将 SRT 字幕转换为纯文本

一个 SRT（SubRip Subtitle）文件由重复的四行区块组成：一个连续的序号、一个 HH:MM:SS,mmm --> HH:MM:SS,mmm 格式的时间码范围（注意毫秒前是逗号，这正是 SRT 与 WebVTT 的区别所在）、一行或两行字幕文本，以及下一个区块开始前的一个空行。这种结构非常适合将对话与视频同步播放，但作为文档阅读却很不方便：句子每两三秒就被切断一次以适应屏幕显示，而序号之类的元数据又让文字记录显得杂乱，没人需要这些信息。

SubToolDesk 的 SRT 转 TXT 转换器会在你的浏览器本地解析每一个字幕区块。文件不会离开你的设备。它只提取字幕文本，完全丢弃序号和时间码，并（可选地）将这些片段重新组合成自然流畅的段落。

如何将 SRT 转换为 TXT（分步说明）

• 将你的 .srt 文件拖到上方的转换器中，或点击「上传文件」来浏览选择。
• 检查自动检测到的格式徽章显示为 SRT。
• 打开合并为段落以获得流畅的文章排版，关闭则保持每条字幕独占一行。
• 如果你的文件中包含「说话人 1：」之类的名称，打开去除说话人标签。
• 打开去除格式标签以移除源文件中残留的任何 <i>、<b> 或 <u> 样式标签。
• 点击复制或下载以获取最终的 .txt 文件。

为什么要把 SRT 转换成纯文本

.srt 文件是为视频播放器设计的，不是为阅读者设计的。把它简化为纯文本几乎总是为了接下来要做的事情：

• 场景：将对话内容粘贴到会议记录或项目文档中，这时序号和时间码只会造成干扰。
• 场景：把文字记录提供给 AI 摘要工具或聊天机器人，它们阅读连续的文章远比阅读数百个两秒钟的片段效果更好。
• 场景：根据录制的播客、网络研讨会或采访撰写博客回顾或节目笔记，这时你需要完整的句子来引用。
• 场景：把证词或访谈的文字记录交给法务或合规审核人员，他们只需要说出的内容，不需要同步时间信息。
• 场景：将文字记录发送出去进行翻译或校对，译者和编辑处理的是段落，而不是字幕区块。
• 场景：在原始视频不再需要保留之后，将通话或录音存档为一份可搜索、可阅读的记录。

转换前后对比：一个真实示例

一段简短的访谈风格 SRT 导出文件，包含序号、逗号时间码、说话人前缀和一个斜体标签，在合并为段落、去除说话人标签和去除格式标签全部开启（本页面的默认状态）的情况下进行转换：

1
00:00:01,200 --> 00:00:04,000
说话人 1：欢迎回来，今天我们来聊聊第三季度的数据。

2
00:00:04,300 --> 00:00:07,900
说话人 2：<i>谢谢邀请我。</i>我们直接开始吧。

3
00:00:08,100 --> 00:00:11,500
说话人 1：营收同比增长了百分之八。

欢迎回来，今天我们来聊聊第三季度的数据。谢谢邀请我。我们直接开始吧。营收同比增长了百分之八。

每一个序号、每一行时间码、说话人 1：和说话人 2：两个前缀，以及 <i> 标签都消失了。剩下的正是实际说出的内容，重新排版成了易读的句子。

逐字节解析 SRT 格式

一个有效的字幕区块看起来是这样的：

1
00:00:03,500 --> 00:00:06,120
感谢你今天加入这次通话。

每个文件的序号都从 1 重新开始，并逐条字幕块加一递增；播放器会忽略序号中的断档，但一个干净的转换器（例如本工具）在导出时总会按顺序重新编号，以避免混淆下游工具。跨两行或三行的字幕区块会以内部换行连接；SubToolDesk 在合并为段落时，将这种内部换行视为软换行，而不是句子边界。

为什么要在合并之前去除说话人标签和标签？

转录软件和自动字幕工具经常在每一行前面加上说话人标识，方便人工编辑追踪是谁在说话。这在视频编辑环境中很有用，但会打断段落式文字记录的流畅度，并且每句话都重复出现会显得很奇怪。同样，用于屏幕文字或强调的斜体标签（<i>）在去除同步信息后会变成字面意义上的尖括号标签；在合并段落之前先去除它们，可以让输出结果达到可直接发布的状态。

架构层面的隐私保护，而非仅是政策承诺

竞品转换器通常会把你的文件上传到服务器进行解析，这意味着你机密的会议录音、法律证词或未发布的视频脚本要经过别人的基础设施。SubToolDesk 的 SRT 转 TXT 工具采用完全相反的构建方式：解析、清理和渲染全部在你标签页中运行的 JavaScript 里完成。这项功能根本没有可供文件上传的接口。这不是一句政策承诺，而是一种结构性保证。

SRT 转 TXT 的常见使用场景

• 博客回顾与节目笔记：几秒钟内就能把播客或网络研讨会的字幕文件转换成可读的草稿，而不必重新收听来从头做笔记。
• 法务与合规审查：把证词或访谈的 SRT 文件简化为纯对话文本，供只需要文字内容、不需要同步时间的审核人员使用。
• 翻译前的准备：为译者提供连续的段落，而不是两秒钟一段的零散字幕，这样在另一种语言中读起来会自然得多。
• 提供给 AI 摘要工具：大多数语言模型从流畅的文章中生成的摘要，比从充满时间码的文件中生成的摘要质量更好，而段落合并正好为你完成了这种重排。
• 可搜索的存档：纯文本文字记录比带时间信息的字幕文件更容易进行全文搜索、打标签，以及存入文档或知识库系统。

解析器能处理的边界情况

现实中的 SRT 文件很少是完美格式化的，因此这个解析器被设计为容忍常见的不规范情况，而不是遇到就报错。缺失或重复的序号会被完全忽略。字幕区块会根据时间码行（区块中唯一在结构上必需的部分）即时重新编号。使用 \r\n Windows 换行符、\n Unix 换行符，或两者混用的文件，都会在解析前被统一规范化。跨两行或三行文本的字幕区块会被当作一个整体处理，其内部换行会在段落合并逻辑运行之前被折叠为单个空格，这样句子中间的换行就永远不会被误判为段落断点。

这个转换器会保留什么、去除什么

会保留：

• 每一个对话文本的词语，保持原有的顺序和标点。
• 段落断点——无论是原始的每条字幕一行结构，还是在开启合并为段落后基于句子生成的段落。

会去除：

• 每一个序号和时间码范围。
• 开启去除说话人标签后，像 说话人 1：这样的纯文本说话人前缀。
• 开启去除格式标签后，诸如 <i>、<b>、<u> 之类的格式标签。
• 一旦文本被重新排版为普通行或段落，分隔字幕区块的空行。

常见问题及解决方法

• 输出中仍然留有序号或 --> 时间码：检查转换器上方的格式徽章是否确实显示为 SRT，而不是 Unknown；被截断的粘贴内容会破坏字幕区块的检测。
• 说话人 1：之类的名称仍然出现在每行开头：打开去除说话人标签，它只能识别行首的名称模式，关闭时不会生效。
• <i> 或 <b> 标签以字面文本的形式出现：打开去除格式标签，它与去除说话人标签是两个独立的开关，必须单独启用。
• 文字记录读起来是每行一句话，而不是流畅的段落：打开合并为段落。
• 段落太长，看不出任何说话人切换的迹象：改为关闭合并为段落，保持每条字幕一行；一旦说话人标签被去除，纯文本就没有办法标记段落中间的说话人切换了。
• 带声调符号的字母或非英文文本显示为乱码，例如 é：说明源 .srt 文件没有以 UTF-8 编码保存；请重新导出或以 UTF-8 重新保存后再上传。

这个工具有意不做的事情

它不会重建原始文件中缺失的标点，也不会添加原本没有的大小写格式。如果你的源 SRT 文件完全没有句号（这在一些自动生成的字幕中很常见），段落合并就没有依据可循，会把整个文件当作一个连续的整体处理。在这种情况下，更可靠的做法是先关闭合并功能，查看每条字幕一行的输出结果，之后再手动添加你自己的段落断点。该工具也不会翻译、概括或以其他方式重写你的内容，它只会重新格式化并清理已经存在的内容。