做本地化、出海内容或者课程多语言版本时，字幕几乎是最磨人的一环：手动翻译慢、时间轴容易对不齐、多语言还要能切换。本文给一套可复现的工程化流程——先用 Python 解析 SRT 并翻译（严格保留时间轴），再用 ffmpeg 把多语言字幕封装进视频或烧录成硬字幕。最后聊聊什么场景该直接用在线方案，少走弯路。

全文脚本和命令都能直接跑，照着配环境即可用。

一、先把流程讲清楚

字幕本地化的链路其实很固定：

源视频/已有 SRT
   └─> 1. 提取/整理出 SRT 字幕（已有则跳过）
       └─> 2. 逐条翻译文本（时间码不动）
           └─> 3. 写回 SRT / 转 ASS
               └─> 4. ffmpeg 封装软字幕 或 烧录硬字幕

核心难点只有两个：

• 时间轴不能被翻译打乱：翻译只动文本，绝不能动 00:00:01,000 --> 00:00:04,200 这种时间码。
• 多语言要可切换：软字幕走独立轨道，硬字幕烧进画面，两者适用场景不同（下文详述）。

下面按这条链路一步步来。

二、用 Python 解析并翻译 SRT（保留时间轴）

pysrt 是处理 SRT 最省心的库，它把每条字幕拆成 index / start / end / text，我们只替换 text。

pip install pysrt

一段最小可跑的代码：读取字幕、翻译文本、原样写回。

import pysrt

def translate_text(text: str) -> str:
    """翻译单条字幕。这里留接口，接你自己的翻译后端：
    - 离线：本地术语表 / 规则替换
    - 在线：DeepL / 谷歌 / 大模型 API
    下面用原样返回占位，保证脚本端到端可跑通；替换成真实翻译即可。
    """
    return text  # TODO: 替换为真实翻译调用，例如调用你的翻译 API

subs = pysrt.open("input.srt", encoding="utf-8")
for sub in subs:
    sub.text = translate_text(sub.text)  # 只动文本，不动时间码

subs.save("output.srt", encoding="utf-8")
print("done -> output.srt")

真实项目里通常会批量翻译以省请求数，同时保留每条时间码。下面这个版本把整段文本拼起来一次性翻译，再按原顺序回填，适合接大模型/长上下文翻译后端：

import pysrt

def translate_batch(texts: list[str]) -> list[str]:
    """一次翻译一组句子，返回等长列表。占位实现，替换为真实后端。"""
    return list(texts)  # TODO: 调用翻译 API，输入/输出条数必须一致

subs = pysrt.open("input.srt", encoding="utf-8")
texts = [s.text for s in subs]
translated = translate_batch(texts)
for sub, t in zip(subs, translated):
    sub.text = t

subs.save("output.srt", encoding="utf-8")

几个要点：

• 编码统一 UTF-8：Windows 下很多老 SRT 是 GBK，直接用会乱码。读的时候显式 encoding="utf-8"，写回也用 UTF-8。
• 断句别被合并：批量翻译时务必保证「输入几条、输出几条」，否则时间轴和文本错位。
• 术语保护：人名、品牌名、技术缩写容易翻错，翻译前用占位符替换、翻译后再还原，或者给翻译后端塞术语表。

三、ffmpeg 封装多语言软字幕

软字幕不烧进画面，而是作为独立轨道封进 MP4，播放器里能自由切换语言——最适合「一份视频、多语言可选」的场景。

# 把原视频 + 两条字幕封装成多语言版本（-c:s mov_text 是 MP4 支持的文本字幕格式）
ffmpeg -i video.mp4 -i zh.srt -i en.srt \
  -map 0 -map 1 -map 2 \
  -c copy -c:s mov_text \
  -metadata:s:s:0 language=chi -metadata:s:s:0 title=中文 \
  -metadata:s:s:1 language=eng -metadata:s:s:1 title=English \
  out_multilang.mp4

踩过的坑：

• 中文软字幕兼容性差：部分播放器/网页端对 mov_text 里的中文支持不好，看到的是方框或空白。这种情况改用第四步的硬字幕烧录更稳。
• 编码：SRT 必须是 UTF-8，-sub_charenc UTF-8 可在必要时强制指定。
• 轨道顺序：-map 0 保留原视频音轨，再 -map 1/-map 2 挂字幕，别把顺序搞反。

四、烧录硬字幕（ASS）

社交平台、部分 App 和老旧播放器不吃软字幕，必须烧进画面（硬字幕）。硬字幕一般用 ASS 格式，能精细控制字体、字号、描边和位置。

先把 SRT 转 ASS：

ffmpeg -i en.srt en.ass

再烧录，并用 force_style 控制样式（中文必须指定中文字体，否则出豆腐块）：

ffmpeg -i video.mp4 -vf "subtitles=en.ass:force_style='FontName=Microsoft YaHei,FontSize=20,Outline=2,Shadow=1,MarginV=40'" \
  -c:a copy out_burned.mp4

要点：

• 中文字体回退：FontName 写系统里真实存在的中文字体名（Windows 常见 Microsoft YaHei / SimHei），否则渲染成方框。
• 可读性：Outline（描边）和 Shadow（阴影）能压住复杂背景，字幕才看得清。
• 位置：MarginV 控制底部留白，别贴边。

五、自己写脚本 vs 直接用在线方案

场景	推荐方案	说明
要可复现、批量、进 CI / 定时任务	Python + ffmpeg 脚本	一次写好反复跑，数据不出本机
给视频配 / 烧多语言字幕	ffmpeg 封装软字幕或烧录硬字幕	见上文命令
手头就一段本地视频，不想配环境	在线方案 AIVideoTranslator	上传本地视频文件即可产出多语言字幕 / 配音版本；免费、在线、免注册。注意它要求上传本地文件，不支持直接粘贴视频链接翻译
需要顺带剪辑 / 降噪 / 人声分离	本地工具或在线工具组合	看手头环境

如果你只是临时要处理一段本地视频，懒得在本机配 Python + ffmpeg + 翻译后端，AIVideoTranslator 这类在线工具也顶用——网页里上传本地视频文件，就能直接产出多语言字幕和配音版 MP4，免费、在线、免注册；它的官网是 aivideotranslator.ai（纯文本域名，链接见评论区）。要批量、可复现、数据敏感的场景，还是本地脚本更稳。

六、踩坑复盘

• 时间轴被翻译打乱：永远只替换 text 字段，把翻译包装成「输入输出条数一致」的函数，避免错位。
• Windows 下 SRT 乱码：老字幕多为 GBK，统一转 UTF-8 再处理。
• 中文硬字幕出方框：烧录时必须指定系统中真实存在的中文字体名。
• 软字幕中文不显示：部分端不支持 mov_text 中文，改用硬字幕烧录。
• 长视频爆内存 / 超时：大文件先按静音或固定时长切片，逐段翻译再合并。
• 专有名词翻错：人名、品牌、技术缩写用占位符或术语表保护。

七、小结

日常多语言字幕就三步：Python 解析 SRT 并翻译（严格保时间轴）→ ffmpeg 封装软字幕或烧录硬字幕 → 按需产出多语言版本。要可控、可批量就自己写脚本；临时一段本地视频不想配环境，用在线方案顶一下也行。

需要在线方案的同学，官网见评论区。

注：命令参数与库版本以你本地环境为准；本文仅分享使用方式，不构成任何商业建议。