VTT 字幕怎么翻译?不破坏时间轴与 WEBVTT 头的实操方法

意扣

导读

详解 .vtt (WebVTT) 字幕文件翻译方法,锁死 WEBVTT 头部、毫秒小数点与 --> 时间轴,避免 HTML5 播放器加载失败。

关键词:translate vtt subtitles; vtt字幕翻译; vtt转srt字幕翻译; WebVTT字幕翻译; 双语vtt字幕

翻译 .vtt(WebVTT)字幕文件时,最核心的要求是只替换台词文本,锁死第一行的 WEBVTT 声明、00:01:12.400 --> 00:01:15.800 的小数点时间轴,以及 line:85% 或 <v Speaker> 等样式标记。一旦把 .vtt 全文直接复制进普通网页翻译框,文件头或时间码被改动哪怕一个字符,网页视频播放器的 HTML5 <track> 标签就会直接拒载整条字幕轨。

下面拆解 .vtt 直接粘贴翻译为什么会失效、如何直接上传 .vtt 文件原样保留时间轴完成翻译,以及在 .vtt 与 .srt 之间无损转换的做法。

为什么把 .vtt 粘进普通翻译器会导致字幕不显示?

WebVTT(后缀 .vtt,MIME 类型 text/vtt)是 W3C 与 WHATWG 制定的网页视频标准字幕格式,也是 HTML5 <track> 元素以及 Coursera、Udemy、Vimeo 等在线课程和视频平台默认使用的字幕格式。根据 MDN WebVTT API 官方文档,浏览器解析器在渲染字幕前会严格校验文件语法。

一段标准的 .vtt 文件结构如下:

WEBVTT

00:01:12.400 --> 00:01:15.800 line:85%
<v Instructor>Welcome back to module three.

00:01:16.100 --> 00:01:19.500
Today we will inspect the network request waterfall.

如果你把这段内容用记事本打开、全选粘贴到通用文本翻译框里,通常会踩中以下四个坑:

  • WEBVTT 文件头被篡改或翻译:文件第一行必须以大写英文字母 WEBVTT 开头。普通翻译器常把它当成普通单词音译,或在前面多加空格,导致浏览器直接判定文件非法。
  • 毫秒分隔符 . 被改成中文标点或逗号:不同于 .srt 用逗号分隔毫秒(如 00:01:12,400),.vtt 强制要求用英文小数点(.)。文本翻译器处理中文或欧洲语言时,极易把数字串里的标点替换成全角句号或逗号。
  • 时间轴箭头 --> 变形:WebVTT 要求起止时间之间用两边带空格的 --> 连接。自动排版或翻译规则经常把它缩成 ->,或者转成中文破折号 ——,该条及后续时间轴会立刻失效。
  • 位置参数与说话人标签被拆毁:时间戳末尾的 line:85%(垂直位置)或台词前的 <v Instructor>(说话人标签)一旦被翻译成中文或丢失尖括号,画面上就会直接蹦出乱码标签。

直接上传 .vtt 翻译并锁死时间轴的方法

要省去手动写正则剥离时间轴的麻烦,最稳妥的做法是用原生识别字幕结构的工具直接解析 .vtt 文件。

意扣(Equalang)的文档与字幕翻译原生支持 .vtt 与 .srt 字幕格式。上传 .vtt 文件后,系统会跳过文件头与时间戳行,结合前后文只翻译每个时间段内的对白,再按原有的时间码写回文件。

意扣字幕翻译工作台左右并排显示原文字幕时间轴与保留相同时间戳的译文字幕
将字幕文件上传至意扣翻译后,每条台词的时间轴起止点原样锁定,不会因文本翻译破坏时间码格式

具体操作步骤如下:

  1. 打开意扣的文档翻译页面。
  2. 选择目标语言(源语言支持自动识别;文档翻译目前支持中文、英文、日语、韩语、西班牙语、法语等多种语言)。
  3. 上传你的 .vtt 字幕文件。网页端每次上传一个文件,可以一个接一个连续上传、不限总数;同一个账号同时最多处理 3 份文档,其余文件会自动排队。
  4. 翻译完成后,点击进入网站的翻译工作台(Translation workspace)。左边原文、右边译文会并排显示并支持同步滚动(Synced scroll),你可以直观核对每条时间轴与术语译法是否对齐。
  5. 确认无误后点击下载译文,得到的依然是标准的 .vtt 文件,可直接挂进网页 <track> 标签或本地播放器。

如果你手头有整门网课的几十个章节字幕要翻,可以先用新账号注册即送的 200 积分试翻几集看效果。字幕按文本 token 量计费,详细折算标准可在价格页面查看。

使用前需要留意的边界

  • 复杂自定义样式块:标准的 WEBVTT 头和时间轴对白会保持原位,但如果你的 .vtt 顶部带有复杂的自定义 STYLE 样式块、REGION 区域定义或内嵌大量 <c.classname> 标签,下载译件后建议用纯文本编辑器快速扫一眼头部声明是否符合预期。
  • 工作台仅用于核对与下载:翻译工作台的左右并排视图方便对照审阅,但不支持在网页并排视图里直接打字改词;如需微调个别专有名词,下载 .vtt 后在本地文本编辑器(如 VS Code)中保存即可。
  • 文件保留期限:上传的文件与翻译结果从创建起在账号内保留 6 个月,逾期后无法再访问;你可随时在历史记录中删除提交的内容,且意扣不会用用户提交或得到的内容训练 AI 模型。

没有现成 .vtt 文件、只有课程视频或录音怎么办?

不少读者手头只有公开课或研讨会回放(.mp4、.webm 或 .mp3),却没有单独的 .vtt 字幕文件。由于意扣的文档翻译页面面向已有的 .vtt、.srt 等文档与字幕文件,遇到这种情况可以分两步取得或提取出 .vtt 后再上传翻译:

  1. 在原网页开发者工具中抓取现成 .vtt:如果原课程网页播放时本身有外挂原文字幕,按 F12 打开浏览器的 Network(网络) 面板,在筛选框输入 vtt 并刷新页面,通常就能直接看到浏览器请求的 .vtt 字幕地址,右键保存下来即可直接上传至文档翻译页面。
  2. 用开源语音识别工具从本地音视频生成 .vtt:如果是彻底无字幕的本地录音或视频,可以先在本地用开源的 Whisper 或 Subtitle Edit 跑一遍语音识别,直接导出原语言的 .vtt 或 .srt 字幕文件,再将生成的 .vtt 文件上传到意扣的文档翻译页面完成多语言翻译(遇到口音较重或语速极快的专业术语时,建议先结合原音频核对一遍识别出的专有名词)。

.vtt 与 .srt 字幕怎么互相转换?

很多搜索 translate vtt subtitles 的读者同时也在搜 convert vtt subtitles to srt。原因很实际:网页端下载下来的是 .vtt,但部分老旧剪辑软件或电视盒子只认 .srt;反过来,手头做好了 .srt,发到网页 <track> 播放器上又必须转成 .vtt。

如果你手里原本就是 .srt 文件,可以直接参考我们的 SRT 字幕文件翻译指南。如果需要在本地免费把翻好的 .vtt 转成 .srt(或反向转换),最干净的做法有两招:

1. 用 FFmpeg 一行命令无损互转

电脑上装有 FFmpeg 的话,在终端运行一行命令即可把 .vtt 转为 .srt:

ffmpeg -i translated-lecture.vtt translated-lecture.srt

FFmpeg 会自动去掉顶部的 WEBVTT 声明、补齐从 1 递增的序号,并把毫秒小数点 . 全部替换成 .srt 规范的英文逗号 ,。反之,要把 .srt 转成网页播放器能用的 .vtt,只需把两个文件后缀对调:

ffmpeg -i translated-lecture.srt translated-lecture.vtt

2. 在本地播放器里同时挂载原版与译版字幕

如果你没有合成单个双语 .vtt 文件,而是保留了原语言 .vtt 和翻译后的 .vtt 两份独立文件,在电脑上用 VLC 就能同时加载主副两条字幕轨对照观看,具体设置步骤见 VLC 播放器加载双语字幕教程。

上线或加载 .vtt 前的 30 秒自检清单

将翻译好的 .vtt 传回网站后台或套进 HTML5 <track> 标签前,用代码编辑器打开文件确认以下三点,能避开绝大多数加载报错:

  1. 首行必须是 WEBVTT:前面不能有空行或不可见字符,紧接着空一行再开始第一条时间轴。
  2. 文件编码保存为 UTF-8(无 BOM):如果用旧版记事本存成了 ANSI 或 GBK,中文字幕在网页播放器里会变成问号或方块乱码。
  3. 时间码毫秒分隔符是英文小数点 .:确认形如 00:00:05.000 --> 00:00:08.250,没有被误改成逗号 ,。

常见问题

为什么翻译后的 .vtt 字幕放进网页 <track> 里完全不显示?

最常见的原因有三个:第一行的 WEBVTT 被翻译成了中文或被删掉;时间戳里的 --> 或毫秒小数点 . 在复制粘贴时变形;或者 .vtt 文件跨域名托管时未配置 CORS 响应头。按 F12 打开浏览器开发者工具的 Console 面板,即可看到具体的解析报错行号。

怎么在观看视频时同时显示原文和译文两条 .vtt 字幕?

当你通过意扣的文档翻译页面将原版 .vtt 翻译成目标语言 .vtt 后,手头会同时拥有原文与译文两份时间轴完全对齐的 .vtt 字幕文件。在本地播放视频时,只需按照 VLC 双语字幕设置教程在播放器里分别将它们设为第一字幕轨与第二字幕轨,即可上下或同步对照显示双语字幕。

.vtt 和 .srt 翻译时有什么本质区别?

两者都是纯文本时间轴字幕,但语法规范不同:.vtt 必须以 WEBVTT 开头、毫秒用英文小数点(00:01:05.200)、字幕序号可省略,且支持 line:85% 位置参数与 <v Speaker> 标签;而 .srt 没有文件头、每条字幕必须带连续数字序号、毫秒用英文逗号(00:01:05,200)。

参考资料