视频怎么加字幕？免费三种方法
相当一部分短视频是在静音状态下被看完的——通勤路上、排队时、熟睡的孩子旁边。如果你的视频没带字幕，这些观众会直接划过你花几个小时做出来的东西。字幕还能让听障和听力不便的观众看懂内容，并给平台提供机器可读的文本，帮你的视频更容易被搜到。
好消息是：加字幕已经不再是苦力活。下面是三种免费方法，按从最快到最费手的顺序排列，外加一套校对流程——正是它把"看着专业的字幕"和"一眼就是自动生成"区分开来。
先把两个词说清：caption（同语言字幕）是把音频转成文字，服务听不到声音的观众；subtitle（译制字幕）传统上指为听得到的观众翻译或转写对白。创作者早就把这两个词混着用了，而下面每种方法产出的都是同一样东西。
方法一：让 AI 自动生成（最快）
适合：真人口播、播客、教程、vlog——只要语音相对清晰都行。
- 把视频上传到自动字幕生成器。MP4、MOV 等常见格式可以直接用；如果文件格式冷门，先转一下。
- 选好视频里说的语言，让模型转写。几分钟的视频，处理时间远不到一分钟。
上传界面截图
- 对着波形图读一遍草稿。 好的工具会把每行字幕按时间对齐显示在音频旁边，时间轴漂移一眼就能看出来。
自动生成结果截图
- 跑一遍四步检查（见下一节）。这一步多数人会跳过，也正因为如此，多数自动字幕看起来才像自动生成的。
- 导出——要么导出字幕文件（SRT/VTT），要么导出把文字烧录进画面的视频。选哪种取决于平台，见最后一节。
导出设置截图
校对界面截图
校对四步法
2026 年的自动转写已经好到你只需要改词、不用改句。这四遍检查，几分钟内就能揪出几乎所有问题：
1. 人名和术语。 专有名词、品牌名、专业词汇——这些是模型靠猜的地方。在转写文本里把你说过的每个名字搜一遍，改一次就够；同一个词的多次出现通常错得一致。
2. 数字和标点。 是"$1,500"还是"fifteen hundred"，一个问号可能改变整个钩子的意思。只把含数字的行读一遍——很快。
3. 时间轴漂移。 播放开头 20 秒、中段和结尾 20 秒。如果文字和语音错开超过一拍，就把出问题的行挪准，别接受"差不多就行"——观众对延迟比对错别字敏感得多。
4. 安全区。 检查字幕有没有撞上平台界面——TikTok 右侧的按钮列和底部的描述区、YouTube Shorts 的浮层。让文字待在画面中间的安全带内。
16:9 与 9:16 字幕安全区示意
方法二：上传或编辑 SRT 文件
适合：已经有转写稿的视频、跨平台二次发布，或者和会给你发字幕文件的剪辑师协作。
SRT 是一种带编号和时间戳的纯文本文件。如果你手上已经有一份，就别重新生成——把视频和 SRT 一起上传，文字会自动按时间对齐。之后可以用字幕样式编辑器调整字体、字号、位置、背景，而完全不动时间轴。
两条值得记住的格式常识：
- SRT 与 VTT： 各平台大多接受 SRT，网页播放器往往要 VTT。两者内容完全相同——直接互转即可，不必重新转写。
- 把 SRT 留作母版。 调样式和烧录都是单向操作；SRT 才是你日后要翻译、改样式、反复复用的那个版本。
方法三：手动逐条输入
适合：噪音大的音频、多人抢话严重、音乐密集的剪辑，或者短到"搭一套自动流程还不如直接打字"的小片段。
手动不等于原始。对着波形图逐行做：每条字幕只装一个意思，单行大约 32–42 个字符，屏幕上不超过两行。在自然的语义停顿处断行（"……然后我们就走了"——而不是"……然后我们就 / 走了"）。一条 30 秒的短片五分钟就能做完，而且强调哪个词完全由你掌控。
什么样的样式才真正好读
无论文字是怎么来的，让它在一臂之外的手机屏上仍然清晰，靠的是这些惯例：
- 字号： 比你在电脑预览里觉得合适的再大一点。如果在你自己的手机上不用凑近就读不顺，那就是太小了。
- 对比度： 白色或近白色文字，配深色描边或半透明底条。裸白文字叠在明亮画面上，恰好会在你的钩子出现时消失。
- 长度： 一到两行，一条字幕一个意思。三行字幕会逼观众在"读"和"看"之间二选一。
- 在语义停顿处断行： 在你说话会停顿的地方断。句中硬断会让本来准确的字幕也显得别扭。
- 一致性： 定一种样式，之后每条视频都沿用。在竖屏信息流里，字幕样式是品牌识别的一部分——观众往往先认出你的字幕，再认出你的脸和声音。
五个常见的字幕错误
- 原样发布自动转写稿。 错误恰好扎堆在注意力所在的地方：人名和开头钩子。
- 字幕压在平台界面上。 被 TikTok 按钮挡住的完美字幕，做了也白做。
- 把口头语也转出来。 删掉"呃""就是说"和结巴——字幕应该比原声听起来更干净。
- 走"电影感"路线的小字。 在剪辑软件里看着优雅，在公交车上根本看不见。
- 没存 SRT 就烧录。 留住可编辑的文件；像素一旦烧上去就改不回来了。
软字幕还是烧录：导出方式怎么选
| 软字幕（SRT/VTT 文件） 烧录（硬字幕） | ||
| 观众可开关 | 可以 | 不行 |
| 经得起转载和下载 | 不行——文件可能和视频分离 | 可以——它就是像素 |
| 一条视频多语言 | 可以 | 每次导出只有一种 |
| 样式控制 | 取决于播放器 | 完全掌控 |
| 可被平台索引 | 可以 | 只能靠平台自己的转写 |
多数创作者落定的实用法则：
- YouTube（长视频）： 把 SRT 作为字幕轨上传。可被索引、观众可开关，以后加语言也不用重新渲染。
- TikTok、Reels、Shorts： 用加粗、高对比的样式把字幕烧进视频。竖屏信息流刷得快，各家原生字幕渲染表现不一，而风格化的文字还能兼任设计元素。
- 两边都发？ 竖屏版烧录，横屏母版保留 SRT。
常见问题
自动生成的字幕，准确率够直接发布吗？ 语音清晰的话，够——前提是过一遍上面的四步检查。原始输出通常九成多是对的；检查就是为了那一小撮会让字幕显得草率的人名、数字和时间轴问题。音频杂乱时，要么多花点时间修，要么退回手动。
视频的配音已经很清楚了，还需要字幕吗？ 需要。静音观看、无障碍访问、非母语观众的理解，都是加字幕的理由，而代价只是几分钟时间，几乎没有坏处。
怎么避免 TikTok 的按钮挡住字幕？ 让文字待在画面中央的安全带里——避开右侧按钮列和底部描述区。如果你出于美观把字幕放在画面下三分之一处，请往上抬；四步检查里正有这一项。
字幕可以翻译成其他语言吗？ 可以——这正是要把 SRT 留作母版的关键理由。源语言字幕校对完之后，翻译这份文件很快，而且你做过的每处修正都会带进每一种语言。多语言字幕的完整工作流指南，我们很快会发布。
想要上面这一切的快进版？免费注册一个账号，上传一条视频——读完这篇指南的时间，就够你拿到校对完、配好样式的字幕。想了解 AI 还能帮你分担哪些剪辑工作，看我们的 AI 视频剪辑综述。
