FFmpeg 字幕压制与软封装

FFmpeg 是字幕压制的工业级工具。但参数多、组合复杂，新手很难上手。这篇按场景整理常用命令。

软封装

软封装是把字幕作为独立轨道封装到视频文件，不烧入画面。

ffmpeg -i video.mp4 -i subtitle.ass -c copy -c:s ass output.mkv

参数说明：

• -i video.mp4：输入视频
• -i subtitle.ass：输入字幕
• -c copy：视频和音频流直接复制（不重编码，速度快）
• -c:s ass：字幕流编码为 ASS 格式
• output.mkv：输出 MKV 容器

MKV 是支持 ASS 软封装的最佳容器。MP4 也支持软字幕，但只能用 mov_text 格式（丢失 ASS 样式），不推荐。

多字幕封装

ffmpeg -i video.mp4 \
  -i zh.ass -i en.srt -i ja.ass \
  -map 0 -map 1 -map 2 -map 3 \
  -c:v copy -c:a copy \
  -c:s:0 ass -c:s:1 mov_text -c:s:2 ass \
  -metadata:s:s:0 language=chi \
  -metadata:s:s:1 language=eng \
  -metadata:s:s:2 language=jpn \
  output.mkv

• -map：手动指定流映射
• -c:s:N：第 N 条字幕流的编码格式
• -metadata:s:s:N language=xxx：设置语言标签

播放器会按语言标签显示字幕选择菜单。

硬压制

硬压制是把字幕烧入视频画面。

基础硬压制

ffmpeg -i video.mp4 -vf "ass=subtitle.ass" -c:a copy output.mp4

• -vf "ass=subtitle.ass"：视频滤镜，使用 libass 渲染 ASS 字幕
• -c:a copy：音频直接复制
• 输出 MP4

注意：硬压制必须重编码视频流，-c:v copy 无效。默认使用 H.264 编码。

指定编码参数

ffmpeg -i video.mp4 \
  -vf "ass=subtitle.ass" \
  -c:v libx264 \
  -preset slow \
  -crf 18 \
  -pix_fmt yuv420p \
  -c:a copy \
  output.mp4

• -preset slow：编码速度（slow 质量高但慢）
• -crf 18：质量（18 视觉无损，23 默认，28 低质量）
• -pix_fmt yuv420p：像素格式（兼容性最好）

CRF 推荐值：

• 18：视觉无损
• 20：高质量
• 23：默认
• 26：中等质量
• 30：低质量

ASS 字幕参数

ass 滤镜支持参数：

-vf "ass=subtitle.ass:original_size=1920x1080:fontsdir=/path/to/fonts"

• original_size：字幕设计分辨率（与 ASS 的 PlayRes 对应）
• fontsdir：字体目录（如果用了非系统字体）

多字幕叠加

ffmpeg -i video.mp4 \
  -vf "ass=zh.ass,ass=en.ass" \
  -c:v libx264 -crf 18 \
  -c:a copy \
  output.mp4

滤镜按顺序应用，后一个 ass 滤镜在前一个的结果上叠加。

字幕 + 其他滤镜

ffmpeg -i video.mp4 \
  -vf "scale=1920:1080,ass=subtitle.ass,unsharp=5:5:1.0" \
  -c:v libx264 -crf 18 \
  -c:a copy \
  output.mp4

先缩放到 1080p，再叠加字幕，最后锐化。

硬件加速

CPU 编码慢，硬件加速能快 5-10 倍。

NVIDIA NVENC

ffmpeg -i video.mp4 \
  -vf "ass=subtitle.ass" \
  -c:v h264_nvenc \
  -preset p6 \
  -tune hq \
  -rc vbr \
  -cq 20 \
  -b:v 0 \
  -c:a copy \
  output.mp4

• h264_nvenc：NVIDIA H.264 编码器
• preset p6：p1-p7，p6 质量好
• -cq 20：质量（类似 CRF）
• -rc vbr：可变码率

需要 NVIDIA 显卡和 ffmpeg 编译时启用 nvenc。

Intel QSV

-c:v h264_qsv -preset veryslow -global_quality 20

AMD AMF

-c:v h264_amf -quality quality -rc cqp -qp_i 20 -qp_p 20

硬件加速质量略低于 CPU 编码，但速度快很多。日常生产推荐硬件加速，最终交付用 CPU 编码。

流复制与重编码混合

有时只需要重编码视频，音频和字幕直接复制：

ffmpeg -i input.mkv \
  -map 0:v:0 -map 0:a:0 -map 0:s:0 \
  -c:v libx264 -crf 18 \
  -c:a copy \
  -c:s copy \
  output.mkv

• -map 0:v:0：选择第 0 个视频流
• -map 0:a:0：选择第 0 个音频流
• -map 0:s:0：选择第 0 个字幕流
• 视频 libx264 重编码，音频和字幕 copy

这种混合模式在实际工作中最常用。

码率控制

CRF（恒定质量）

-crf 23

CRF 是质量优先，码率会根据画面复杂度自动调整。推荐用于存档。

2-pass（恒定码率）

# 第一次：分析
ffmpeg -i input.mp4 -c:v libx264 -b:v 4000k -pass 1 -an -f mp4 /dev/null

# 第二次：编码
ffmpeg -i input.mp4 -c:v libx264 -b:v 4000k -pass 2 -c:a copy output.mp4

2-pass 是码率优先，质量略低于 CRF 但码率可控。推荐用于流媒体分发。

CBR（绝对恒定码率）

-minrate 4000k -maxrate 4000k -bufsize 8000k

CBR 用于直播或严格码率限制场景。

封装格式选择

格式	字幕支持	兼容性	推荐场景
MKV	ASS/SRT/VTT	桌面播放器	字幕组归档
MP4	mov_text	全平台	网页/移动
WebM	WebVTT	Chrome/Firefox	网页
MOV	tx3g	Apple 设备	苹果生态

字幕组的标准配置：

• 工作文件：MKV（保留 ASS 全部样式）
• 网页分发：MP4（兼容性好，字幕用 mov_text）
• 移动端：MP4（同上）
• 直播：HLS + WebVTT

常见错误

字体缺失

Error: font not found: HarmonyOS Sans SC

解决：把字体文件放到 ~/.fonts/ 或在命令里指定 fontsdir：

-vf "ass=subtitle.ass:fontsdir=/path/to/fonts"

字幕错位

字幕位置与视频画面不匹配。

原因：ASS 的 PlayResX/PlayResY 与视频分辨率不一致。

解决：在 ASS 文件里修改 PlayRes 为视频实际分辨率：

PlayResX: 1920
PlayResY: 1080

或者用 original_size 参数：

-vf "ass=subtitle.ass:original_size=1920x1080"

字幕显示延迟

字幕比声音晚 200 毫秒以上。

解决：用 -itsoffset 调整字幕时间戳：

ffmpeg -i video.mp4 -itsoffset 0.2 -i subtitle.ass -c copy -c:s ass output.mkv

正数延后字幕，负数提前字幕。

FFmpeg 是字幕工程师的瑞士军刀。

翻译理论札记

写到这里想插入一段翻译理论的思考。奈达的功能对等强调译文读者读到译文时的反应，应当与原文读者读到原文时的反应基本一致，这意味着翻译不是字面替换，而是要在目标语里重新构造等值效果。我们做字幕，观众在屏幕前只有几秒钟读完一行字，反应时间被严重压缩，所以功能对等在字幕里被推到了极端——可读性优先于忠实度。

纽马克的区分更实用：交际翻译关注译文效果，语义翻译关注原文意义。字幕绝大多数时候走交际翻译路线，但遇到关键术语、专有名词、文化负载词时又要切回语义翻译，避免观众被误导。这两条路线在字幕里不停切换，做久了会形成直觉。

韦努蒂的归化异化是另一条轴线。归化是让译文流畅得像目标语原创，异化是保留原文的陌生感。日漫字幕里大量保留"前辈""学园""王道"等词就是异化，因为这些词在中文语境里已经形成了稳定的亚文化共识，强行归化反而失味。但纪录片、欧美剧的台词又需要强归化，否则观众跳戏。题材决定策略，没有一招通吃的方案。

—— 这些理论看起来抽象，但实际做字幕时每天都在用，只是未必意识到。把直觉变成方法论，是新人到熟手的分水岭。