作者:whispertranscribe.ai 編輯團隊 · 最後更新:2026 年 11 月 · 閱讀約 12 分鐘
匯出 SRT 字幕,要看你的字幕現在在哪裡。還沒有字幕,就用線上字幕產生器從音訊生成一個新檔案;字幕在你自己上傳的 YouTube 影片上,就去 YouTube Studio 下載;字幕在剪輯工程裡,就從 Premiere Pro、DaVinci Resolve 或 Final Cut Pro 匯出;也可以用 Whisper 在本地生成。上傳之前,先檢查一遍檔案。
下面分別講每種方法的步驟、導致大多數檔案出問題的匯出設定,以及成品檔案的快速檢查方法。SRT 裡每一行是什麼意思,請看我們的SRT 檔案是什麼指南;這一篇只講怎麼匯出一個乾淨的檔案。
快速回答:匯出 SRT 字幕的 4 種方法
| 你手上有什麼 | 最合適的匯出方式 | 需要準備什麼 |
|---|---|---|
| 還沒有字幕的影片或音訊檔案 | 方法 1:線上從音訊生成 SRT | 檔案或連結,以及一個瀏覽器 |
| 已經發在你 YouTube 頻道上的影片 | 方法 2:在 YouTube Studio 下載字幕軌 | 頻道的管理權限 |
| 帶字幕軌的剪輯工程 | 方法 3:從影片剪輯軟體匯出 | Premiere Pro、DaVinci Resolve 或 Final Cut Pro |
| 不想離開自己電腦的私密錄音 | 方法 4:Whisper 加 FFmpeg | Python、FFmpeg,以及一些配置時間 |
每種方法得到的都是一個外掛文字檔案,和影片一起上傳。把字幕燒進畫面是另一回事,請看硬字幕和軟字幕的區別。
匯出之前:決定檔案能不能用的 4 個設定
SRT 檔案出問題,大多是匯出設定的鍋,不是文字本身。不管用什麼工具,都先檢查這四項。
- 每行字元數。 Netflix 的 English (USA) Timed Text Style Guide 規定每行最多 42 個字元,這個預設值放在網路影片上也合適。
- 每條字幕的行數。 同一份指南規定最多兩行,能放進一行時優先一行。
- 起始時間。 專業剪輯的時間線常常從 01:00:00:00 開始。如果匯出時保留了這個時間碼,每條字幕都會晚出現一小時。所以 Final Cut Pro 會讓你選 "Relative to Timeline" 還是 "Absolute"。
- 格式。 SRT 沒有統一的格式標準,所以 Apple 建議從 Final Cut Pro 匯出 SRT 時取消勾選 Include Formatting。
閱讀速度也要注意:Netflix 規定成人節目每秒最多 20 個字元。很少有匯出窗口能設定這一項,但下面的檢查腳本會標出過快的字幕。
方法 1:用 whispertranscribe.ai 匯出 SRT 字幕
手上有錄音、但還沒有字幕時用這個方法。whispertranscribe.ai 是一個基於 OpenAI Whisper 模型、在瀏覽器裡使用的轉錄工具,能給每條字幕打上時間並匯出 SRT 或 VTT。從和你的檔案對應的頁面開始:
| 入口頁面 | 適用於 |
|---|---|
| AI 字幕產生器 | 任何影片或音訊檔案、麥克風錄音或連結 |
| MP4 轉 SRT | MP4 影片檔案 |
| MP3 轉 SRT | Podcast、採訪和其他純音訊錄音 |
| 從連結轉錄 | YouTube、Vimeo、Google Drive 或 Dropbox 連結 |
以下步驟用的是這些頁面在 2026 年 11 月顯示的名稱:
- Step 1:選擇使用的語言,可選 130 多種語言。很多語言還提供 Noise / Low-Quality Audio/Video 版本,適合聽不清的檔案;Multilingual Mix 適合說話中途切換語言的情況。
- Step 2:上傳或拖入檔案。 上傳檔案用 From files 標籤(每個檔案最大 5GB;方案支援最長 10 小時的錄音),連結用 From URL,用麥克風錄音選 Record。
- 設定字幕選項。 不止一個人說話時,開啟 Enable Speaker Detection。Maximum Words per Subtitle 滑塊範圍是 1 到 50,預設 8。如果字幕行超過 42 個字元左右,就把它調低。
- 點選 Create Subtitles, 然後檢查人名、數字和專業術語。清晰音訊的準確率最高可達 99%;噪音、濃重口音和多人搶話會讓準確率下降。
- 匯出 SRT 或 VTT。 如果還想要一份普通逐字稿,頁面上也列出了 DOCX、PDF、TXT 和 CSV。
把限制說清楚:你可以不註冊帳號直接開始,但頁面沒有說明免費使用是否包括完整的 SRT 下載,請在那裡查看當前條款。付費方案 from $9.99/month billed annually 起(價格)。whispertranscribe.ai 只匯出字幕檔案,不會把字幕燒進影片。只要文字、不要時間軸?用影片轉文字工具。
方法 2:從 YouTube Studio 下載 SRT 字幕
如果字幕已經在你自己的 YouTube 影片上,直接下載就行,不用從頭再做。YouTube 關於編輯字幕的幫助頁列出了這些步驟:
- 登入 YouTube Studio。
- 在左側選單選擇 Subtitles。
- 點選影片。
- 在 Subtitles 下,點選目標語言旁邊的 Edit。
- 點選 Options,再點 Download subtitles。瀏覽器會把字幕軌保存成一個檔案。
- 只限你管理的頻道。 Studio 只列出你自己上傳的影片,看不到其他創作者的影片。
- 看一下副檔名。 YouTube 的幫助頁沒有寫明下載格式。如果拿到的是
.vtt檔案,方法 4 講了怎麼轉換。 - 先修好自動字幕。 在 Studio 裡改好人名和標點,發布後再下載。
在 Vimeo 上,根據 Vimeo Help Center,每個字幕檔案旁邊的 ⋮ 選單裡可以下載。
方法 3:從 Premiere Pro、DaVinci Resolve 或 Final Cut Pro 匯出 SRT
剪輯軟體只能從字幕軌匯出 SRT。用標題或圖形加上去的文字屬於畫面的一部分,不會出現在檔案裡。以下步驟來自各家廠商的官方文件。
DaVinci Resolve
DaVinci Resolve 21 Reference Manual(第 59 章,Subtitles and Closed Captioning)介紹了三種方式,每種都要求至少有一條字幕軌:
- File 選單: 選擇 File > Export Subtitle,再選保存位置和檔案類型。可選 SRT 和 VTT。
- 軌道頭: 右鍵點選字幕軌的軌道頭,選擇 Export Subtitle。
- Deliver 頁面: 在 Render Settings 的 Video 面板底部勾選 Export Subtitle,Format 設為 As a separate file,Export As 設為 SRT,再勾選要包含的軌道。每條選中的軌道會單獨生成一個檔案。
前兩種方式不用渲染影片就能拿到檔案。
Adobe Premiere Pro
Adobe 的 Export caption tracks 頁面(2026 年 1 月更新)說,在頂部欄選擇 Export 開啟匯出工作區,然後在燒錄字幕、內嵌字幕和外掛字幕之間選擇。要 SRT,就選副檔名為 .srt 的外掛匯出。有兩個細節容易漏掉:
- 一個 .srt 檔案只裝一條字幕流,所以每種語言要分別匯出。
- Premiere 預設選擇時間線上的當前活動軌道。如果同時開著多條軌道,它會選軌道編號最小的那條,所以要確認選對了。
Final Cut Pro
根據 Apple 的在 Final Cut Pro 中匯出字幕指南:
- 在時間線中開啟項目,選擇 File > Export Captions。當前版本的指南裡叫 File > Export Closed Captions。
- 給檔案命名並選擇資料夾。
- 在 Roles 下,勾選需要的每個語言子角色。Final Cut Pro 會為每個子角色單獨寫一個檔案。
- 在 Start Time 下,選 Relative to Timeline 會減去項目的起始時間(上傳網路平台時通常該選這個),選 Absolute 則保留原始時間碼。
- 在 SRT 部分,除非你確定播放器支援,否則取消勾選 Include Formatting。
- 點選 Export。
方法 4:用 Whisper 和 FFmpeg 在本地匯出 SRT
錄音不能離開你的電腦,或者你想寫腳本批量處理時,選這個方法。Whisper 是 OpenAI 的開放原始碼語音辨識模型,FFmpeg 是一個免費的命令行媒體工具。兩者都不屬於 whispertranscribe.ai。
Whisper README 給出了下面這條基礎命令,使用預設的 turbo 模型。它直接摘自文件;我們沒有用 turbo 跑過:
whisper audio.flac audio.mp3 audio.wav --model turbo
譯註:用 turbo 模型轉錄三個音訊檔案(命令保留英文原樣)。
Whisper 預設會輸出所有格式;加上 --output_format srt 就只生成字幕檔案。下面這些命令我們在 2026 年 11 月 4 日確實跑過(openai-whisper 20250625、tiny 模型、FFmpeg 7.1.5、Linux),用的是 Whisper 倉庫裡那段 11 秒的範例音訊,檢查的是檔案結構和行長度,不是準確率。
whisper jfk.flac --model tiny --language en --output_format srt
譯註:用 tiny 模型按英語轉錄 jfk.flac,只輸出 SRT。
這樣得到的是一個有效的 SRT,但整句話擠在一條字幕裡,一行有 107 個字元。Whisper 的 --help 列出了幾個需要詞級時間戳記的換行選項:
whisper jfk.flac --model tiny --language en --output_format srt \
--word_timestamps True --max_line_width 42 --max_line_count 2
譯註:在上一條命令基礎上開啟詞級時間戳記,每行最多 42 個字元、每條最多 2 行。
第二次運行把這段話拆成了兩條字幕,沒有一行超過 41 個字元:
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.
譯註:範例字幕內容是肯尼迪的名句:「所以,我的美國同胞們,不要問國家能為你們做什麼,要問你們能為國家做什麼。」
在 "ask what you" 後面斷行很彆扭,這就是為什麼仍然需要人工過一遍。如果字幕已經存在,下面兩條 FFmpeg 命令能幫上忙:
# 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
譯註:兩行注釋分別是「把第一條字幕軌提取為 SRT」和「把 SRT 轉成 WebVTT(反過來也行)」。
兩條命令在我們的測試中都能用,包括從 MP4 裡提取。有一點要注意:提取出來的時間晚了 23 毫秒,因為測試影片的容器起點是 −0.023 秒,所以提取後要比較幾條字幕。這只適用於文字字幕軌;DVD 或藍光翻錄裡的圖片字幕需要用文字辨識軟體處理。
匯出之後:SRT 品質檢查清單
不管檔案是哪個工具做的,每個匯出的檔案都按這份清單過一遍。
- 編碼是 UTF-8。 YouTube 說 SRT 檔案「必須是純 UTF-8」("must be in plain UTF-8"),Vimeo 也要求 UTF-8,這樣特殊字元才能正常顯示。
- 時間碼形如
00:00:04,200,毫秒前面是逗號;第一條字幕在第一個詞說出時附近開始,而不是在一小時處。 - 行長度: 沒有一行超過 42 個字元,沒有一條字幕超過兩行。
- 閱讀速度: 面向成人觀眾時每秒不超過 20 個字元。
- 順序: 每條字幕的結束時間在開始時間之後,並且不和下一條重疊。
- 覆蓋範圍: 最後一條字幕對得上講話的結尾。如果提前結束,說明匯出或你的方案把它截斷了。
- 播放器測試: 在媒體播放器裡把檔案和影片一起加載,看開頭、中間和最後各一分鐘。
用一個小腳本檢查 SRT 檔案
這個 Python 腳本是我們為本文寫的,並在上面的檔案上跑過。如果檔案不是 UTF-8,它會報錯停止;然後它會標出錯誤的時間行、重疊、過長或多出的行,以及過快的字幕。在第一次 Whisper 匯出的檔案上,它報告了 "cue 1: 107 characters in one line"(第 1 條字幕:一行 107 個字元);換行後的檔案通過了檢查。
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")
譯註:腳本輸出的提示依次是:時間行格式錯誤、結束早於開始或與上一條重疊、行數過多、單行字元過多、超過每秒字元上限、檢查完成。注釋 "errors if not UTF-8" 意為「不是 UTF-8 時報錯」。
運行方式是 python3 srt_check.py subs.srt,開頭的三個上限可以按你的平台調整。
常見的 SRT 匯出錯誤及修法
| 看到的現象 | 可能原因 | 修法 |
|---|---|---|
| 每條字幕都晚了大約一小時 | 時間線從 01:00:00:00 開始,匯出時保留了它 | 按相對時間線重新匯出,或把所有字幕整體往前移 |
| 沒有字幕匯出選項,或匯出的檔案是空的 | 文字是用標題做的,不在字幕軌上 | 把文字移到字幕軌,或從音訊重新生成 SRT |
螢幕上顯示 <i> 或 <b> 標籤 |
匯出了格式 | 不帶格式重新匯出 |
| 帶重音的字母變成了亂碼符號 | 檔案不是 UTF-8 | 用純文字編輯器另存為 UTF-8 |
| 一長行字幕擋住畫面 | 匯出時沒有限制行長度 | 調低 Maximum Words per Subtitle,或在 Whisper 裡用 --max_line_width 42 |
| 講話還沒結束,檔案就結束了 | 匯出被截斷,或受方案限制 | 比較最後一條字幕和影片長度,並查看你的方案 |
| 字幕越往後偏得越多 | SRT 是根據更早的剪輯版本做的 | 用最終匯出的版本重新生成 |
SRT 還是 VTT:該匯出哪個?
上傳平台和匯入剪輯軟體用 SRT,自己網站上的 HTML5 播放器用 VTT。拿不準?兩個都匯出。
| 檔案用在哪裡 | 匯出 | 原因 |
|---|---|---|
| YouTube | SRT | 推薦給第一次用字幕檔案的人;只支援基礎 SRT,不支援標記(YouTube Help) |
| SRT | 其幫助中心對 .srt 檔案有命名規則 | |
| Vimeo | 都行 | Vimeo 支援 SRT 和 WebVTT,推薦 WebVTT |
| 你自己網站上的播放器 | VTT | WebVTT 是 W3C 為 HTML 影片定時文字制定的格式(W3C) |
| Premiere Pro、DaVinci Resolve 或 Final Cut Pro | SRT | 三者都把 SRT 列為支援的字幕格式 |
上傳匯出的 SRT:官方說明
| 平台 | 在哪裡上傳 | 先做這一步 | 官方幫助頁 |
|---|---|---|---|
| YouTube | YouTube Studio > Subtitles > 你的影片 > Add language,然後點 Upload file,選擇 "With timing" | 純 UTF-8,不帶標記 | 加入字幕 |
| 編輯影片帖子並加入字幕 | 按 video.en_US.srt 這樣命名 |
SubRip (.srt) 命名規則 | |
| Vimeo | 開啟影片 > Languages > + > 上傳,然後設定 Language 和 Type | UTF-8;上傳後把字幕軌開啟 | 如何加入字幕 |
我們的SRT 檔案是什麼指南裡有這三個平台一步一步的操作。Vimeo 讓你選 Type 時,subtitles 和 captions 的區別講了該怎麼選。
常見問題
怎麼免費匯出 SRT 字幕?
用你手上已有的工具,或者自己跑 Whisper。你自己的 YouTube 影片,可以在 YouTube Studio 下載字幕軌。如果你本來就用 DaVinci Resolve、Premiere Pro 或 Final Cut Pro 剪輯,匯出字幕軌不用額外花錢。Whisper 以 MIT 授權條款開放原始碼,在本地運行除了配置時間外是免費的。whispertranscribe.ai 不註冊帳號就能開始用,但頁面沒有說明免費使用是否包括完整的 SRT 下載,請先在那裡確認。
能從別人的 YouTube 影片下載 SRT 字幕嗎?
不能通過 YouTube Studio 下載。Studio 只列出你管理的頻道裡的影片,所以 YouTube 的下載步驟只適用於你自己上傳的影片。如果你獲得了許可、可以使用其他創作者的影片,可以把連結貼上到 whispertranscribe.ai 的 YouTube 轉錄工具,再從新生成的逐字稿匯出 SRT。有了字幕檔案,不代表你有權重新發布別人的話或畫面,所以先徵得創作者同意。
為什麼匯出的 SRT 正好差了一小時?
很可能是你的時間線從 01:00:00:00 開始,匯出時保留了這個時間碼,而不是從零算起。於是檔案裡第一條字幕在 01:00:00,而上傳的影片從 00:00:00 開始。在 Final Cut Pro 裡,把 Start Time 設為 Relative to Timeline 重新匯出。在其他剪輯軟體裡,匯出前把時間線起點設為零,或在字幕編輯器裡把所有字幕整體往前移一小時。
該匯出 SRT 還是 VTT?
上傳平台和匯入剪輯軟體匯出 SRT,自己網站上的影片播放器用 VTT。YouTube 和 Facebook 都支援 SRT,本文提到的每個剪輯軟體也都能匯出 SRT。VTT 是 WebVTT 的簡稱,是 W3C 為 HTML 影片制定的格式,支援 SRT 沒有的定位和樣式。Vimeo 兩種都接受,推薦 WebVTT。拿不準就兩個都匯出,它們只是很小的文字檔案。
SRT 字幕每行應該有多少個字元?
每行控制在 42 個字元以內,每條字幕不超過兩行。這些上限來自 Netflix 的英語定時文字風格指南,它還規定成人節目的閱讀速度不超過每秒 20 個字元。其他平台有自己的規則,所以要查你交付平台的指南。要落實這個上限,可以在 whispertranscribe.ai 裡調低 Maximum Words per Subtitle,在 Whisper 裡用 --max_line_width,或在剪輯軟體裡設定行長限制。
為什麼匯出的 SRT 顯示標籤或奇怪的符號?
出現 <i> 這樣的標籤,說明匯出了格式;出現奇怪的符號,說明文字編碼不對。SRT 沒有統一的格式標準,所以 YouTube 會忽略標記,有些播放器則會把標籤當成普通文字顯示出來。關掉格式重新匯出,比如在 Final Cut Pro 裡取消勾選 Include Formatting。如果帶重音的字母顯示成 é 這樣的符號,用純文字編輯器開啟檔案,另存為 UTF-8,YouTube 和 Vimeo 都要求這種編碼。
需要從錄音得到 SRT 檔案? 上傳到 whispertranscribe.ai 字幕產生器,從 130 多種語言 中選擇語言,匯出 SRT 或 VTT。所有工具見功能頁面。
參考資料
- OpenAI:Whisper on GitHub (README)
- YouTube Help:編輯或移除字幕
- YouTube Help:加入字幕
- YouTube Help:支援的字幕檔案格式
- Blackmagic Design:DaVinci Resolve 21 Reference Manual,第 59 章
- Adobe:在 Premiere 中匯出字幕軌
- Apple:在 Mac 版 Final Cut Pro 中匯出字幕
- Netflix Partner Help Center:English (USA) Timed Text Style Guide
- Vimeo Help Center:如何給影片加入字幕
- Facebook Help Center:SubRip (.srt) 檔案的命名規則是什麼?
- W3C:WebVTT:Web 影片文字軌格式
