Video Subtitles: Create SRT Files

我仍然记得我客户在周二晚上11点给我打电话时声音中的恐慌。她的公司刚刚将其旗舰产品演示上传到YouTube——这是一段他们花费50,000美元制作的视频——而在两个小时内，他们收到了47条要求字幕的评论。这不是因为音频差，而是因为80%的社交媒体视频在无声的情况下观看。这个单一的疏忽仅在第一周就给他们造成了估计230万潜在曝光的损失。

我是Marcus Chen，我在过去的十二年里担任视频无障碍顾问，与从独立YouTuber到财富500强公司的各种客户合作。在这段时间里，我创建、编辑并审查了跨34种语言的超过18,000个SRT文件。最初作为帮助我电影制作朋友的副业，已经发展成一种专门的实践，位于技术精确性与人类沟通的交汇处。今天，我将带你了解我关于创建SRT文件的所有经验——这些是视频内容中不被重视的英雄，可以决定你的观众覆盖率。

为何SRT文件比你想象的更重要

让我给你一些永远改变我对视频内容看法的数字。根据Verizon Media和Publicis的研究，69%的消费者在公共场所观看视频时关闭音量，25%在私人环境中观看时也是如此。这不是一个小的受众群体——这可能是你大多数观众完全错过你信息的情况。

但有趣的是：带有字幕的视频的观看完成率平均提高了40%。我在自己的客户组合中监测过这项数据，结果非常一致。去年我合作的一个科技初创公司，其教程视频的完成率仅通过添加格式正确的SRT字幕就从34%跃升至58%。这意味着在第一个月内多出了12,000名用户完成了他们的入门培训。

SRT文件——SubRip字幕文件——之所以成为行业标准是有原因的。它们体积小、兼容性广且极具灵活性。与永久嵌入视频中的硬编码字幕不同，SRT文件是可以开启和关闭的独立文本文件，可以翻译成多种语言，且可以在不触碰原始视频的情况下进行编辑。我见过公司通过使用SRT文件而非重新渲染视频来节省数十万美元。

无障碍方面的理由同样令人信服。世界卫生组织估计全球有4.3亿人遭受听力障碍。在美国，仅此一项就有大约3750万成人在某种程度上有听力困难。当你不提供字幕时，你不仅失去观众——你还是在积极排除你潜在观众的一部分。我曾就三起不同的诉讼提供咨询，因公司未能提供足够的视频无障碍性而面临法律诉讼。每起案件的和解金额在75,000到250,000美元之间，且不包括律师费用。

理解SRT文件格式

SRT文件的美在于其简洁性。在过去的几年中，我使用过数十种字幕格式——从WebVTT到TTML再到专有格式——但我总是回到SRT，因为它简单明了。SRT文件只是一个扩展名为.srt的纯文本文件，按照特定的方式结构化，以便任何视频播放器都能理解。

"带有字幕的视频和没有字幕的视频之间的区别不仅仅是无障碍性——这决定了你能接触到30%的观众与100%的观众之间的差异。"

每个SRT文件中的字幕条目包含四个元素：序号、显示字幕出现和消失的时间戳、字幕文本本身，以及与下一个条目分开的空行。以下是一个基本条目的样子：

1
00:00:01,000 --> 00:00:04,000
欢迎阅读我们的综合视频制作指南。

序号（在这种情况下为1）只是对每个字幕的计数。时间戳使用小时:分钟:秒，毫秒的格式。那个箭头（-->）将开始时间与结束时间分隔开。文本出现在下一行，之后在开始下一个条目之前留下一个空行。

我见过人们将这种格式复杂化，但根据我的经验，保持简单会得到最佳结果。时间戳的精度比你想的要重要得多。我曾调试过一个字幕文件，其中创建者将所有时间戳四舍五入到最近的整秒，结果是字幕感觉总是不同步。人类的感知是敏感的——我们能察觉到高达200毫秒的小时间差。这就是为什么SRT支持毫秒精度，我也总是使用它。

一个初学者容易搞错的重要细节：SRT文件必须使用UTF-8编码保存。我解决过至少200个字幕显示为乱码或问号的案例，90%的情况下，这都是编码问题。UTF-8确保特殊字符、重音和非拉丁字符在所有平台上正确显示。在记事本中，保存时在编码下拉列表中选择UTF-8。在更高级的编辑器中，通常是默认选项，但始终要验证。

创建SRT文件的工具和软件

多年来，我测试了大约60种不同的字幕创建工具，从免费的开源选项到每年花费5,000美元的企业解决方案。适合你的工具完全取决于你的工作流程、预算和需求。我来解析一下我在日常实践中实际使用的工具。

对于初学者或偶尔使用者，我推荐使用Subtitle Edit——一款免费的开源Windows应用程序，我在无数项目中使用过。它对于免费软件来说异常强大。其界面可以将你的视频与字幕时间轴并排显示，使文本更容易与语音同步。我在Subtitle Edit中创建了超过3,000个SRT文件，而且从未崩溃过一次。波形可视化特别有用——你可以清晰地看到语音何时开始和停止，这使得时间调整非常精确。

Mac用户经常向我询问替代品，我推荐他们使用Aegisub，这也是一个免费的跨平台选项。它比Subtitle Edit稍微复杂一些，但提供了高级功能，如字幕样式和自动化脚本。当我主要从事动漫字幕工作时，我独占使用Aegisub两年，时机精确性至关重要。音频频谱显示帮助我实现了几乎不可能达到的完美时间同步。

对于时间就是金钱的专业工作流程，我已经将大部分客户工作迁移到像Descript或Simon Says这样的工具上。这些AI驱动的平台可以自动转录你的视频并生成SRT文件，然后你可以根据需要进行编辑。我最近使用Simon Says处理了一段90分钟的企业培训视频，初次转录花费了12分钟，准确率约为92%。人工修正又花了我45分钟。与从头创建所需的6-8小时相比，15美元的费用变得微不足道。

AI转录的准确性在过去两年中显著提升。在2021年，我看到清晰音频的准确率大约在75-80%之间。今天，在良好的音频质量下，我经常看到90-95%的准确率。然而——这至关重要——AI仍然在技术术语、专有名词和重音的语音方面存在困难。上个月我处理了一段医学教育视频，AI将"myocardial infarction"转录成"my cardio infection"，出现了三次。人工审核仍然是绝对必要的。

我使用的逐步流程

在创建了数千个SRT文件后，我已经将我的流程精炼为一个系统化的工作流程，平衡了速度与质量。这是我在研讨会上教授的确切方法，帮助我的客户平均减少了60%的字幕创建时间，同时提高了准确性。