从MP4/MKV提取内嵌字幕：字幕流与硬字幕区别指南

软字幕也叫内封装字幕流，以独立二进制数据轨存储在视频容器中，不与画面像素绑定，可修改编码、切换或者单独提取。

硬字幕是将字幕文本渲染为画面像素后烧录进视频帧，和画面像素完全融合，不存在独立可分离的字幕数据轨。

常见内嵌字幕包含上述两种类型，只有独立封装的软字幕流可以通过转封装方式完成提取操作。

MKV作为开放多媒体容器，原生支持多类型多数量字幕轨封装，多数存储内挂字幕的视频都采用MKV格式。

MP4采用mov_text作为标准文本字幕存储格式，部分设备生成的MP4会将字幕存储为非标准格式，该格式无法直接提取。

视频字幕提取工具采用FFmpeg的-c:s copy参数执行提取操作，该参数不对字幕流进行重新编码，直接复制原始字幕数据生成目标文件。

整个提取过程仅复制封装字幕数据，不需要对整段视频进行解码重编码，提取1GB大小的视频字幕仅需数秒完成。

提取过程不会修改原视频文件，也不会占用过多处理器资源，运行流程仅读取原视频的字幕轨数据输出新文件。

视频字幕提取工具不支持对硬字幕执行OCR识别操作，硬字幕识别需要专门的AI模型训练与运算资源投入，属于独立的OCR服务范畴，本工具不提供该功能。

如果上传的视频不存在可分离的独立字幕流，工具会返回明确的报错信息，告知用户当前视频未检测到可提取的字幕轨。

提取完成后，用户可自主选择输出SRT或者VTT两种通用字幕格式，满足不同播放场景与编辑需求，两种格式均为公开标准格式。