字幕排版指南适用范围
本文是WebVTT字幕语法与时间关系的原创教学例，不是网页播放器兼容性实测。图中的文字和时间均为虚构，不包含真实台词；只讨论普通字幕提示，不讨论章节轨。
整条时间行和正文标记放在不同层级
一条WebVTT cue有开始、结束时间及正文。若时间行写00:00:01.000 --> 00:00:05.000，这条提示的整体区间为第1秒至第5秒。它并不因为正文有两个时间标签，就自动成为三条独立提示。
MDN说明正文时间戳可用于卡拉OK式分段文字：它们须晚于cue起点、早于终点，并按出现顺序递增。W3C格式文档同时定义与当前播放位置有关的过去、未来文本样式选择。语法提供时间关系，具体呈现仍是另一层。
原创一句话，三段时间说明
本页正文示例写作“先看<00:00:02.000>画面，<00:00:03.000>再听声音。”，整条起止仍为1至5秒。首段“先看”位于第一个行内标签之前；到2秒切换到“画面，”所对应阶段；到3秒进入“再听声音。”阶段，直至整条结束。
为避开恰好跨边界的观察，分别看1.5、2.5和4秒：三者都在同一cue的范围内，内部阶段则分别对应第一、第二、第三文字段。这里按词组而非每个汉字标记，所以不能把它宣传成已经做好逐字或逐音节同步。
行内数字是媒体位置，不是等待秒数
第一个标签的2秒指向媒体时间轴上的位置，不表示从cue开始再等2秒。这个cue从1秒开始，因此到2秒标签只经过1秒。第二个标签是3秒，也不是在前一标签之后再加3秒得到5秒。
将三段写为1至2、2至3、3至5秒，长度分别1、1、2秒，总和4秒，与5减1一致。图中使用共同时间轴帮助定位；在这条已明确连续划分的教学例里没有空档，不需要把起点1秒再计入字幕持续时间。
高亮、逐段出现和整句可见不是同一件事
一种设计是整句一直可见，只用样式区别已经经过、当前和后续文字；另一种设计可能让后续部分暂不可见。两者阅读体验不同，都不能由时间戳本身的存在直接保证。检查时要问“这段时间关系是否正确”和“目标播放器到底画出了什么”。
本页图中三个词组始终可读，彩条只表示分段时间，不展示浏览器默认样式。若项目需要高亮，应在目标播放器中用实际字幕文件测试；若它不实现相关样式或忽略行内标记，要按接收方支持方式处理，不能只改扩展名期待效果出现。
三个常见错误可以在纸上先排除
错误一，把3秒标签放在2秒标签之前，破坏递增关系。错误二，在1至5秒的cue里写6秒标签，越过整条结束。错误三，把相同时间标签贴在每个字前，却宣称每个字都有独立的时间推进；相同数值没有给出这样的区分，而且不符合本例所需的严格递增。
另一个问题是字幕时间正确、词语切分却不合声音。例中“再听声音”是一组，若真实录音在“再听”后有明显停顿，需要回到音频决定是否细分。不是给更多字添加标签就更准确，数量不能替代同步依据。
交付时一起检查语法与实际呈现
可先保留纯文字、cue范围、行内时间表三栏，再在目标环境中按正常速度看。检查整句何时进入退出、段内变化是否对着相应声音、颜色或其他强调是否清楚，并确认最终文件没有丢失标签。
若另交SRT或带字成片，应重新核对接收格式的能力与最终效果。这里并不保证每种格式都能保留同一套行内语法。最终说明可以写“时间表已校对，某播放器中的高亮已实际验收”，未做的测试则明确保留，而不是把格式文档当作所有软件都通过的证明。
操作步骤
- 先确定整条cue的开始和结束范围。
- 按真实语音或教学设定划分文字段，填写递增行内时间。
- 检查所有行内标记严格位于cue起止之间。
- 把绝对媒体时点换成相邻段长度，核对是否覆盖预期范围。
- 在目标播放器实际验证样式与文件转换，分别记录语法和呈现结果。
常见问答
两个行内时间戳会生成三条字幕吗？
不会自动生成。它们划分同一条cue内部的时间阶段。
标签2秒是从本句出现后再等2秒吗？
不是。本例是媒体时间位置；cue从1秒开始，到标签2秒只经过1秒。
加入时间戳后一定自动逐字变色吗？
不能保证。还需要合适样式和实现支持，且本例按词组而非逐字标记。
可以把行内标签放在cue结束以后吗？
不应这样写。此类标记应晚于起点、早于终点并严格递增。
参考依据
MDN：WebVTT，Timestamp tag · MDN · 核对日期 2026-10-29。行内时间戳的约束和文本阶段；不作为某播放器兼容性实测。
W3C：WebVTT格式文档 · W3C · 核对日期 2026-10-29。cue结构及与播放位置相关的past/future样式选择概念；本页不宣称统一浏览器支持。