作者:whispertranscribe.ai Editorial Team · 最后更新:2026 年 11 月 · 阅读约 12 分钟
导出 SRT 字幕,要看你的字幕现在在哪里。还没有字幕,就用在线字幕生成器从音频生成一个新文件;字幕在你自己上传的 YouTube 视频上,就去 YouTube Studio 下载;字幕在剪辑工程里,就从 Premiere Pro、DaVinci Resolve 或 Final Cut Pro 导出;也可以用 Whisper 在本地生成。上传之前,先检查一遍文件。
下面分别讲每种方法的步骤、导致大多数文件出问题的导出设置,以及成品文件的快速检查方法。SRT 里每一行是什么意思,请看我们的SRT 文件是什么指南;这一篇只讲怎么导出一个干净的文件。
快速回答:导出 SRT 字幕的 4 种方法
| 你手上有什么 | 最合适的导出方式 | 需要准备什么 |
|---|---|---|
| 还没有字幕的视频或音频文件 | 方法 1:在线从音频生成 SRT | 文件或链接,以及一个浏览器 |
| 已经发在你 YouTube 频道上的视频 | 方法 2:在 YouTube Studio 下载字幕轨 | 频道的管理权限 |
| 带字幕轨的剪辑工程 | 方法 3:从视频剪辑软件导出 | Premiere Pro、DaVinci Resolve 或 Final Cut Pro |
| 不想离开自己电脑的私密录音 | 方法 4:Whisper 加 FFmpeg | Python、FFmpeg,以及一些配置时间 |
每种方法得到的都是一个外挂文本文件,和视频一起上传。把字幕烧进画面是另一回事,请看硬字幕和软字幕的区别。
导出之前:决定文件能不能用的 4 个设置
SRT 文件出问题,大多是导出设置的锅,不是文字本身。不管用什么工具,都先检查这四项。
- 每行字符数。 Netflix 的 English (USA) Timed Text Style Guide 规定每行最多 42 个字符,这个默认值放在网络视频上也合适。
- 每条字幕的行数。 同一份指南规定最多两行,能放进一行时优先一行。
- 起始时间。 专业剪辑的时间线常常从 01:00:00:00 开始。如果导出时保留了这个时间码,每条字幕都会晚出现一小时。所以 Final Cut Pro 会让你选 "Relative to Timeline" 还是 "Absolute"。
- 格式。 SRT 没有统一的格式标准,所以 Apple 建议从 Final Cut Pro 导出 SRT 时取消勾选 Include Formatting。
阅读速度也要注意:Netflix 规定成人节目每秒最多 20 个字符。很少有导出窗口能设置这一项,但下面的检查脚本会标出过快的字幕。
方法 1:用 whispertranscribe.ai 导出 SRT 字幕
手上有录音、但还没有字幕时用这个方法。whispertranscribe.ai 是一个基于 OpenAI Whisper 模型、在浏览器里使用的转写工具,能给每条字幕打上时间并导出 SRT 或 VTT。从和你的文件对应的页面开始:
| 入口页面 | 适用于 |
|---|---|
| AI 字幕生成器 | 任何视频或音频文件、麦克风录音或链接 |
| MP4 转 SRT | MP4 视频文件 |
| MP3 转 SRT | 播客、采访和其他纯音频录音 |
| 从链接转写 | YouTube、Vimeo、Google Drive 或 Dropbox 链接 |
以下步骤用的是这些页面在 2026 年 11 月显示的名称:
- Step 1:选择说话的语言,可选 130+ languages。很多语言还提供 Noise / Low-Quality Audio/Video 版本,适合听不清的文件;Multilingual Mix 适合说话中途切换语言的情况。
- Step 2:上传或拖入文件。 上传文件用 From files 标签(每个文件最大 5GB;套餐支持最长 10 小时的录音),链接用 From URL,用麦克风录音选 Record。
- 设置字幕选项。 不止一个人说话时,打开 Enable Speaker Detection。Maximum Words per Subtitle 滑块范围是 1 到 50,默认 8。如果字幕行超过 42 个字符左右,就把它调低。
- 点击 Create Subtitles, 然后检查人名、数字和专业术语。清晰音频的准确率最高可达 99%;噪音、浓重口音和多人抢话会让准确率下降。
- 导出 SRT 或 VTT。 如果还想要一份普通文字稿,页面上也列出了 DOCX、PDF、TXT 和 CSV。
把限制说清楚:你可以不注册账号直接开始,但页面没有说明免费使用是否包括完整的 SRT 下载,请在那里查看当前条款。付费套餐 from $9.99/month billed annually 起(价格)。whispertranscribe.ai 只导出字幕文件,不会把字幕烧进视频。只要文字、不要时间轴?用视频转文字工具。
方法 2:从 YouTube Studio 下载 SRT 字幕
如果字幕已经在你自己的 YouTube 视频上,直接下载就行,不用从头再做。YouTube 关于编辑字幕的帮助页列出了这些步骤:
- 登录 YouTube Studio。
- 在左侧菜单选择 Subtitles。
- 点击视频。
- 在 Subtitles 下,点击目标语言旁边的 Edit。
- 点击 Options,再点 Download subtitles。浏览器会把字幕轨保存成一个文件。
- 只限你管理的频道。 Studio 只列出你自己上传的视频,看不到其他创作者的视频。
- 看一下扩展名。 YouTube 的帮助页没有写明下载格式。如果拿到的是
.vtt文件,方法 4 讲了怎么转换。 - 先修好自动字幕。 在 Studio 里改好人名和标点,发布后再下载。
在 Vimeo 上,根据 Vimeo Help Center,每个字幕文件旁边的 ⋮ 菜单里可以下载。
方法 3:从 Premiere Pro、DaVinci Resolve 或 Final Cut Pro 导出 SRT
剪辑软件只能从字幕轨导出 SRT。用标题或图形加上去的文字属于画面的一部分,不会出现在文件里。以下步骤来自各家厂商的官方文档。
DaVinci Resolve
DaVinci Resolve 21 Reference Manual(第 59 章,Subtitles and Closed Captioning)介绍了三种方式,每种都要求至少有一条字幕轨:
- File 菜单: 选择 File > Export Subtitle,再选保存位置和文件类型。可选 SRT 和 VTT。
- 轨道头: 右键点击字幕轨的轨道头,选择 Export Subtitle。
- Deliver 页面: 在 Render Settings 的 Video 面板底部勾选 Export Subtitle,Format 设为 As a separate file,Export As 设为 SRT,再勾选要包含的轨道。每条选中的轨道会单独生成一个文件。
前两种方式不用渲染视频就能拿到文件。
Adobe Premiere Pro
Adobe 的 Export caption tracks 页面(2026 年 1 月更新)说,在顶部栏选择 Export 打开导出工作区,然后在烧录字幕、内嵌字幕和外挂字幕之间选择。要 SRT,就选扩展名为 .srt 的外挂导出。有两个细节容易漏掉:
- 一个 .srt 文件只装一条字幕流,所以每种语言要分别导出。
- Premiere 默认选择时间线上的当前活动轨道。如果同时开着多条轨道,它会选轨道编号最小的那条,所以要确认选对了。
Final Cut Pro
根据 Apple 的在 Final Cut Pro 中导出字幕指南:
- 在时间线中打开项目,选择 File > Export Captions。当前版本的指南里叫 File > Export Closed Captions。
- 给文件命名并选择文件夹。
- 在 Roles 下,勾选需要的每个语言子角色。Final Cut Pro 会为每个子角色单独写一个文件。
- 在 Start Time 下,选 Relative to Timeline 会减去项目的起始时间(上传网络平台时通常该选这个),选 Absolute 则保留原始时间码。
- 在 SRT 部分,除非你确定播放器支持,否则取消勾选 Include Formatting。
- 点击 Export。
方法 4:用 Whisper 和 FFmpeg 在本地导出 SRT
录音不能离开你的电脑,或者你想写脚本批量处理时,选这个方法。Whisper 是 OpenAI 的开源语音识别模型,FFmpeg 是一个免费的命令行媒体工具。两者都不属于 whispertranscribe.ai。
Whisper README 给出了下面这条基础命令,使用默认的 turbo 模型。它直接摘自文档;我们没有用 turbo 跑过:
whisper audio.flac audio.mp3 audio.wav --model turbo
译注:用 turbo 模型转写三个音频文件(命令保留英文原样)。
Whisper 默认会输出所有格式;加上 --output_format srt 就只生成字幕文件。下面这些命令我们在 2026 年 11 月 4 日确实跑过(openai-whisper 20250625、tiny 模型、FFmpeg 7.1.5、Linux),用的是 Whisper 仓库里那段 11 秒的示例音频,检查的是文件结构和行长度,不是准确率。
whisper jfk.flac --model tiny --language en --output_format srt
译注:用 tiny 模型按英语转写 jfk.flac,只输出 SRT。
这样得到的是一个有效的 SRT,但整句话挤在一条字幕里,一行有 107 个字符。Whisper 的 --help 列出了几个需要词级时间戳的换行选项:
whisper jfk.flac --model tiny --language en --output_format srt \
--word_timestamps True --max_line_width 42 --max_line_count 2
译注:在上一条命令基础上打开词级时间戳,每行最多 42 个字符、每条最多 2 行。
第二次运行把这段话拆成了两条字幕,没有一行超过 41 个字符:
1
00:00:00,000 --> 00:00:09,220
And so my fellow Americans, ask not what
your country can do for you, ask what you
2
00:00:09,220 --> 00:00:10,500
can do for your country.
译注:示例字幕内容是肯尼迪的名句:“所以,我的美国同胞们,不要问国家能为你们做什么,要问你们能为国家做什么。”
在 "ask what you" 后面断行很别扭,这就是为什么仍然需要人工过一遍。如果字幕已经存在,下面两条 FFmpeg 命令能帮上忙:
# Extract the first subtitle track as SRT
ffmpeg -i input.mkv -map 0:s:0 subs.srt
# Convert SRT to WebVTT (or the reverse)
ffmpeg -i subs.srt subs.vtt
译注:两行注释分别是“把第一条字幕轨提取为 SRT”和“把 SRT 转成 WebVTT(反过来也行)”。
两条命令在我们的测试中都能用,包括从 MP4 里提取。有一点要注意:提取出来的时间晚了 23 毫秒,因为测试视频的容器起点是 −0.023 秒,所以提取后要对比几条字幕。这只适用于文本字幕轨;DVD 或蓝光翻录里的图片字幕需要用文字识别软件处理。
导出之后:SRT 质量检查清单
不管文件是哪个工具做的,每个导出的文件都按这份清单过一遍。
- 编码是 UTF-8。 YouTube 说 SRT 文件“必须是纯 UTF-8”("must be in plain UTF-8"),Vimeo 也要求 UTF-8,这样特殊字符才能正常显示。
- 时间码形如
00:00:04,200,毫秒前面是逗号;第一条字幕在第一个词说出时附近开始,而不是在一小时处。 - 行长度: 没有一行超过 42 个字符,没有一条字幕超过两行。
- 阅读速度: 面向成人观众时每秒不超过 20 个字符。
- 顺序: 每条字幕的结束时间在开始时间之后,并且不和下一条重叠。
- 覆盖范围: 最后一条字幕对得上讲话的结尾。如果提前结束,说明导出或你的套餐把它截断了。
- 播放器测试: 在媒体播放器里把文件和视频一起加载,看开头、中间和最后各一分钟。
用一个小脚本检查 SRT 文件
这个 Python 脚本是我们为本文写的,并在上面的文件上跑过。如果文件不是 UTF-8,它会报错停止;然后它会标出错误的时间行、重叠、过长或多出的行,以及过快的字幕。在第一次 Whisper 导出的文件上,它报告了 "cue 1: 107 characters in one line"(第 1 条字幕:一行 107 个字符);换行后的文件通过了检查。
import re, sys
MAX_CHARS, MAX_LINES, MAX_CPS = 42, 2, 20
TIME = re.compile(r"(\d\d):(\d\d):(\d\d),(\d{3}) --> (\d\d):(\d\d):(\d\d),(\d{3})$")
def ms(h, m, s, f):
return ((int(h) * 60 + int(m)) * 60 + int(s)) * 1000 + int(f)
text = open(sys.argv[1], encoding="utf-8").read() # errors if not UTF-8
prev_end = 0
for block in re.split(r"\n\s*\n", text.replace("\r\n", "\n").strip()):
num, timing, *body = block.split("\n") + [""]
body = [line for line in body if line]
t = TIME.match(timing)
if not t:
print(f"cue {num}: bad timing line {timing!r}")
continue
start, end = ms(*t.groups()[:4]), ms(*t.groups()[4:])
if end <= start or start < prev_end:
print(f"cue {num}: ends before it starts, or overlaps")
prev_end = end
if len(body) > MAX_LINES:
print(f"cue {num}: {len(body)} lines")
for line in body:
if len(line) > MAX_CHARS:
print(f"cue {num}: {len(line)} characters in one line")
if len(" ".join(body)) / max((end - start) / 1000, 0.001) > MAX_CPS:
print(f"cue {num}: faster than {MAX_CPS} characters per second")
print("check finished")
译注:脚本输出的提示依次是:时间行格式错误、结束早于开始或与上一条重叠、行数过多、单行字符过多、超过每秒字符上限、检查完成。注释 "errors if not UTF-8" 意为“不是 UTF-8 时报错”。
运行方式是 python3 srt_check.py subs.srt,开头的三个上限可以按你的平台调整。
常见的 SRT 导出错误及修法
| 看到的现象 | 可能原因 | 修法 |
|---|---|---|
| 每条字幕都晚了大约一小时 | 时间线从 01:00:00:00 开始,导出时保留了它 | 按相对时间线重新导出,或把所有字幕整体往前移 |
| 没有字幕导出选项,或导出的文件是空的 | 文字是用标题做的,不在字幕轨上 | 把文字移到字幕轨,或从音频重新生成 SRT |
屏幕上显示 <i> 或 <b> 标签 |
导出了格式 | 不带格式重新导出 |
| 带重音的字母变成了乱码符号 | 文件不是 UTF-8 | 用纯文本编辑器另存为 UTF-8 |
| 一长行字幕挡住画面 | 导出时没有限制行长度 | 调低 Maximum Words per Subtitle,或在 Whisper 里用 --max_line_width 42 |
| 讲话还没结束,文件就结束了 | 导出被截断,或受套餐限制 | 对比最后一条字幕和视频长度,并查看你的套餐 |
| 字幕越往后偏得越多 | SRT 是根据更早的剪辑版本做的 | 用最终导出的版本重新生成 |
SRT 还是 VTT:该导出哪个?
上传平台和导入剪辑软件用 SRT,自己网站上的 HTML5 播放器用 VTT。拿不准?两个都导出。
| 文件用在哪里 | 导出 | 原因 |
|---|---|---|
| YouTube | SRT | 推荐给第一次用字幕文件的人;只支持基础 SRT,不支持标记(YouTube Help) |
| SRT | 其帮助中心对 .srt 文件有命名规则 | |
| Vimeo | 都行 | Vimeo 支持 SRT 和 WebVTT,推荐 WebVTT |
| 你自己网站上的播放器 | VTT | WebVTT 是 W3C 为 HTML 视频定时文本制定的格式(W3C) |
| Premiere Pro、DaVinci Resolve 或 Final Cut Pro | SRT | 三者都把 SRT 列为支持的字幕格式 |
上传导出的 SRT:官方说明
| 平台 | 在哪里上传 | 先做这一步 | 官方帮助页 |
|---|---|---|---|
| YouTube | YouTube Studio > Subtitles > 你的视频 > Add language,然后点 Upload file,选择 "With timing" | 纯 UTF-8,不带标记 | 添加字幕 |
| 编辑视频帖子并添加字幕 | 按 video.en_US.srt 这样命名 |
SubRip (.srt) 命名规则 | |
| Vimeo | 打开视频 > Languages > + > 上传,然后设置 Language 和 Type | UTF-8;上传后把字幕轨打开 | 如何添加字幕 |
我们的SRT 文件是什么指南里有这三个平台一步一步的操作。Vimeo 让你选 Type 时,subtitles 和 captions 的区别讲了该怎么选。
常见问题
怎么免费导出 SRT 字幕?
用你手上已有的工具,或者自己跑 Whisper。你自己的 YouTube 视频,可以在 YouTube Studio 下载字幕轨。如果你本来就用 DaVinci Resolve、Premiere Pro 或 Final Cut Pro 剪辑,导出字幕轨不用额外花钱。Whisper 以 MIT 许可证开源,在本地运行除了配置时间外是免费的。whispertranscribe.ai 不注册账号就能开始用,但页面没有说明免费使用是否包括完整的 SRT 下载,请先在那里确认。
能从别人的 YouTube 视频下载 SRT 字幕吗?
不能通过 YouTube Studio 下载。Studio 只列出你管理的频道里的视频,所以 YouTube 的下载步骤只适用于你自己上传的视频。如果你获得了许可、可以使用其他创作者的视频,可以把链接粘贴到 whispertranscribe.ai 的 YouTube 转写工具,再从新生成的文字稿导出 SRT。有了字幕文件,不代表你有权重新发布别人的话或画面,所以先征得创作者同意。
为什么导出的 SRT 正好差了一小时?
很可能是你的时间线从 01:00:00:00 开始,导出时保留了这个时间码,而不是从零算起。于是文件里第一条字幕在 01:00:00,而上传的视频从 00:00:00 开始。在 Final Cut Pro 里,把 Start Time 设为 Relative to Timeline 重新导出。在其他剪辑软件里,导出前把时间线起点设为零,或在字幕编辑器里把所有字幕整体往前移一小时。
该导出 SRT 还是 VTT?
上传平台和导入剪辑软件导出 SRT,自己网站上的视频播放器用 VTT。YouTube 和 Facebook 都支持 SRT,本文提到的每个剪辑软件也都能导出 SRT。VTT 是 WebVTT 的简称,是 W3C 为 HTML 视频制定的格式,支持 SRT 没有的定位和样式。Vimeo 两种都接受,推荐 WebVTT。拿不准就两个都导出,它们只是很小的文本文件。
SRT 字幕每行应该有多少个字符?
每行控制在 42 个字符以内,每条字幕不超过两行。这些上限来自 Netflix 的英语定时文本风格指南,它还规定成人节目的阅读速度不超过每秒 20 个字符。其他平台有自己的规则,所以要查你交付平台的指南。要落实这个上限,可以在 whispertranscribe.ai 里调低 Maximum Words per Subtitle,在 Whisper 里用 --max_line_width,或在剪辑软件里设置行长限制。
为什么导出的 SRT 显示标签或奇怪的符号?
出现 <i> 这样的标签,说明导出了格式;出现奇怪的符号,说明文本编码不对。SRT 没有统一的格式标准,所以 YouTube 会忽略标记,有些播放器则会把标签当成普通文字显示出来。关掉格式重新导出,比如在 Final Cut Pro 里取消勾选 Include Formatting。如果带重音的字母显示成 é 这样的符号,用纯文本编辑器打开文件,另存为 UTF-8,YouTube 和 Vimeo 都要求这种编码。
需要从录音得到 SRT 文件? 上传到 whispertranscribe.ai 字幕生成器,从 130+ languages 中选择语言,导出 SRT 或 VTT。所有工具见功能页面。
参考资料
- OpenAI:Whisper on GitHub (README)
- YouTube Help:编辑或移除字幕
- YouTube Help:添加字幕
- YouTube Help:支持的字幕文件格式
- Blackmagic Design:DaVinci Resolve 21 Reference Manual,第 59 章
- Adobe:在 Premiere 中导出字幕轨
- Apple:在 Mac 版 Final Cut Pro 中导出字幕
- Netflix Partner Help Center:English (USA) Timed Text Style Guide
- Vimeo Help Center:如何给视频添加字幕
- Facebook Help Center:SubRip (.srt) 文件的命名规则是什么?
- W3C:WebVTT:Web 视频文本轨格式
