Captions 与 Subtitles 有什么区别?
Captions（隐藏式字幕）面向听不到声音的观众，包含非语音信息；Subtitles（翻译字幕）面向听得懂声音、但看不懂语言的观众，只呈现对白。一篇清晰的对比，附带决定你该用哪种的无障碍法规。
这两个词常被混用，但 captions 和 subtitles 并不是一回事，选错了甚至可能踩到无障碍法规的红线。
一句话概括：captions（隐藏式字幕） 假设观众听不到声音，因此会包含非语音的声音信息——背景音乐、关门声、谁在说话；subtitles（翻译字幕） 假设观众听得到、但听不懂这门语言，因此只承载对白。其余的区别，都从这一条派生出来。
一张表看懂 Captions vs. Subtitles
| Captions（隐藏式字幕） | Subtitles（翻译字幕） | |
|---|---|---|
| 假设观众 | 听不到声音 | 听得到、但听不懂语言 |
| 包含 | 对白 + 非语音声音（音乐、音效、说话人标识） | 只有对白 |
| 主要受众 | 聋人及听障观众 | 用第二语言观看的人 |
| 与原声同语言? | 通常是 | 通常不是（翻译过的） |
| 是否法律强制? | 常常是——见下文 | 很少；是本地化的选择 |
| 文件格式 | SRT、VTT、SCC、TTML | SRT、VTT、ASS/SSA |
两者都是叠在画面上的定时文本，也都用同样的字幕文件格式——一个 .srt 或 .vtt 既能装 caption，也能装 subtitle。区别在于每条字幕的内容，而不是容器本身。（关于容器那一面，见字幕与转录文件格式全解。）
Captions 比 Subtitles 多出来的东西
因为看 caption 的观众什么都听不到，caption 必须描述整条声轨，而不只是台词：
- 非语音声音，用方括号标注：
[电话铃响]、[紧张的音乐]、[笑声]。 - 说话人标识，这样即使人不在画面里，也知道是谁在说。
- 语气与情绪，当它影响含义时——
[讽刺地]、[低声]。
Subtitles 会把这些全部丢掉。一条电影的翻译字幕假设你能听到爆炸声，它只告诉你角色说了什么。
开放式字幕 vs. 封闭式字幕（Open vs. Closed）
在 "captions" 内部，还有第二层区分：
- 封闭式字幕（Closed Captions, CC） 是一条独立轨道，观众可以自行开关。YouTube 的字幕、播放器上的 CC 按钮、以及外挂的
.srt文件，都是封闭式字幕。 - 开放式字幕（Open Captions） 被永久烧录进画面像素里，永远显示、在任何播放器上都有、也没有开关按钮——常见于社交视频，因为那里默认静音自动播放、也没有字幕 UI。
出于无障碍考虑，封闭式是默认选择，因为它把控制权交给观众。而当你无法信任平台会正确渲染字幕轨道时——比如 TikTok 或 Instagram Reel——开放式字幕更稳妥。
SDH：夹在中间的混合体
你还会看到 SDH——"面向聋人及听障者的字幕"（subtitles for the deaf and hard of hearing）。SDH 是字幕形态的文本（走字幕的工作流和格式），但同时携带 caption 才有的非语音信息。它之所以存在，是因为蓝光和许多流媒体管线对字幕轨道的支持比对广播式 caption 更好，于是 SDH 就通过字幕通道来传递 caption 级别的信息。如果你要做无障碍字幕、但平台只收 subtitles，SDH 就是答案。
我到底该用哪种?
从你的观众倒推：
- 面向大众发布视频（YouTube、课程、公司官网）? 你需要 captions——与原声同语言、带非语音提示。这也是无障碍法规所期待的。
- 想让视频能被另一种语言的人看懂? 你需要 subtitles——把对白翻译出来。
- 两者都要 很常见：同语言的 captions 加上一条或多条翻译过的 subtitle 轨道。流媒体平台正是这么做的。
- 发到静音自动播放的社交信息流? 用开放式字幕，让文本无论播放器如何都能显示。
关于法律的一点说明
在美国，视频无障碍对多数机构而言不是可选项。《美国残疾人法》（ADA） 已被适用于网站及其视频，Section 508 覆盖联邦机构及其承包商，FCC 要求大量广播及其网络重发内容配备字幕。它们的共同点是 captions——准确、同语言、含非语音声音——而不是翻译字幕。如果你加定时文本的理由是合规，那你几乎一定需要的是 captions。以上为一般性信息，非法律意见；请核对适用于你所在机构的具体规定。
两种字幕都怎么做
两者的起点相同：一份准确、带时间戳的音频转录稿。
- 转录音频或视频。 上传文件让它转录——ScribeToAny 会自动检测所说语言（支持约 98 种），返回带时间戳的分段。如果画面里有多人，就打开说话人标注。
- 对照音频校对。 自动转录只是初稿。点击某一段会重播那一刻，是在字幕上线前修正听错的人名或术语最快的办法。
- 做 caption 就补上非语音提示。 这一步靠手动，正是它把一条字幕轨道变成 caption 轨道——把听不到声音的观众会错过的声响用方括号标出来。
- 导出对的文件。
SRT或VTT是多数平台都接受的封闭式轨道；如果某行停留过久或被截断，用 SRT 编辑器重新校对单条时间轴。 - 要做另一种语言， 就翻译定稿的转录。在 Max 方案上，ScribeToAny 会逐段翻译成 56 种语言之一，同时保持字幕时间轴不变，所以翻译后的
SRT仍然对得上画面。
如果你想把文本烧进画面用于社交，先用字幕生成器生成轨道，再当作开放式字幕使用。
Captions 是为了无障碍，Subtitles 是为了跨语言。把转录一次做对，你就能从它同时产出两者。从视频转文字工具开始，在无障碍要求的地方手动补上非语音提示即可。