今天在听中岛美雪的演唱会时，发现视频里内置了字幕。相比我之前用 Whisper 转写出来的版本，原生字幕肯定要准确得多。于是我开始找工具，希望能把这些内嵌字幕提取出来。试了好几款之后，最终脱颖而出的是 —— Subtitle Edit。

Subtitle Edit 是一款功能强大的开源字幕编辑器，适用于字幕的提取、编辑、格式转换与翻译等多种场景。它支持多种视频与字幕格式，并内置 OCR 字符识别、语音转写、时间轴同步等实用功能。

最新版可在 GitHub 发布页 获取，或通过 国内镜像 下载。支持 Windows，部分 Linux 系统可通过 Mono 兼容运行。

字幕提取

1. 打开视频文件

启动软件后，点击菜单栏的“文件”（File） -> “打开”（Open），选择你想提取字幕的视频文件。

2. 选择字幕轨道

如果视频中包含多个字幕轨道，Subtitle Edit 会弹出窗口供你选择需要提取的那一条。

3. （可选）进行 OCR 识别（适用于图像字幕）

若视频字幕为图像格式（如 DVD 的 VobSub 或蓝光的 PGS 字幕），软件会提示你进行“光学字符识别”（OCR）。此时建议选择 Paddle OCR 引擎，并根据字幕语言进行设置。点击「开始 OCR」后进行识别，完成后点击右侧的「确定」按钮。

🚀 小提示：对于中文、日文等非拉丁字符，Paddle OCR 的识别效果明显优于 Tesseract 等传统引擎；后者更适用于英文字幕。

4. 保存为所需格式

字幕提取后，你可以在主界面中查看字幕文本与对应的时间轴。点击“文件”（File） -> “另存为”（Save as），在保存类型中选择所需格式。

其他功能

除了基础的字幕提取功能，Subtitle Edit 还提供了丰富的扩展能力，适用于更复杂的字幕编辑与翻译需求。

语音转写

当视频中没有字幕轨道时，可以通过“工具”（Tools） -> “语音识别”（Audio to text）自动生成字幕。Subtitle Edit 支持多种识别引擎：

• Whisper（推荐，效果最优，支持多语言识别）
• Vosk（轻量级本地模型，适合资源受限环境）

用户可选择语言或启用自动识别，支持断点恢复、每句字幕自动分段等配置。

字幕翻译功能

在已有字幕的基础上，Subtitle Edit 支持一键翻译所有字幕内容，可通过“翻译”菜单调用主流翻译引擎，如：Google Translate、DeepL、Yandex 等。你还可以选择手动逐句翻译，适合需要逐句优化语序的场景。

如果你需要批量的字幕翻译体验或使用ai翻译字幕，可以使用我开源的 Subtitle Translator 工具。
该工具支持批量上传字幕，调用多个翻译 API，并可选择中英对照、断句模式、自定义输出格式等，适合字幕组、译者和内容创作者使用。

字幕同步与修正

Subtitle Edit 提供多种对齐和修正工具，帮助字幕更精确地贴合音视频内容：

• 自动根据音频波形对齐字幕时间
• 快速统一字幕偏移（正向或负向延迟）
• 修改帧率（用于从不同源转换视频）
• 检测并修复字幕重叠、间隔过短、过长等问题

字幕格式批处理

• 支持常见字幕格式互转：如 .srt、.ass、.sub、.vtt 等
• 支持 UTF-8、ANSI、Unicode 等多种编码转换
• 提供批量文本替换、去空字幕行、规范化字幕格式等自动化操作

精修同步字幕

可切换为“波形图”或“频谱图”视图，辅助进行精确的起止时间调整。非常适合精修口型同步字幕或歌词字幕。

常见误区说明

• MKVToolNix 并不能直接导出文本字幕：尽管有些 AI 推荐该工具提取 MKV 字幕，但实际上它输出的是 .mks 格式（容器文件），而非可读的字幕文本。
• HandBrake 不支持字幕提取：该工具适用于视频转码与压制，但无法直接提取字幕。