字幕的四种类型——以及如何逐一提取

太长不看：字幕要么是画面的一部分，要么是一条独立轨道。如果你能在播放器里把它关掉，说明它是一条可以提取的轨道；如果它牢牢贴在画面上关不掉，那就是烧录字幕，只有对视频画面做 OCR 才能把它找回来。文本轨道用 ffmpeg 就能瞬间导出，图像轨道（蓝光 PGS 和 DVD VobSub）在拉取轨道之后还需要 OCR，烧录字幕则需要对画面逐帧做 OCR。

如何判断我的字幕是哪种类型？

最快的判断方法只需要一个视频播放器：尝试把字幕关掉。如果能关掉，说明它是一条独立轨道，可以被提取；如果无论怎么操作它都留在画面上，那就是烧录字幕。这一个动作几乎能分辨你打开的每一个文件。

想要一个确切的答案，可以列出所有轨道。在装有 ffmpeg 的 Mac 上（brew install ffmpeg），运行：

ffprobe -v error -select_streams s \
  -show_entries stream=index,codec_name:stream_tags=language,title \
  -of default=noprint_wrappers=1 input.mkv

如果你更喜欢图形界面，MediaInfo 也能显示同样的轨道列表。而当你真正提取出一条轨道后，得到的文件扩展名本身就是线索：.srt 代表文本，.sup 代表蓝光 PGS（一种图像格式），.idx/.sub 代表 DVD VobSub（同样是图像格式）。

决定一切的这一个测试：如果你能在播放器里把字幕关掉，它就是一条可提取的轨道；如果不能，它就已经烧录进画面，需要 OCR。

字幕的四种类型

抛开所有的文件扩展名和编码器名称，你会遇到的字幕其实只有四种类型：两种是文本，一种是存在轨道里的图片，还有一种是烙进视频本身的画面。

• 文本轨道（内嵌 SRT/ASS、MP4 tx3g、WebVTT）：字幕本身就已经以真正的文本形式存储。它在播放器里可以开关，用 ffmpeg 或 mkvextract 几秒钟就能提取出来——不需要 OCR。这是最省心的情况，也是大家都希望自己遇到的那种。
• 图像轨道——PGS 和 VobSub：PGS（.sup）是蓝光的字幕格式；VobSub（.idx/.sub）是 DVD 的字幕格式。它们都是独立的、可开关的轨道——但每一行字幕存储的是一张小小的文字图片，而不是文本本身。你需要先拉取这条轨道（用 mkvextract，或在 Mac 上用 Subler），再对图片做 OCR，才能得到可编辑的 SRT。
• 烧录字幕（硬字幕）：文字直接烙进了视频的像素里——它就是画面的一部分，无法关闭。没有轨道可以拉取，因此任何解复用工具或转换工具都帮不上忙。你需要对视频画面做 OCR，把文字重新读出来。这正是 GeekLink 在 Mac 上所做的事。
• 隐藏字幕（CEA-608/708）：内嵌在视频信号本身而不是字幕轨道中——常见于电视广播录像和部分 MP4/MOV 文件。它们可以开关，也是基于文本的，因此用 ccextractor 或 ffmpeg 就能提取，不需要 OCR。

四种类型中有三种是可开关的轨道；只有烧录字幕是画面本身的一部分——这条分界线决定了你是能直接提取，还是必须用 OCR。

不同类型该用哪种工具？

一旦你知道自己手上是哪一种类型，该用什么工具也就一目了然了。整个判断逻辑一屏就能看完：

类型	如何判断	如何提取	输出结果
文本轨道（SRT/ASS/tx3g/WebVTT）	可开关；ffprobe 显示为文本编码	ffmpeg 或 mkvextract	瞬间得到 SRT
图像轨道——PGS / VobSub	可开关；提取后为 .sup 或 .idx/.sub	先提取轨道，再做 OCR	SRT（OCR 之后）
烧录字幕（硬字幕）	无法关闭；轨道列表中不存在字幕轨道	对视频逐帧做 OCR	SRT（来自 OCR）
隐藏字幕（CEA-608/708）	广播/MP4/MOV 文件中可开关的字幕	ccextractor（或 ffmpeg）	SRT

四种类型里只有两种需要 OCR——图像轨道和烧录字幕——原因完全相同：文件里没有文本，只有图片。

为什么图像轨道和烧录字幕都需要 OCR

看起来是两个不同的问题，其实是同一个问题。PGS 或 VobSub 轨道把每一条字幕存成一张文字的位图图像；烧录字幕则被直接画进了视频自身的像素里。这两种情况下，文件中都没有任何文本可以直接复制出来——有的只是图片（图像轨道）或像素（烧录字幕）。

没有任何格式转换工具能把图片变成文本，只有 OCR 能读出来。这就是为什么把 PGS/VobSub 轨道转成 SRT，或是从视频中提取烧录字幕，本质上是一项 OCR 任务，而不是文件格式转换任务。

这也是很多人卡住的原因：他们尝试用 ffmpeg 或字幕转换工具，结果得到一个编码器报错，或者一个用文本编辑器打不开的 .sup 文件，于是以为哪里出了问题。其实什么都没坏——工具只是没办法凭空造出原本不存在的文本。

在 Mac 上逐一提取各类字幕

下面是在 macOS 上针对这四种类型的实际操作路径。

文本轨道——一条命令搞定，几秒钟就能完成：

# Extract the first subtitle track as SRT
ffmpeg -i input.mkv -map 0:s:0 subtitles.srt

图像轨道（PGS / VobSub）——先拉取轨道，再做 OCR。在 Mac 上最简单的方法是先把这条轨道渲染叠加到视频画面上一次，再对结果做 OCR：

# Render the image-subtitle track onto the video (one-time re-encode)
ffmpeg -i input.mkv -filter_complex "[0:v][0:s:0]overlay[v]" \
  -map "[v]" -map 0:a? -c:a copy rendered.mp4

然后把 rendered.mp4 导入 GeekLink，运行 OCR 提取，就能得到一份干净、带时间轴的 SRT。

烧录字幕——没有轨道可以拉取，所以直接做 OCR。把视频导入 Mac 上的 GeekLink，运行 OCR 提取：它会直接从画面中读出字幕文字，导出一份时间轴正确的 SRT，全程在本地离线完成，不上传任何内容。

隐藏字幕——用 ccextractor（ccextractor input.mp4 -o captions.srt）或 ffmpeg 提取即可，不需要 OCR。

对于这两种需要 OCR 的情况——烧录字幕视频和渲染后的图像轨道——GeekLink 是本地 Mac 端的解决方案：离线运行 OCR 提取并导出带时间轴的 SRT，同时支持语音识别（Whisper）、40+ 语言的 AI 翻译（Claude、GPT-4o、DeepSeek）、内置编辑器，以及在需要一次处理一整季内容时的批量处理。完整的 OCR 操作教程见这里：如何用 OCR 提取烧录（硬编码）字幕。

常见问题

相关文章