的是"这一句从什么时候开始"，通常不写结束时间——下一句出现即视为上一句结束。所以严格说，LRC 不适合当视频字幕用。

各格式对比与选择

格式	时间精度	能带样式吗	典型用途
TXT	无时间轴	不能	笔记、改稿、翻译对照、喂给 AI
SRT	毫秒（逗号分隔）	不能	剪辑软件导入、本地播放器、通用交换
ASS	百分秒（点号分隔）	能，字体颜色定位动画都行	字幕组成品、动漫与特效字幕
VTT	毫秒（点号分隔）	有限（注释与样式说明）	网页播放器、在线课程、视频网站
LRC	百分秒，且只有起始	不能	音乐歌词同步显示

拿不准就按这个顺序想：要进剪辑软件或只给本地播放 → SRT；要在网页里播 → VTT；要做特效或已经有字幕组成品 → 保持 ASS；是歌词 → LRC。

格式互转：三个真会踩的坑

幕析图像专业版的"格式转换"页支持 SRT / ASS / VTT / LRC / TXT 五种目标格式，加载字幕时会自动判断源文件属于哪一种。工具好用，但有三个坑值得提前知道。

坑一：从纯文本转 SRT，时间是"造"出来的

TXT 里没有时间信息，任何工具都无法凭空还原真实说话时刻。幕析图像的转换在这种情况下按每条固定 3 秒从 0 开始往下铺——它能给你一个结构正确的 SRT 骨架，但那不是你的真实时间轴。如果你的素材本来就是从视频里识别出来的，请直接从识别结果导出 SRT，那份时间轴来自抽帧时刻，比事后铺格子准得多。

坑二：ASS 转 SRT，样式一定丢

SRT 没有承载样式的字段，所以 ASS 里的字体、颜色、定位、动画在转成 SRT 后全部不存在；文本中的 \N 换行与 {...} 内联标签也不被 SRT 认识。反过来 SRT 转 ASS 则是把朴素字幕塞进一个默认样式里，外观由 ASS 头部那套 Style 决定。

如果你的目的只是"把 ASS 里的台词文字拿出来"，更合适的做法是用"字幕整理"里的提取纯文本模式：它会丢掉时间戳、序号、WEBVTT 头和 NOTE 注释，并把 ASS 的 \N 与 {...} 标签剥掉，只留干净的文本。

坑三：改了文本还是改了时间，要分清

"字幕整理"页提供十种模式：简体转繁体、繁体转简体、全角转半角、半角转全角、去空行、去重复行、提取纯文本、合并短行、添加序号、去除序号，另外有一个"保留时间轴"开关。要注意两者的关系：

• 简繁、全半角这类只动字符的模式，可以勾选保留时间轴，转完还是带时间的字幕文件。
• 去空行、去重复行、合并短行、增删序号这类改动条目结构的模式，本来就会重排字幕，和"保留时间轴"是互斥的。
• 两个容易误解的细节：去重复行只清理相邻的重复句，不是全片范围内把所有相同台词删掉（同一句话在片头片尾各说一次是合理保留的）；合并短行有字数门槛，只有很短的行才会被并到一起，长句不会被乱合。

字幕整体偏了几秒，怎么一次改完

这是提取字幕后最常见的问题：文件能正常打开、内容也对，就是字幕和声音对不上。先判断是哪种偏：

现象	原因	处理
从头偏到尾，偏移量差不多	识别间隔偏大、片头有黑场或广告、抽帧起点与音轨不齐	整体偏移一次解决
前面准，越到后面偏得越多	源视频帧率与识别时的时间换算不一致	回到提取环节，用更合适的间隔重跑；或在剪辑软件里对轨
只有中间一段偏	那段有转场、插播或字幕样式突变	逐条微调该段

专业版的"时间轴编辑"页就是为第一种情况准备的。流程是：加载字幕 → 填整体偏移秒数 → 抽查首尾几条 → 需要时逐条微调 → 导出 SRT / ASS / VTT。界面是一张表格，每行显示序号、开始时间、结束时间、时长（自动算出）和字幕内容，可以直接改起止时间，也能添加行、插入行、删除行，还有搜索框按文本、时间或序号定位。

几个实测过的小行为值得知道：

• 偏移量正数往后推、负数往前推，单位是秒，可以填小数。
• 往前推不会出现负时间：如果某条字幕的起点被推到 0 之前，程序会把起点按 0 处理并保持这条字幕的时长，不会写出非法时间戳。
• 新添加或插入的行默认往后让 3 秒，序号会自动重排，不用手工补号。
• 这一页没有"倍速缩放"这类整体拉伸功能。全片越跑越偏属于源问题，靠逐段偏移硬掰不如回到识别环节重跑一次。

导出的 SRT 能进剪映、Premiere 吗

SRT 是通用交换格式，剪映、Premiere、DaVinci Resolve 等剪辑软件都支持导入字幕文件；导入后能不能自动贴到每条视频轨上，是对方软件的行为，不是字幕文件本身决定的。你要确保的只是导出的是一个结构规范、时间戳合法的 SRT。

幕析图像专业版导出的 SRT 满足这几条：序号从 1 递增、时间戳写成 00:00:01,500 --> 00:00:04,000（逗号分隔毫秒）、条目之间空行分隔、文件按 UTF-8（带 BOM）写出——带 BOM 是有意为之，为的是让 PotPlayer 一类播放器打开中文不出现乱码。读取别人给的字幕时则宽容得多，UTF-8、UTF-16、GBK 编码都能自适应。

幕析 AI 版在时间轴收口上做得更细，这是它作为"识别 + 加工"定位的一部分：一次拖入多个视频时每个视频各生成一份独立的 SRT，各自从零开始计时；单条字幕最短显示 1 秒、最长不超过 30 秒，并且保证相邻两条的时间区间不重叠，最后一条会按抽帧节奏多挂 1~5 秒再结束。这三条约束的意义正在于避免导进剪辑软件后出现"零时长字幕""两条重叠导致报错"这类脏数据。

需要说明版本差别：能导出 SRT 的是专业版与幕析 AI 版，标准版导出 TXT 文本。三版都能导出纯文字，差别就在有没有时间轴。

三个在售版本，分别能做到哪一步

能力	专业版	标准版	幕析 AI 版
导出 TXT 纯文本	支持	支持	支持
导出带时间轴的 SRT	支持	不支持	支持，每视频各一份
字幕格式互转（SRT / ASS / VTT / LRC / TXT）	独立工具页	不支持	不支持
时间轴编辑（整体偏移、逐条增删改）	独立工具页	不支持	不支持
字幕整理（简繁、全半角、去空行、合并短行等）	十种模式	提供简繁转换	用 AI 校对代替
识别结果继续交给 AI 校对 / 翻译 / 总结	不提供	不提供	支持，纯识别不计次

一句话：字幕文件层面的活归专业版，识别完还要把文字加工成稿的活归幕析 AI 版，只想把台词快速存成文字，标准版就够。两个会员口径也别搞混：专业版与幕析 AI 版会员同档通用，标准版是独立授权。想按你的用途挑版本，看《专业版、标准版与幕析 AI 版怎么选？附三版功能对比表》。

常见问题

为什么我打开字幕文件是乱码？

九成是编码问题。字幕文件本质是文本，中文一旦用错了读取编码就会花屏。幕析图像专业版写出的 SRT 是 UTF-8 带 BOM，主流播放器与剪辑软件按 UTF-8 选就行；如果是别人给的旧文件，先试试 GBK。

字幕文件放进视频同目录就能自动加载吗？

多数本地播放器确实会找"同目录 + 同文件名"的字幕文件，例如 片名.mp4 配 片名.srt。但这是播放器的行为，各软件规则不完全一样；而且幕析图像导出时不会替你决定存放位置——保存对话框落在哪里由你选，建议导出后手动改成与视频同名的字幕文件。

识别出来的字幕总是慢半句，怎么办？

先把识别间隔调小一档重跑，间隔决定了对字幕变化的响应粒度；如果重跑后仍是整体偏移固定的几秒，那就属于偏移问题，用时间轴编辑页整体校正更省事。具体怎么定间隔、怎么进对语言功能页，见《字幕识别不准、重复、出现乱码？按这个顺序排查》。

小结

字幕格式的取舍其实只有一句话：TXT 用来读，SRT 用来给通用软件，ASS 用来带样式，VTT 用来上网页，LRC 用来配歌词。互转前记住两件事——时间戳的逗号与点号不是一回事，样式在降级格式时会丢。至于对不上口型，先判断是整体偏还是越到后面越偏，前者用整体偏移几秒钟搞定，后者回到识别环节重跑。至于每条字幕的出现时刻是怎么定下来的，见《一帧画面变成一行字，中间要过十道工序》。

如果你手里正好有一份对不齐的字幕，不如下载专业版试一遍时间轴编辑 ↓