MKV 内封字幕怎么提取并翻译成 SRT 双语字幕
意扣 Equalang导读
用 FFmpeg 两秒提取 MKV 内封文本字幕并翻译,或将无字幕、PGS 图形字幕的 MKV 视频直接转写成双语 SRT 字幕。
关键词:translate mkv subtitles; mkv字幕提取翻译; mkv转srt字幕; ffmpeg提取mkv字幕; mkv pgs字幕翻译
想要翻译 .mkv 视频里的字幕,第一步不是把几个 GB 的视频直接丢进转写工具,而是先看一眼它内封的是哪种字幕轨。如果 .mkv 里已经有文本字幕(SubRip/SRT、ASS/SSA 或 WebVTT),用一行 ffmpeg 命令在 2 秒内把 .srt 抽出来再上传翻译,既能保留原版人工打轴的时间点,又只需花费极少的文本 token 积分;如果 .mkv 里只有蓝光常见的 HDMV PGS 图像字幕,或者压根没有字幕轨,再直接用 .mkv 音轨转写生成单语或双语 .srt 字幕。
为什么有的 MKV 两秒就能抽出 SRT,有的却会报错?
根据 Matroska 官方字幕技术规范,.mkv 是一种多媒体封装容器,可以在同一个文件里同时塞进视频流、多条音轨和多条软字幕轨(Soft Subtitles)。和直接把字烧死在画面像素上的硬字幕不同,软字幕是独立的数据流,播放器可以随时开关。
但 .mkv 里的软字幕分成了完全不同的两类:
- 文本字幕轨(
subrip/.srt、ass/ssa、webvtt):台词本身就是 UTF-8 文本加上起止时间戳。用ffmpeg或mkvextract可以在一两秒内直接抽出并存为.srt文件。 - 位图图像字幕轨(
hdmv_pgs_subtitle、dvd_subtitle/VobSub):常见于蓝光原盘压制或 DVD 提取资源。它的每一句字幕实际上是一张透明背景的图片,里面根本没有现成的文字字符。因此ffmpeg无法在不做光学字符识别(OCR)的情况下直接把PGS轨转成.srt。
动手翻译前,先花 5 秒用命令看清轨道类型,就能选对最省时省钱的路径。
第一步:用 FFmpeg 查看 MKV 里的字幕轨类型
打开终端,使用 FFmpeg 查看 .mkv 容器里的流信息(不加输出文件名时,它只读取头部元数据,不会解码整部视频):
ffmpeg -i video.mkv
在终端输出的 Stream #0:... 列表里找带有 Subtitle: 的那几行:
- 情况 A — 看到文本轨标记:例如
Stream #0:2(eng): Subtitle: subrip(或者是ass、ssa、webvtt)。直接走下文的路径一,两秒抽出.srt文本再翻译。 - 情况 B — 看到位图轨或完全没有
Subtitle:行:例如Stream #0:2(jpn): Subtitle: hdmv_pgs_subtitle(或dvd_subtitle)。直接跳到路径二,常规文本提取会报错,需要直接从音轨生成字幕或先做本地 OCR。
路径一:已有文本字幕轨——两秒抽出 SRT 再翻译(最快、最省积分)
只要 .mkv 里自带了原语种的文本字幕轨,就千万不要把整部视频拿去做语音识别。先把几十 KB 的字幕文本抽出来,不仅时间轴分秒不差,翻译成本也只按纯文字量计算。
1. 一行命令把 MKV 内封字幕抽成 .srt
在终端运行下面这条命令,把视频里的第一条字幕流(0:s:0)提取为标准的 source.srt:
ffmpeg -i video.mkv -map 0:s:0 source.srt
-map 0:s:0表示选取第 1 个输入文件(0)里的第 1 条字幕轨(s:0)。如果视频内封了多国字幕,想提取第 2 条字幕轨,改成0:s:1即可。- 即使原轨道是带特效排版的
ASS/SSA或WebVTT,只要输出文件名写为source.srt,ffmpeg就会自动去掉花哨样式、保留起止时间轴并转换成标准.srt格式。
因为完全跳过了视频与音频解码,哪怕是 20 GB 的视频,这一步也只需一两秒。
2. 上传 source.srt 做时间轴锁定的翻译
拿到 source.srt 后,如果直接把几千行台词贴进普通聊天框,常常会遇到序号错位、相邻两句被合并、或者 00:01:23,450 --> 00:01:26,100 时间戳格式被改坏导致播放器无法加载的问题。
更稳妥的做法是把抽出来的 source.srt 直接传到意扣(Equalang)的文档翻译页面。意扣会按字幕块解析文件,锁死每一条的序号与时间轴,只把台词翻译成目标语言(目前支持中文、英文、日语、韩语、西班牙语、法语等多种语言)。因为上传的是纯文本 .srt,系统只按文字 token 计费(1,000 token 约等于 1,000 个中日韩字符或 4,000 个英文字符;新账号注册即送 200 积分,可以先试跑一集看看效果)。

翻译完成后,你可以在网站的翻译工作台(Translation workspace)里左右并排对照原文与译文,确认无误后下载译文 .srt。如果你想了解更多关于 .srt 内部格式标签与双语字幕处理的细节,可以参考我们的 SRT 字幕文件翻译指南。
路径二:只有 PGS 图形字幕或完全无字幕——直接上传 MKV 提取音轨翻译
如果你对一条 hdmv_pgs_subtitle 蓝光字幕轨运行上面的 ffmpeg 命令,终端会直接报错:Subtitle encoding currently only possible from text to text or bitmap to bitmap;而如果生肉 .mkv 压根没有字幕流,则会提示 Stream map '0:s:0' matches no streams。
遇到这两种情况,可以按视频时长和手头工具二选一:
方案 A:180 分钟以内的 .mkv 直接上传意扣生成译文字幕
只要你的 .mkv 视频时长在 180 分钟以内,不需要先在本地用工具把 .mkv 转码成 .mp4,也不用自己剥离音轨。意扣的文档翻译原生支持直接上传 .mkv 视频(同时也支持 .mp4、.mov、.webm 以及 .mp3、.m4a、.wav、.flac 等音频格式):
- 打开意扣文档翻译页,选择你的
.mkv文件上传(页面每次上传一个文件,可连续上传不限个数;同一账号同时最多处理 3 份,其余自动排队)。 - 选择目标语言,并勾选输出单语译文字幕还是原文+译文双语字幕(如果只想打轴不要翻译,也可以选仅生成原语言文字稿)。
- 任务完成后,直接下载带时间轴的
.srt、.vtt或.txt文字稿。
使用前需要了解的计费规则与能力边界:
- 静音与纯音乐片段不计费:录音录像任务只对实际送去语音识别的人声片段按时长计费,外加译文文本的 token 费用(具体费率明细见价格页)。
- 输出的是字幕和文字稿,不是新视频或配音:意扣返回的是
.srt/.vtt/.txt/.json外挂字幕与文字稿文件,不会重新压制输出一个新的.mkv视频文件,也不做 AI 语音配音。 - 嘈杂背景音下建议核对专有名词:由于无字幕视频走的是语音识别,当原片背景配乐很重、音效嘈杂或多人同时抢话时,个别台词或人名数字可能存在识别偏差,下载后建议用播放器挂上字幕快速扫一眼关键句。
方案 B:必须保留原盘 PGS 时间轴时的本地免费 OCR 路线
如果你的 .mkv 超过了 180 分钟,或者原盘里的 HDMV PGS 图像字幕本身对白非常精准、你只想把它转成文本再翻译,可以先用 ffmpeg -i video.mkv -map 0:s:0 -c:s copy subs.sup(或 MKVToolNix 里的 mkvextract)把原始 .sup 位图流无损抽出来,放进桌面端开源工具 Subtitle Edit 做一轮本地 OCR 识别导出为 .srt,最后再走上面的路径一上传 .srt 翻译。
翻译好的 SRT 怎么挂回 MKV 播放或无损封装?
拿到翻译好的 .srt 或双语 .srt 后,完全不需要重新渲染视频:
- 外挂直接播放(0 秒等待):把下载的
.srt改成和.mkv同名并放在同一文件夹下,或者打开播放器后直接把.srt拖进画面。如果你平时用 mpv 播放器,想同时挂载两条独立字幕并自由调整上下位置与字号,可以照着这篇 mpv 双语字幕配置教程 设置。 - 无损封回
.mkv容器(约 2 秒):如果想把译文字幕打包进.mkv方便拷到电视或 NAS 上播放,可以用ffmpeg的流复制(-c copy)模式直接封入:
ffmpeg -i video.mkv -i translated.srt -map 0 -map 1 -c copy -metadata:s:s:1 language=chi output.mkv
因为 -c copy 直接复制原本的视频流和音频流、不做任何重编码,即使是几个 GB 的高清 .mkv,两三秒就能打包完毕且画质零损耗。
常见问题
为什么用 FFmpeg 提取 MKV 字幕成 SRT 时报错 "Subtitle encoding currently only possible from text to text"?
因为这个 .mkv 里封装的是蓝光 hdmv_pgs_subtitle(PGS)或 DVD dvd_subtitle(VobSub)图像字幕。它的每一句台词都是图片而不是文字,而 ffmpeg 不带 OCR 识图引擎,不能直接把图片流转成文本 .srt。你可以把 180 分钟以内的 .mkv 直接传到意扣文档翻译,通过音轨直接生成翻译好的 .srt 字幕;或者先用本地 OCR 工具把 .sup 图像轨转成 .srt 再上传翻译。
先把 SRT 抽出来翻译,和直接上传整个 MKV 视频,花费差别大吗?
只要 .mkv 里有现成的文本字幕轨(subrip、ass、webvtt),一定优先用 ffmpeg -i video.mkv -map 0:s:0 source.srt 抽出 .srt 再传。提取只要两秒,而且纯文本 .srt 只按文字 token 扣积分;直接上传 .mkv 视频则是为「完全没字幕」或「只有 PGS 图形字幕」的视频准备的,除了翻译文字外还会按有效人声时长计收语音转文字的积分。
把 MKV 上传到意扣后,下载下来的是带字幕的新视频吗?
不是。向意扣上传 .mkv(或 .mp4、.mov、.webm)后,系统输出的是带时间轴的外挂字幕与文字稿文件(.srt、.vtt、.txt、.json,可选双语对照),不会输出重新压制的视频文件,也不会生成语音配音。下载 .srt 后,在本地播放器里与原 .mkv 一起加载即可观看。