音视频相关基础知识储备入门-字幕

基础知识储备入门

1.字幕概述
[2. SSA（软字幕）](#2. SSA（软字幕）)
- [2.1 历史背景](#2.1 历史背景)
- [2.2 SSA 的核心能力](#2.2 SSA 的核心能力)
- [2.3 V4 与 V4+（ASS）的关系](#2.3 V4 与 V4+（ASS）的关系)
[3. ASS](#3. ASS)
- [3.1 关键节段（Section）](#3.1 关键节段（Section）)
- [3.2 ASS 标签（特效指令）](#3.2 ASS 标签（特效指令）)
[4. 渲染流程](#4. 渲染流程)
- [4.1 概览流程图](#4.1 概览流程图)
- [4.2 常用库](#4.2 常用库)
[5. 与现代弹幕的关系](#5. 与现代弹幕的关系)

1.字幕概述

字幕就是视频里出现的文字：台词翻译、歌词、甚至弹幕。从技术实现角度分为两类：

类型	特点	常见格式
硬字幕	直接画在视频画面上，无法关闭或修改，本质是视频内容的一部分。	内嵌在视频流中
软字幕	独立于视频的文件，播放器实时叠加到画面上，可开关、切换语言。	SRT, ASS, SSA, VTT, PGS

音视频开发中，软字幕才是研究的重点：它更灵活，也带来了渲染、同步、特效等一系列技术挑战。

2. SSA（软字幕）

2.1 历史背景

SSA 诞生于上世纪 90 年代，当时流行的字幕格式是 MicroDVD 和 SubRip(SRT)，它们只能控制起止时间，没有任何样式或特效。SSA 的野心是：让字幕拥有接近视频编辑软件的效果------不同字体、颜色、边框、甚至简单动画。

2.2 SSA 的核心能力

支持多行样式定义（比如"说话人A用蓝色字"，"旁白用白色字"）
支持位置摆放（左上角、底部居中、屏幕任意座标）
支持简单变换（旋转、缩放、移动、模糊）
支持卡拉OK效果（逐字变色）
使用纯文本语法，可读可编辑

2.3 V4 与 V4+（ASS）的关系

后来出现了 Advanced SubStation Alpha（ASS），即 V4+ 版本。它加入了更精细的标签（如 \move， \fad， \clip）和更好的渲染模型。现在几乎所有播放器都优先支持 ASS（完全兼容 SSA），所以ASS 就是事实上的标准。

3. ASS

打开一个.ass文件，你会发现它非常像 Windows 的 INI 配置文件（ INI 文件的魔改版）：

ini 复制代码

[Script Info]
Title: My Awesome Sub
ScriptType: v4.00+
WrapStyle: 0
PlayResX: 1920
PlayResY: 1080

[V4+ Styles]
Format: Name, Fontname, Fontsize, PrimaryColour, Outline, Bold, Italic, ...
Style: Default,Arial,48,&H00FFFFFF,&H00000000,0,0,...

[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:01.00,0:00:03.00,Default,,0,0,0,,{\move(100,100,200,200)}Hello world!

3.1 关键节段（Section）

$Script Info$ ：全局设定，如分辨率、标题、字幕引擎兼容性。
$V4+ Styles$ ：样式表，定义几套"主题"：字体、大小、颜色、边框、阴影等。
$Events$ ：时间轴 + 具体字幕内容。每条字幕可以指定使用哪个样式，并附加覆盖标签（{...} 里的命令）。
其他可选的段如 $Aegisub Project Garbage$ （由字幕编辑工具 Aegisub 生成）可以忽略。

3.2 ASS 标签（特效指令）

在每一条 Dialogue 的 Text 字段中，可以用 \标签(参数) 临时修改样式。标签从左到右生效，可以嵌套。几个常用例子：

标签	含义
`{\an5}`	对齐方式：5 表示居中（数字小键盘布局）
`{\fs20}`	修改字号为 20
`{\c&HFF0000&}`	颜色改为蓝色（BGR 顺序，&H 表示十六进制）
`{\move(100,100,300,300)}`	从 (100,100) 移动到 (300,300)
`{\fad(200,200)}`	淡入 200ms，淡出 200ms
`{\k50}`（卡拉OK）	高亮 50 百分之一秒，常用于歌词

整条字幕的最终显示结果 = 基础样式 + 覆盖标签

4. 渲染流程

只需要一个解析器 + 状态机。整个流程比编译 C++ 简单一个数量级。

4.1 概览流程图

text 复制代码

ASS文件 → 解析器 → 样式表/事件列表 → 时间轴控制器 → 渲染器 → 视频合成
                ↑                             ↓
                └────────── 字体引擎（FreeType）─┘

4.2 常用库

功能	常用库
解析	ASS libass（主流），VSFilter（老旧 DirectShow）
字体渲染	FreeType + HarfBuzz（处理复杂排版）
颜色 / 坐标	自家数学库，通常依赖 libass 内部实现
视频叠加	OpenGL 纹理或多平面 YUV + 混合（libass 输出位图）

libass 几乎就是 ASS 字幕的代名词。它已经被集成到 FFmpeg、mpv、VLC 等所有主流播放器中。

5. 与现代弹幕的关系

很多人以为弹幕是新技术，其实弹幕播放器的鼻祖 niconico 使用的 Danmakufu 引擎，语法直接借鉴了 ASS 的 \move、\fade 等标签。随后 Bilibili 等站也延续了这一设计。

项目	传统 ASS 字幕	现代弹幕
来源	本地文件，手工制作或机翻	服务器实时下发，用户即时发送
数量	同时显示 ≤ 10 条峰值	每秒几百条，屏幕上经常 > 50 条
特效	预设动画（移动、旋转、卡拉OK）	滚动、顶部、底部、反向、高级轨迹
渲染	单机 libass，逐帧绘制	浏览器 Canvas/WebGL，高度优化缓存
交互	无	点赞、屏蔽关键词、透明度调节

技术上的共同点：

都用时间轴驱动（每个弹幕有自己的生命期）
都支持标签式语法（虽然弹幕通常转成 JSON）
底层渲染都依赖纹理 + 混合

不同点：弹幕为了高并发，往往舍弃了 ASS 复杂的样式继承和矢量裁剪，改用更轻量的预定义模式（滚动、静止、移动路径）。

可以这样理解：弹幕是"被阉割但仍保留 ASS 灵魂"的实时字幕系统。