TL;DR：第一個分野是文字與圖像。SRT、ASS、VTT 是文字，可以自由編輯、翻譯、轉檔；SUP 與 SUB/IDX 則是文字的圖片，得先經過文字擷取（OCR）才能對它們做任何處理。在文字格式裡，追求最大相容性選 SRT，需要樣式選 ASS，用於網頁選 VTT。
文字格式 vs 圖像格式——最關鍵的分野？
在逐一比較各種格式之前，有一個分野決定了你實際能對字幕檔案做什麼，而且它跟功能或相容性無關——關鍵在於這個檔案裡裝的是文字，還是圖片。
文字格式——SRT、ASS/SSA、VTT——會把每一行字幕的實際文字連同時間軸一起儲存下來。因為文字就直接寫在檔案裡，你可以用任何編輯器開啟、搜尋取代、丟給翻譯工具處理，也能無損轉換成另一種文字格式。圖像格式則相反：SUP（藍光 PGS）與 SUB+IDX（DVD VobSub）把每一句字幕存成一張算繪好的文字圖片。播放器只是把這張圖疊在影片上；裡面沒有文字可以讀取。
這就是為什麼格式轉換工具能在一秒內把 SRT 轉成 VTT，卻沒有任何工具能單靠自己把 SUP 轉成 SRT——因為 SUP 裡根本沒有文字可轉。你得先靠文字擷取（OCR），把圖片裡的文字讀出來才行。
文字格式（SRT、ASS、VTT）裝的是實際文字，所以可以編輯、翻譯，也能彼此自由轉換；圖像格式（SUP、SUB/IDX）裝的是文字的圖片，得先靠文字擷取（OCR）轉成文字，才能編輯或翻譯。
SRT——通用預設格式？
SubRip（.srt）是最單純的字幕格式：一份編號的字幕清單，每一條都有起訖時間碼，加上一兩行文字。沒有字型、沒有顏色、沒有位置設定——只有文字和時間軸。而正是這份簡單，讓它成為贏家。
SRT 是支援度最廣的字幕格式：幾乎每一套影片播放器、每一款字幕編輯軟體、YouTube，以及幾乎所有平台都讀得懂它。無論是編輯、翻譯，還是在不同工具之間搬移字幕，它都是最保險的選擇，因為不管交給誰處理，對方都認得。想深入了解這個格式本身——確切的結構、時間碼、常見陷阱——可以參考SRT 字幕格式完整指南。
SRT 是編輯、翻譯與可攜性的最佳預設選擇——只有在特別需要樣式或用於網頁時，才考慮其他格式。
ASS / SSA——需要樣式時？
Advanced SubStation Alpha（.ass，以及它較早期的版本 SSA）是文字加上豐富樣式的格式。除了文字和時間軸之外，它還能承載字型、顏色、外框、精確的螢幕位置，以及卡拉 OK 式的特效。它是動畫與字幕組社群的標準格式，正是因為在那個圈子裡字幕的視覺呈現非常重要——招牌標示、歌曲字幕、多位角色，各自都需要獨立的樣式。
當呈現效果是工作的一部分時，就選 ASS。要知道的取捨是：把 ASS 轉成 SRT 會丟掉所有樣式，因為 SRT 沒有地方能存字型、顏色或位置——你只會留下文字和時間軸，其他全部消失。如果需要保留視覺效果，就把檔案維持在 .ass 格式。
當字型、顏色、位置或特效對成果不可或缺時，選擇 ASS/SSA；並接受把它壓平成 SRT 會捨棄所有樣式這個事實。
VTT（WebVTT）——用於網頁？
WebVTT（.vtt）是專門為網頁打造的字幕格式。它是 HTML5 <track> 元素與網頁影片播放器所用的字幕格式，而且跟 SRT 足夠接近，兩者可以乾淨互轉——VTT 只是多加了一些網頁導向的功能，例如瀏覽器看得懂的字幕定位與樣式掛鉤。
當字幕會用在網頁播放器、或以字幕形式嵌入網頁中時，選擇 VTT。除了網頁以外的幾乎所有場合，SRT 都是更簡單、更具可攜性的選擇；VTT 的用武之地，就特別在瀏覽器裡。
HTML5 影片與網頁嵌入字幕用 VTT；瀏覽器以外的場合，單純的 SRT 通常是比較輕鬆的選擇。
SUP 與 SUB/IDX——需要 OCR 的圖像格式？
這兩種是圖像格式，行為跟文字格式完全不同。SUP（.sup）是藍光的圖像字幕軌（PGS）；SUB+IDX 則是 DVD 的圖像字幕軌（VobSub），其中 .sub 存放圖片，.idx 存放對應的時間索引。這兩種格式裡，每一句字幕都是點陣圖——把文字算繪成一張圖片，畫在透明圖層上，再由播放器疊在影片上顯示。
因為裡面沒有文字，你沒辦法像處理 SRT 那樣編輯、翻譯或轉換這些檔案。格式轉換工具對它們完全無從下手。在對 SUP 或 SUB/IDX 檔案做任何處理之前，都必須先把圖片透過文字擷取（OCR）轉成文字——通常轉成 SRT——之後才能編輯或翻譯。在 Mac 上，GeekLink 會在本機完成這個文字擷取過程：讀出圖像字幕裡的文字，匯出時間軸正確的乾淨 SRT，全程不會上傳任何內容。如果你的字幕是直接燒錄在畫面裡而不是獨立軌道，同樣的 OCR 做法也適用——可以參考字幕的 4 種類型了解如何分辨它們。
SUP 與 SUB/IDX 是圖片而不是文字，因此在任何編輯、翻譯或轉換之前，先用 OCR 轉成 SRT 是必要的第一步。
該用哪種格式？（快速判斷）
以下用一張表整理完整比較。從你想做的事情對照到合適的格式即可。
| 格式 | 文字或圖像 | 樣式 | 最適合用途 |
|---|---|---|---|
| SRT | 文字 | 無 | 編輯、翻譯、可攜性 |
| ASS | 文字 | 豐富 | 動畫、需要樣式的字幕 |
| VTT | 文字 | 基本 | 網頁影片 |
| SUP | 圖像 | 不適用 | 藍光，需要 OCR |
| SUB+IDX | 圖像 | 不適用 | DVD，需要 OCR |
實務上，大多數人要的都是 SRT：到哪都打得開，編輯和翻譯也最容易。在 Mac 上，GeekLink 可以直接從語音辨識或 OCR 匯出 SRT（以及雙語字幕）。至於圖像格式——SUP 與 SUB/IDX——先用 GeekLink 把它們 OCR 成 SRT，之後就能像處理其他文字字幕一樣處理它們。
預設用 SRT；重視外觀時用 ASS，用於網頁時用 VTT；遇到 SUP 與 SUB/IDX，先 OCR 成 SRT，之後再當成一般文字字幕處理。
常見問題
SRT 還是 ASS 比較好？
要相容性和編輯方便選 SRT——幾乎所有播放器和工具都打得開。需要字型、顏色或位置設定時選 ASS，因為 SRT 無法儲存任何樣式。
什麼是 SUP 檔案？
藍光的圖像字幕軌（PGS）。它是文字的圖片，不是文字本身，所以必須先經過 OCR 才能編輯、翻譯或轉換。
可以把 SUP 轉成 SRT 嗎？
用格式轉換工具沒辦法——SUP 裡面沒有文字可以轉換。你需要透過 OCR 把圖片轉成 SRT，從每張圖片中讀出文字，再依照原本的時間軸寫成文字檔。
YouTube／網頁用的是哪種字幕格式？
VTT（WebVTT）是網頁標準格式，用於 HTML5 影片字幕。SRT 也能上傳到 YouTube，所以就 YouTube 而言，兩種格式都可以用。
哪種格式能保留字幕樣式？
ASS/SSA，它能儲存字型、顏色、位置與特效。SRT 和一般的 VTT 不支援豐富樣式，轉成這兩種格式就會失去這些效果。