将 WebVTT（.vtt）转换为 Advanced SubStation Alpha

WebVTT（.vtt）是为浏览器字幕而设计的格式：以一个 WEBVTT 头部开始，随后将字幕块表示为 HH:MM:SS.mmm --> HH:MM:SS.mmm 时间码范围，加上一两行文本，还可以附带字幕块设置或 <v 说话人> 语音标签。Advanced SubStation Alpha（.ass），这是 Aegisub、许多字幕组以及 MPV、VLC 等高级播放器使用的格式，结构则截然不同：一个 [Script Info] 头部、一个定义字体、颜色、轮廓和屏幕位置的 [V4+ Styles] 区块，以及一个逐行引用这些样式的 [Events] 区块。

SubToolDesk 的 VTT 转 ASS 转换器会在你的浏览器本地解析 WebVTT 字幕块，丢弃 WEBVTT 头部和任何语音标签，将每一个时间码转换为 ASS 的百分之一秒 H:MM:SS.cc 格式，并输出一个完整、有效的 .ass 文件，包含一个可用的 [Script Info] 区块、一个单一的Default样式，以及每个字幕块对应一行 Dialogue:。

如何将 VTT 转换为 ASS（分步说明）

• 将你的 .vtt 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 VTT。
• 如果你的源文件带有 <v 说话人> 标签或行首的名称标签而你不想保留它们，打开去除说话人标签。
• 点击下载以保存一个有效的 .ass 文件，文件名与你的原始文件一致。

为什么要把 VTT 转换成 ASS

一个 .vtt 字幕文件是为浏览器原生播放器设计的，不是为能渲染样式文本的编辑软件设计的。转换为 ASS 几乎总是因为目标播放器或编辑软件需要对这些文本做更多事情：

• 为字幕组制作卡拉OK式的时间效果：ASS 的逐音节覆盖标签是字幕组和动画发布组制作卡拉OK效果的标准方式，即使源字幕最初是作为浏览器导出的 WebVTT 轨道存在的。
• 在屏幕上为对话定位：ASS 可以通过边距和对齐覆盖，把一行字幕放置在画面的任意位置，这是对 WebVTT 自身的 align/position 字幕块设置更灵活的替代方案，而本转换器不会自动保留这些设置。
• 为可访问性或风格添加带颜色或轮廓的文字：本转换器自动写入的带颜色、带轮廓的 Default 样式，在明亮或画面繁杂的视频上也能保持清晰可读，而普通的 WebVTT 文本无法保证这一点。
• Aegisub、MPV 和 VLC 工作流程：Aegisub 是专门围绕 ASS 格式构建的，MPV 和 VLC 都能渲染它的样式覆盖，因此从这些软件开始的项目需要的是 ASS，而不是浏览器字幕文件。
• 逐行的字体和大小覆盖：ASS 允许单独的 Dialogue 行在不改动基础样式的情况下覆盖字体、大小或颜色，这是 WebVTT 的字幕块设置无法表达的。
• 拥有一个可以继续构建的样式化基础文件：转换会先搭建好 [Script Info]、[V4+ Styles] 和 [Events] 的结构，这样在 Aegisub 中剩下唯一要做的工作就是添加样式本身。

转换前后对比：一个真实示例

一段简短的两块 WebVTT 节选，包含一个字幕块设置、一个语音标签和一个斜体标签，在开启去除格式标签、关闭去除说话人标签（本页面的默认状态）的情况下进行转换：

WEBVTT

00:00:03.500 --> 00:00:06.120 align:start position:10%
<v Jordan>谢谢大家今天加入这次通话。

00:00:06.500 --> 00:00:09.800
<v Priya><i>当然，我们开始吧。</i>

[Script Info]
Title: SubToolDesk Export
ScriptType: v4.00+
...

[V4+ Styles]
Format: Name, Fontname, Fontsize, ...
Style: Default,Arial,20,&H00FFFFFF,...

[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:03.50,0:00:06.12,Default,,0,0,0,,Jordan: 谢谢大家今天加入这次通话。
Dialogue: 0,0:00:06.50,0:00:09.80,Default,,0,0,0,,Priya: 当然，我们开始吧。

WEBVTT 头部和 align:start position:10% 字幕块设置都消失了；本转换器没有与字幕块设置对应的 ASS 等效物，因此它们会被丢弃，而不是被转换。每个时间码都从 WebVTT 的句点分隔毫秒格式变成了 ASS 的句点分隔百分之一秒格式（00:00:03.500 变成了 0:00:03.50）。<i> 标签消失了，因为去除格式标签已开启。<v Jordan> 和 <v Priya> 语音标签也消失了，但因为去除说话人标签已关闭，每个名字都被保留并以Name:前缀的形式折叠进了对话文本，而不是被直接丢弃；由于没有单独的 ASS Name 字段可以把它移过去，那个字段保持为空。

生成的 .ass 文件包含什么内容

输出结果是一个完整、可直接用于播放器的 ASS 文件。它包括一个真正的 [Script Info] 区块、一个 [V4+ Styles] 区块，其中包含一个名为Default的样式（白色文字，带有细描边和阴影以便在视频上保持清晰可读，底部居中），以及一个 [Events] 区块，其中每个字幕块对应一行 Dialogue:。之后你可以在 Aegisub 中打开结果来调整字体、颜色或位置。

WebVTT 专属功能会发生什么

WebVTT 的字幕块设置（例如 align:start position:10%）和 <v 说话人姓名> 语音标签，在本转换器的输出中没有直接对应的 ASS 等效物；字幕块设置会被丢弃，语音标签则由去除说话人标签开关去除，这与本站其他每一个转换器的处理方式相同。如果你在 ASS 中需要同样的信息，它在那里会以不同的方式表达，通过逐行的 MarginL/MarginR/MarginV 覆盖或专门的样式，而这一步需要在你拥有基础文件之后手动完成。

为什么 ASS 中的时间码看起来不一样

WebVTT 以句点分隔符精确到毫秒（00:00:09.400）；ASS 精确到百分之一秒，即一秒的百分之一，小时位不补零（0:00:09.40）。转换器会自动处理这种舍入，因此源文件中从 9.4 秒开始的字幕块，在输出结果中会落在正确的百分之一秒位置。

为什么人们会从 VTT 转向 ASS

• 字幕组和动画发布组，在这里 ASS 的样式和定位覆盖是事实标准，即使源字幕是以 WebVTT 格式导出的。
• 在 Aegisub 中工作的编辑人员，Aegisub 期望得到的是原生的 ASS 项目格式，而不是一个普通的 VTT 导入文件。
• 渲染样式覆盖的播放器和处理流程，例如 MPV 或某些流媒体编码器，在这些场合 WebVTT 的字幕块设置无法映射到 ASS 所提供的同等定位和字体控制。
• 从网页导出的字幕轨道开始制作带样式的字幕项目，使用这个转换器先得到一个结构有效的 ASS 文件，再手动添加样式。

架构层面的隐私保护，而非仅是政策承诺

解析 VTT 和写入 ASS 文件都是通过运行在你浏览器标签页中的 JavaScript 完成的。这项功能根本没有可供访问的上传接口，无论源文件是一份公开的 YouTube 字幕导出文件，还是一份机密的录音记录，这一点都同样重要。

这个转换器会保留什么、去除什么

会保留：

• 口语对话文本中的每一个字词，保持原有的顺序和标点。
• 每个字幕块的时间信息，从 WebVTT 的毫秒精度重新格式化为 ASS 的百分之一秒精度，且不会产生偏差。
• 每个源字幕块对应一行 Dialogue:，顺序与它们在 VTT 文件中出现的顺序相同。
• 当去除说话人标签关闭时，保留像 Jordan 这样的语音标签名称，并将其折叠为对话文本的前缀。

会去除：

• WEBVTT 头部行，以及任何 NOTE、STYLE 或 REGION 区块。
• 时间戳行上的字幕块设置，例如 align:start position:10%；在本转换器的输出中，ASS 没有直接对应的等效物。
• 开启去除格式标签后，去除 <i>、<b>、<u> 之类的行内格式标签。
• 开启去除说话人标签后，连名字一起去除像 <v 说话人姓名> 这样的语音标签。

常见问题及解决方法

• 输出中的对话文本里仍然有 <i> 或 <b> 标签：打开去除格式标签；只有在你没有改动过它的情况下，它才会默认开启。
• 像 Jordan：这样的名字仍然粘在对话文本上：打开去除说话人标签；本页面中它默认是关闭的，所以语音标签中的名字会以文本前缀的形式原样保留，除非你主动开启它。
• 字幕块的定位或对齐方式似乎消失了：这是正常现象，WebVTT 的 align/position 字幕块设置不会自动带入 ASS；如果需要，请在 Aegisub 中用边距或对齐覆盖重新创建这种定位。
• 在 Aegisub 中，每一行都以相同的字体、大小和颜色呈现：这是正常现象，本转换器只写入单一的 Default 样式；之后在 Aegisub 中打开文件来创建额外的样式或逐行覆盖。
• 转换后字幕看起来稍微不同步： ASS 只保存百分之一秒的精度，因此一个精确到毫秒的字幕块可能会偏移最多百分之一秒，这远低于可察觉的范围；如果偏差比这更大，请检查原始 VTT 的时间码。
• 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 .vtt 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

它只写入一个 Default 样式，不会尝试猜测卡拉OK时间、按角色分配颜色或定位覆盖，这些需要在你拥有一个有效的基础文件之后，手动（或借助 Aegisub）完成。它也不会自动把 WebVTT 的字幕块设置转换为 ASS 的边距或对齐覆盖；这种映射并非一一对应，如果你需要，需要由你自己有意识地去应用。