硬字幕和软字幕区别在于字幕是不是画面的一部分。硬字幕是压进画面里的，和人物、背景一样是一张张图像，关不掉，也选不中；软字幕是单独的文字数据，可以开关、切换语言，能直接导出成文件。所以「提取不出字幕」时，先判断是哪一种：软字幕直接导出就行，硬字幕要么用识别画面文字的工具，要么干脆按声音重新转写，后者是我更常用的办法。
（官方说明）提词匠有 iPhone、安卓 App 和微信小程序三个入口，同一个微信账号登录，积分和会员三端互通。
先判断：你手里的是哪种字幕
判断硬字幕和软字幕区别，不用任何专业工具，用播放器试一下就知道：
- 能关掉、能换语言：在播放器的字幕菜单里能关闭，或者能切换中文、英文，这是软字幕。
- 旁边有同名的 .srt、.ass 文件：这是外挂软字幕，文件本身就是字幕。
- MKV 视频里能选字幕轨：这是内嵌软字幕，字幕作为一条轨道封装在视频文件里。
- 怎么都关不掉，放大画面字也跟着变模糊：这是硬字幕，已经烧进画面了。
短视频平台上的视频，字幕大多是剪辑时直接压进去的硬字幕；电影、剧集的下载文件，常见内嵌或外挂的软字幕；在线平台的 CC 字幕，则是播放时单独加载的软字幕。
硬字幕和软字幕区别，放在一张表里看
| 对比项 | 硬字幕 | 软字幕 |
|---|---|---|
| 本质 | 画面里的图像 | 单独的文字数据 |
| 能否关闭 | 不能 | 能，也能切换语言 |
| 能否修改 | 只能重新压制视频 | 改字幕文件即可 |
| 播放兼容 | 任何播放器都显示 | 要播放器支持 |
| 提取文字 | 要识别画面或转写声音 | 直接导出文件 |
做视频的人常常偏爱硬字幕，因为发到哪个平台都能显示；但对要提取文字的人来说，硬字幕就麻烦多了。
软字幕怎么提取
软字幕提取是两种里简单的一种，因为文字本来就单独存着，只是放的位置不同。
外挂字幕：文件就是答案
视频旁边有 .srt、.ass、.vtt 文件的，直接用记事本打开。SRT 删掉序号和时间就是文稿；ASS 还要删掉样式和特效代码。
内嵌字幕提取：从视频里拆出来
MKV、MP4 里封装的字幕轨，可以用 MKVToolNix 这类工具拆出来，会用命令行的话，ffmpeg 一行命令也能导出：
ffmpeg -i 视频.mkv -map 0:s:0 字幕.srt其中 0:s:0 表示第一条字幕轨，有多条字幕时把最后的 0 换成 1、2 依次试。导出来的就是标准的 SRT 文件。
内嵌字幕提取偶尔会失败，常见原因是字幕轨不是文字而是图片格式，比如光盘转出来的 PGS、VobSub 字幕。这种字幕本质上是一张张图片，导不成 SRT，只能像硬字幕一样识别画面文字，或者转写声音。用 MKVToolNix 打开视频，看字幕轨的格式名就能提前判断。
在线平台的 CC 字幕
平台播放时单独加载的字幕，通常能在浏览器开发者工具的网络面板里找到字幕数据，保存下来再转成 SRT。只处理自己上传的视频，或者已经拿到作者授权的视频。
硬字幕怎么提取：两条路
硬字幕已经是画面的一部分，提取文字只有两种思路：识别画面上的字，或者干脆不管字幕、去听声音。
路线一：识别画面文字
原理是每隔一段时间截一帧，用文字识别把字幕区域的字读出来，再按时间拼成字幕。这类工具一般要先框选字幕所在的区域，识别效果受字体、背景、分辨率影响很大：
- 字幕在纯色背景上、字体清楚，识别比较准；
- 背景花哨、字幕带描边或动画，错字和漏字会明显增多；
- 分辨率低的视频，字本身就糊，识别出来也难用。
有一种情况只能走这条路：视频里没有人说话，字幕是后来加的说明文字，或者画面上的字和语音内容不一样。
路线二：按声音重新转写
大多数视频的硬字幕，本来就是根据说话内容做出来的。这时候与其识别画面，不如直接把声音转成文字，效率高，结果还更完整，连字幕里省略掉的话也能拿到。
我用提词匠就是这个思路。它不识别画面上的字幕，而是转写视频里的声音：上传视频或者粘贴自己作品的链接，等几分钟，就能拿到逐句的文字，结果可以导出 TXT、Word，或者带时间轴的 SRT。
提词匠的 iPhone App、安卓 App 和微信小程序都能这样用。几个实际限制要知道：转写要联网；一次处理一个视频；时长上限普通用户是 60 分钟、会员 120 分钟，文件大小分别是 500 MB 和 2 GB；积分按视频时长扣，每分钟 1 积分，零头按整分钟算。
两条路怎么选
- 视频有人说话，字幕内容就是说的话：按声音转写，快，而且不受字幕样式影响。
- 视频没有人声，字幕是说明文字：只能识别画面文字。
- 字幕和语音内容不同，比如外语视频配了中文翻译字幕，你要的是中文：识别画面文字；要的是原话：转写声音。
- 剪辑时想重新做一份软字幕：转写声音后导出 SRT，再导入剪辑软件。
做视频时怎么避免以后提取困难
如果你是做视频的一方，知道了硬字幕和软字幕区别，可以给自己留条后路：
- 剪辑时字幕单独放一条轨道，导出成片前先导一份 SRT 留档；
- 发到平台时，能上传字幕文件的就上传软字幕，不能的再压硬字幕；
- 保留没有字幕的干净版本，以后做多语言版本时直接换字幕。
剪映里识别出来的字幕轨，就能在导出时单独存成字幕文件。
一个实际例子
比如拿到一段培训视频，画面底部压着硬字幕，要整理成讲义。先用播放器确认字幕关不掉，再看内容：讲师全程口播，字幕就是他说的话。这种情况不用折腾画面识别，直接把视频交给提词匠转写，导出 Word，对照着视频改几个专业名词，讲义就成型了。如果当时去识别画面上的字，字幕里被删减的口语和举例反而会丢掉。
提取完以后的整理
不管是导出的软字幕，还是转写出的文字，拿来当文稿都要整理一下。SRT 先批量删掉序号和时间，再把短句合并成段落，统一改专有名词。
常见问题
硬字幕能去掉吗？
硬字幕是画面的一部分，只能用修复类工具把那块区域「抹掉」，效果取决于背景复杂程度，没法像软字幕那样直接关掉。
软字幕提取出来是乱码怎么办？
老片的字幕文件常用 GBK 之类的旧编码，用记事本打开另存为 UTF-8 就好。软字幕提取以后先确认编码，再导入剪辑软件或播放器。
为什么有的视频字幕能关、有的不能？
能关的是软字幕，不能关的是硬字幕，这就是硬字幕和软字幕区别在播放时直接的表现。
转写声音会不会和画面字幕对不上？
字幕制作时常会删减口语、改写句子，所以转写结果通常比字幕更完整、更口语化。要和画面字幕一字不差，只能识别画面文字。
最后
硬字幕和软字幕区别弄清楚了，提取方法就好选：软字幕直接导出，硬字幕看你要的是画面上的字还是说出来的话。我遇到的硬字幕视频，九成都是口播，直接用提词匠转写声音，导出 Word 或 SRT，比折腾画面识别省事得多。