TL;DR：第一層區分是文本還是影像。SRT、ASS、VTT 是可以自由編輯、翻譯、互相轉換的文本；SUP 和 SUB/IDX 只是文字的圖片，必須先做 OCR 才能對它們做任何處理。在文本格式裡，追求最大相容性選 SRT，需要樣式選 ASS，面向網頁選 VTT。
文本格式 vs 影像格式——最關鍵的分野
在逐一比較各個格式之前，有一個區分決定了你對一個字幕檔案到底能做什麼，這個區分和"功能多不多""相容性好不好"無關，而是關於檔案裡存的到底是文字還是圖片。
文本格式——SRT、ASS/SSA、VTT——把每一行字幕的實際文字連同時間碼一起存起來。因為文字就實實在在地寫在檔案裡，你可以用任何編輯器開啟它、做查詢替換、丟給翻譯工具、無損轉換成另一種文本格式。影像格式正相反：SUP（藍光 PGS）和 SUB+IDX（DVD VobSub）把每條字幕都存成一張渲染好的文字圖片。播放器把這張圖片疊加在影片畫面上；檔案里根本沒有可讀的文字。
正是這個差異導致：格式轉換工具能一秒把 SRT 轉成 VTT，卻沒有任何工具能憑空把 SUP 轉成 SRT——SUP 裡沒有文字可轉。你必須先跑 OCR，把圖片裡的文字識別出來。
文本格式（SRT、ASS、VTT）存的是真實文字，所以可以自由編輯、翻譯、互相轉換；影像格式（SUP、SUB/IDX）存的是文字的圖片，只有先用 OCR 轉成文字之後才能編輯或翻譯。
SRT——通用預設選擇
SubRip（.srt）是最樸素的字幕格式：一份編號列表，每條字幕都有起止時間碼和一兩行文字。沒有字型、沒有顏色、沒有位置資訊——只有文字和時間。而正是這份極簡，讓它成了贏家。
SRT 是目前相容性最廣的字幕格式：幾乎所有影片播放器、所有字幕編輯軟體、YouTube，以及絕大多數平臺都能識別它。做編輯、翻譯，或者在不同工具間搬運字幕時，SRT 是最穩妥的選擇，因為無論你把它丟給誰，對方都認識。想深入瞭解這個格式本身——精確的檔案結構、時間碼規則、常見坑點——可以看這篇 SRT 字幕格式指南。
做編輯、翻譯、跨工具流轉時，SRT 是最好的預設選擇——只有當你確實需要樣式或面向網頁釋出時，才需要換別的格式。
ASS / SSA——需要樣式時
Advanced SubStation Alpha（.ass，以及它的前身 SSA）是文字加豐富樣式的組合。除了文字和時間之外，它還能承載字型、顏色、描邊、精確的螢幕定位，以及卡拉 OK 式的特效。它是動畫和字幕組圈子裡的標準格式，原因很直接：那些場合的字幕外觀本身就很重要——招牌翻譯、歌詞、多個說話人，每一種都需要各自的樣式。
當外觀本身是需求的一部分時，選 ASS。要知道的取捨是：把 ASS 轉成 SRT 會丟掉所有樣式，因為 SRT 根本沒有地方存字型、顏色或位置資訊——轉換後只會留下文字和時間，其餘全部丟失。如果需要保留外觀效果，就把檔案保持為 .ass。
當字型、顏色、定位或特效對結果至關重要時選 ASS/SSA；同時要接受，一旦壓平成 SRT，樣式就沒了。
VTT（WebVTT）——面向網頁
WebVTT（.vtt）是為網頁而生的字幕格式。它是 HTML5 <track> 元素和網頁影片播放器所用的字幕格式，和 SRT 足夠接近，兩者可以乾淨地互相轉換——VTT 只是額外加入了瀏覽器能識別的一些網頁向特性，比如字幕位置和樣式鉤子。
當字幕將要用在網頁播放器裡，或者作為字幕嵌入網頁時，選 VTT。除了網頁場景之外，SRT 幾乎總是更簡單、更通用的選擇；VTT 的價值就專門體現在瀏覽器裡。
HTML5 影片和網頁內嵌字幕用 VTT；離開瀏覽器場景，普通的 SRT 通常是更省事的路徑。
SUP 與 SUB/IDX——必須 OCR 的影像格式
這兩種是影像格式，行為方式和前面幾種文本格式完全不同。SUP（.sup）是藍光的影像字幕軌（PGS）；SUB+IDX 是 DVD 的影像字幕軌（VobSub），其中 .sub 存放圖片，.idx 存放它們的時間索引。這兩種格式裡，每一條字幕都是一張點陣圖——把文字渲染在透明圖層上的一張圖片，播放器把它畫在影片畫面之上。
因為裡面沒有文字，你沒法像處理 SRT 那樣編輯、翻譯或轉換這些檔案。格式轉換工具對它們無從下手。處理 SUP 或 SUB/IDX 檔案之前，必須先把圖片 OCR 成文字——通常輸出為 SRT——之後才能編輯或翻譯。在 Mac 上，GeekLink 在本地完成這個 OCR 過程：讀取影像字幕裡的文字，匯出乾淨、時間碼準確的 SRT，全程不上傳任何內容。如果你的字幕是直接燒錄在畫面裡、而不是獨立的字幕軌，同樣的 OCR 思路依然適用——具體如何區分這幾種情況可以看 字幕的 4 種類型。
SUP 和 SUB/IDX 是圖片而非文字，所以在做任何編輯、翻譯或轉換之前，OCR 成 SRT 是必經的第一步。
該用哪種格式？（快速決策）
這裡是整個對比的濃縮版。按你想做的事情，對照找到合適的格式。
| 格式 | 文本還是影像 | 樣式能力 | 最適合 |
|---|---|---|---|
| SRT | 文本 | 無 | 編輯、翻譯、跨工具流轉 |
| ASS | 文本 | 豐富 | 動畫、有樣式需求的字幕 |
| VTT | 文本 | 基礎 | 網頁影片 |
| SUP | 影像 | 不適用 | 藍光，需 OCR |
| SUB+IDX | 影像 | 不適用 | DVD，需 OCR |
實際用起來，大多數人想要的是 SRT：它哪裡都能開啟，編輯和翻譯也最省事。在 Mac 上，GeekLink 可以直接從語音識別或 OCR 結果匯出 SRT（以及雙語字幕）。對於 SUP、SUB/IDX 這類影像格式，先用 GeekLink 把它們 OCR 成 SRT，之後就可以像處理其他文本字幕一樣處理它們了。
預設用 SRT；外觀重要時用 ASS，網頁場景用 VTT；遇到 SUP 和 SUB/IDX，先 OCR 成 SRT，再當文本字幕處理。
常見問題
SRT 和 ASS，哪個更好？
要相容性和方便編輯就選 SRT——它幾乎能在所有播放器和工具裡開啟。需要字型、顏色或定位時選 ASS，因為 SRT 存不了任何樣式資訊。
SUP 檔案是什麼？
它是藍光的影像字幕軌（PGS）。裡面存的是文字的圖片，而不是文字本身，所以必須先 OCR 才能編輯、翻譯或轉換。
能把 SUP 轉換成 SRT 嗎？
用格式轉換工具是不行的——SUP 裡沒有文字可轉。你需要用 OCR 識別每張圖片裡的文字，把它們寫成帶原始時間碼的文本，這樣才能得到 SRT。
YouTube／網頁用的是哪種字幕格式？
VTT（WebVTT）是網頁標準，用於 HTML5 影片字幕。SRT 同樣也能上傳到 YouTube，所以單就 YouTube 而言兩種都可以。
哪種格式能保留字幕樣式？
ASS/SSA，它能儲存字型、顏色、定位和特效。SRT 和普通 VTT 都不支援豐富樣式，轉換成這兩種格式會丟失樣式。