跳到主要内容
SubtitleMatrix

TTML 字幕格式

格式转换TTML / DFXP

这种格式能表达什么

文本样式
字体、颜色、描边、阴影
屏幕定位
是
卡拉 OK 计时
否
字幕条内换行
是
时间轴
每条字幕都有开始与结束时间
时间精度
1 毫秒
时间以帧号存储
否
从右到左的文字
是

示例

一份典型的 TTML 文件，以及从里面读出了什么

文件

<?xml version="1.0" encoding="UTF-8"?>
<tt xmlns="http://www.w3.org/ns/ttml" xmlns:tts="http://www.w3.org/ns/ttml#styling" xml:lang="en">
  <head>
    <styling>
      <style xml:id="s1" tts:color="#FFFF00" tts:fontWeight="bold"/>
    </styling>
    <layout>
      <region xml:id="bottom" tts:origin="10% 80%" tts:extent="80% 20%"/>
    </layout>
  </head>
  <body>
    <div>
      <p begin="00:00:01.000" end="00:00:03.500" region="bottom" style="s1">Hello <span tts:fontStyle="italic">there</span>.</p>
      <p begin="00:00:03.500" end="00:00:06.000" region="bottom">How are you?<br/>Fine, thanks.</p>
    </div>
  </body>
</tt>

从中读出了什么

2 cues, 3 lines of text

  00:00:01.000 → 00:00:03.500
    Hello there.   [italic ×1]
    [region="bottom" style="s1"]
  00:00:03.500 → 00:00:06.000
    How are you?
    Fine, thanks.
    [region="bottom"]

Outside the cues:
  prolog     an XML declaration and the namespace bindings, kept as they came in
  styling    1 × <style> — "s1", the colour and weight a paragraph points at by name
  layout     1 × <region> — "bottom", the origin and extent a paragraph points at by name
  resolved   the head is kept as it was written and is not applied here — a paragraph's style="s1" region="bottom" stays an attribute, not a colour or a screen position

右栏不是转换后的文件，而是本站从左栏读出来的东西：cue 的时间与正文、段落内的强调、以及头部保留了什么。

一份脏的 TTML 文件，仍然读得出什么

文件

<?xml version="1.0" encoding="UTF-8"?>
<tt xmlns="http://www.w3.org/ns/ttml" xmlns:tts="http://www.w3.org/ns/ttml#styling">
  <body>
    <div begin="00:00:01.000" end="00:00:05.000">
      <p>Inherits its timing from the div, which we do not resolve.</p>
      <p begin="00:00:06.000" end="00:00:07.000">This one has its own timing.</p>
    </div>
    <!-- <p begin="00:00:08.000" end="00:00:09.000">commented out</p> -->
    <div>
      <p begin="00:00:10.000"/>
      <p begin="00:00:11.000" end="00:00:12.000">Last one.</p>
    </div>
  </body>
</tt>

从中读出了什么

3 cues, 2 lines of text

  00:00:06.000 → 00:00:07.000
    This one has its own timing.
  00:00:10.000 → 00:00:12.000
    (no text)
  00:00:11.000 → 00:00:12.000
    Last one.

Outside the cues:
  prolog     an XML declaration and the namespace bindings, kept as they came in
  head       none — no <styling> and no <layout>, and no paragraph points at one either
  comments   the commented-out <p> stays a comment, in the place it was written
  divs       the timings on an enclosing <div> are not pushed down onto the paragraphs inside it

Reported while reading — repaired or skipped, never silently:
  1 × paragraphs with no readable begin time of their own (they were skipped — see the note about timing inherited from an enclosing div)
  1 × paragraphs with neither an end time nor a duration of their own (their end times were generated)

继承时间、注释掉的段落、没有正文的 `<p>`、没有结束时间的 cue 都在这一份里。解析不抛异常：读不出来的如实上报，能读出的照常读出。

把 TTML (Timed Text) 转成其他格式

每一个都完全在你的浏览器里运行。标签标明了那个方向要付出什么代价，打开之前就能看到。

TTML 转 ASS
TTML 转 ASS：会丢失毫秒精度与格式私有内容；转换前先列出丢了什么，文件全程不上传，可批量处理。
  • 精度
  • 格式专有内容
TTML 转 CSV
TTML 转 CSV：样式、定位与格式私有内容会在转换中丢掉，动手前先列清楚，文件不上传，也支持批量。
  • 样式
  • 定位
  • 格式专有内容
TTML 转 JSON
TTML 转 JSON：转换会丢掉格式私有内容，每一步都写进有损说明；文件在本机处理，不上传。
  • 格式专有内容
TTML 转 LRC
TTML 转 LRC：会丢失时间轴、样式、定位、毫秒精度与格式私有内容；转换前先列出丢了什么，文件全程不上传，可批量处理。
  • 时间
  • 样式
  • 定位
  • 精度
  • 格式专有内容
TTML 转 MicroDVD
TTML 转 MicroDVD：样式、定位、帧率与格式私有内容会在转换中丢掉，动手前先列清楚，文件不上传，也支持批量。
  • 样式
  • 定位
  • 帧率
  • 格式专有内容
TTML 转 SBV
TTML 转 SBV：转换会丢掉样式、定位与格式私有内容，每一步都写进有损说明；文件在本机处理，不上传。
  • 样式
  • 定位
  • 格式专有内容
TTML 转 SMI
TTML 转 SMI：会丢失样式与格式私有内容；转换前先列出丢了什么，文件全程不上传，可批量处理。
  • 样式
  • 格式专有内容
TTML 转 SRT
TTML 转 SRT：样式、定位与格式私有内容会在转换中丢掉，动手前先列清楚，文件不上传，也支持批量。
  • 样式
  • 定位
  • 格式专有内容
TTML 转 SSA
TTML 转 SSA：转换会丢掉毫秒精度与格式私有内容，每一步都写进有损说明；文件在本机处理，不上传。
  • 精度
  • 格式专有内容
TTML 转 TXT
TTML 转 TXT：会丢失时间轴、样式、定位、换行与格式私有内容；转换前先列出丢了什么，文件全程不上传，可批量处理。
  • 时间
  • 样式
  • 定位
  • 换行
  • 格式专有内容
TTML 转 VTT
TTML 转 VTT：样式、定位与格式私有内容会在转换中丢掉，动手前先列清楚，文件不上传，也支持批量。
  • 样式
  • 定位
  • 格式专有内容

转换为此格式

TTML（Timed Text Markup Language）是广播与流媒体那套 XML 字幕：Netflix、EBU-TT-D、IMSC 都建在它上面。一条字幕是一个 `<p>`，起止时间写在 `begin` / `end` 上；整份文件是一个 XML 文档，`<p>` 外面还有 `<tt>`、`<body>`、`<div>` 这几层。

它比大多数格式多一层“头部”。`<styling>` 定义具名样式（`tts:color`、`tts:fontFamily`），`<layout>` 定义具名区域（`tts:origin`），而 `<p style="s1" region="bottom">` 只是按名字引用它们。改一处头部就能改全片，这也是转成 cue 模型时丢得最多的部分。

时间有四种写法：时钟 `00:00:04.126`、偏移 `1.5s` / `250ms`、帧号 `00:00:01:12`、帧偏移 `36f`。后两种要帧率，帧率从 `<tt>` 的 `ttp:frameRate` 与 `ttp:frameRateMultiplier` 读；读不到就不猜 30 fps，而是把那条记成“时间读不出来”。规范里的 `tickRate`、`subFrameRate` 与 `ttp:timeBase` 都属于文档头部，本站按 cue 解析，头部原样保留。

它不表达逐字卡拉OK计时：一条 cue 只记开始与结束，不记某个音节什么时候亮。下表每一行“否”就是转成 TTML 时会丢的东西，每条转换页都会先列出来。所有转换都在浏览器里完成，不上传、不注册，也可以批量处理。

常见问题

TTML 的 `<p begin="…" end="…">` 之外还有什么？

还有 XML 声明与命名空间绑定、`<head>` 里的 `<styling>` 与 `<layout>` 两张表、可能存在的 `<metadata>`，以及 `<body>`/`<div>` 这层结构。`<p>` 通过 `style` 与 `region` 按名字引用头部里的定义。

TTML 的 `tickRate` 与 `subFrameRate` 是做什么的？

它们是 TTML 规范里按 tick 计时的参数：`tickRate` 表示每秒有多少个 tick，`subFrameRate` 把一个帧再细分。它们属于文档头部的时间基准配置；本站读 cue 时用的是时钟、偏移与 `frameRate`，不按 tick 重算时间轴。

TTML 的 `ttp:timeBase` 取 `media` 还是 `smpte` 有区别吗？

有。`media` 是相对媒体时间的时钟基准，`smpte` 是时间码基准（可以带丢帧约定），同一条时间串在两种基准下的含义不同。本站按时钟、偏移、帧号三种写法解析 cue，并且不解析父级 `<div>` 上的时间继承。

TTML 支持逐字卡拉OK计时吗？

不支持。一条 `<p>` 只有开始与结束，没有记录音节逐个亮起的字段；所以从 ASS 转成 TTML 时，卡拉OK计时会进入损失清单。

TTML 的样式与区域在文件里怎么组织？

`<styling>` 里是一张具名样式表，`<layout>` 里是一张具名区域表，`<p>` 用 `style="s1"` 与 `region="bottom"` 引用。定义与使用分开，所以引用本身在转成 cue 模型时会消失，定义也一起丢。

TTML 文件里写不出自己的开始时间会怎样？

本站不解析 `<div>`/`<body>` 上的时间继承：一个自己没有 `begin` 的 `<p>` 会被记为“时间读不出来”并跳过，同时上报条数。这是有意的——猜继承会让整份字幕悄悄偏移，而上报能让你当场看见。