सबटाइटल फ़ाइल फ़ॉर्मैट की जानकारी, SRT से Spruce STL तक

हर सबटाइटल फ़ॉर्मैट क्या है, कैसा दिखता है, कहाँ इस्तेमाल होता है और कन्वर्ट करने पर क्या बदलता है: SRT, WebVTT, ASS, TTML, SAMI, LRC और भी।

Syed Peera Saheb द्वारा · प्रकाशित 2026-10-27

छोटा जवाब

ज़्यादातर सबटाइटल फ़ॉर्मैट एक जैसी तीन चीज़ें सहेजते हैं: कैप्शन कब आता है, कब जाता है और उसमें क्या लिखा है। SRT लगभग हर जगह चलता है, WebVTT वह फ़ॉर्मैट है जो वेब ब्राउज़र को चाहिए, और बाक़ी स्टाइलिंग, ब्रॉडकास्ट, पुराने सॉफ़्टवेयर या गानों के बोल के लिए हैं।

यह पेज इस साइट के कन्वर्टर द्वारा पढ़े और लिखे जाने वाले हर फ़ॉर्मैट को समझाता है। हर एक के लिए आपको एक छोटा उदाहरण, वे जगहें जहाँ यह आपको मिल सकता है, और कन्वर्ज़न के बाद क्या बचता है, यह मिलता है। ये सभी टेक्स्ट फ़ाइलें हैं, इसलिए आप इनमें से किसी को भी सादे टेक्स्ट एडिटर में खोलकर अंदर देख सकते हैं। कन्वर्टर फ़ॉर्मैट को फ़ाइल की सामग्री से पहचानता है, एक्सटेंशन से नहीं, इसलिए ग़लत एक्सटेंशन वाली फ़ाइल भी खुल जाती है।

कन्वर्टर द्वारा पढ़े और लिखे जाने वाले फ़ॉर्मैट
फ़ॉर्मेट	एक्सटेंशन	पढ़ता है	लिखता है	आम इस्तेमाल
SubRip	.srt	हाँ	हाँ	प्लेयर, टीवी, वीडियो एडिटर, ज़्यादातर प्लेटफ़ॉर्म
WebVTT	.vtt	हाँ	हाँ	वेब वीडियो, ब्राउज़र, ई-लर्निंग
Advanced SubStation Alpha	.ass	हाँ	हाँ	स्टाइल किए सबटाइटल, ऐनिमे, MKV फ़ाइलें
SubStation Alpha	.ssa	हाँ	ASS के रूप में लिखा जाता है	पुराने स्टाइल वाले सबटाइटल
SBV	.sbv	हाँ	हाँ	YouTube से मिली कैप्शन फ़ाइलें
TTML और DFXP	.ttml, .dfxp, .xml	हाँ	हाँ	स्ट्रीमिंग, ब्रॉडकास्ट, प्रोफ़ेशनल डिलीवरी
MicroDVD	.sub	हाँ	हाँ	पुराने प्लेयर और डाउनलोड, फ़्रेम में टाइम किए गए
SubViewer	.sub	हाँ	नहीं (SRT के रूप में लिखा जाता है)	पुराना सॉफ़्टवेयर
SAMI	.smi, .sami	हाँ	हाँ	पुराने Windows मीडिया प्लेयर और डाउनलोड
LRC	.lrc	हाँ	हाँ	म्यूज़िक प्लेयर में गानों के बोल
CSV	.csv	हाँ	हाँ	स्प्रेडशीट और समीक्षा सूचियाँ
Spruce STL	.stl	हाँ	हाँ	DVD ऑथरिंग, फ़्रेम में टाइम किया गया
सादा टेक्स्ट	.txt	नहीं	हाँ	बिना टाइमिंग की ट्रांसक्रिप्ट

SRT और WebVTT: रोज़मर्रा के दो फ़ॉर्मैट

SRT, SubRip से आता है, जो DVD से सबटाइटल पढ़ने वाला एक प्रोग्राम था। हर कैप्शन में एक नंबर, मिलीसेकंड से पहले कॉमा वाली टाइमिंग लाइन, टेक्स्ट और एक ख़ाली लाइन होती है। इसका कोई आधिकारिक स्पेसिफ़िकेशन नहीं है, इसीलिए प्लेयर छोटे-मोटे बदलाव स्वीकार कर लेते हैं। फ़ॉर्मैटिंग <i>, <b> और <u> जैसे टैग तक सीमित है।

WebVTT एक W3C स्टैंडर्ड है। फ़ाइल WEBVTT से शुरू होती है, टाइमिंग लाइन में मिलीसेकंड से पहले डॉट होता है, और कैप्शन नंबर वैकल्पिक हैं। यह कैप्शन की पोज़िशन और स्टाइल भी तय कर सकता है, लेकिन ब्राउज़र के बाहर के प्लेयर अक्सर इसे अनदेखा करते हैं। दोनों के बीच बदलने पर हर टाइमिंग, लाइन ब्रेक, और इटैलिक, बोल्ड व अंडरलाइन टैग बने रहते हैं। WebVTT की पोज़िशन और स्टाइल सेटिंग SRT में नहीं जातीं, और VTT फ़ाइल बनाते समय कन्वर्टर उन्हें लिखता भी नहीं। WebVTT फ़ाइल में <v Name> के रूप में लिखा वक्ता फिर से WebVTT लिखने पर बना रहता है और दूसरे फ़ॉर्मैट में छोड़ दिया जाता है।

वही कैप्शन SRT के रूप में, फिर WebVTT के रूप में

1
00:00:04,300 --> 00:00:06,800
Over here.
<i>Follow my voice.</i>

WEBVTT

00:00:04.300 --> 00:00:06.800
Over here.
<i>Follow my voice.</i>

ASS और SSA: स्टाइल वाले सबटाइटल

SubStation Alpha और उसका उत्तराधिकारी, Advanced SubStation Alpha, नामित स्टाइल (फ़ॉन्ट, साइज़, रंग, आउटलाइन और पोज़िशन) की एक सूची और हर कैप्शन के लिए एक Dialogue लाइन रखते हैं। {\an8} या {\i1} जैसे कर्ली ब्रेसेज़ वाले ओवरराइड टैग किसी एक लाइन का रूप बदलते हैं। ये ऐनिमे के लिए लोकप्रिय हैं और अक्सर MKV वीडियो फ़ाइलों के अंदर मिलते हैं।

ASS या SSA से बदलने पर हर लाइन की टाइमिंग और शब्द, \N के रूप में लिखे लाइन ब्रेक, और इटैलिक, बोल्ड व अंडरलाइन बने रहते हैं। फ़ॉन्ट, रंग, पोज़िशन और इफ़ेक्ट हट जाते हैं, कमेंट लाइनें छोड़ दी जाती हैं और वेक्टर ड्रॉइंग हटा दी जाती हैं। ASS में बदलने पर हर कैप्शन को एक डिफ़ॉल्ट स्टाइल मिलता है: 1920 × 1080 फ़्रेम के नीचे काली आउटलाइन वाला सफ़ेद Arial। SSA फ़ाइलें ASS के रूप में लिखी जाती हैं, जिसे SSA पढ़ने वाला हर प्रोग्राम समझता है।

एक ASS इवेंट लाइन

Dialogue: 0,0:00:04.30,0:00:06.80,Default,,0,0,0,,Over here.\N{\i1}Follow my voice.{\i0}

SBV और SubViewer

SBV वह सरल फ़ॉर्मैट है जिसे YouTube लंबे समय से कैप्शन फ़ाइलों के लिए इस्तेमाल करता आया है। एक कैप्शन में एक लाइन पर कॉमा से अलग शुरुआत और अंत समय होता है, और उसके बाद टेक्स्ट। YouTube के सहायता पेज इसे SubViewer कहते हैं। मार्कअप सपोर्ट नहीं है, इसलिए SBV लिखते समय कन्वर्टर इटैलिक, बोल्ड और अंडरलाइन हटा देता है।

SubViewer 2 फ़ाइलें मिलती-जुलती दिखती हैं लेकिन सेकंड का सौवाँ हिस्सा इस्तेमाल करती हैं और अक्सर [INFORMATION] हेडर से शुरू होती हैं। कन्वर्टर उन्हें पढ़ता है, हेडर छोड़ देता है, और जब आप उन्हें खिसकाते या साफ़ करते हैं तो SRT के रूप में सेव करता है, क्योंकि यह SubViewer नहीं लिखता।

एक SBV कैप्शन

0:00:04.300,0:00:06.800
Over here.
Follow my voice.

TTML और DFXP: XML टाइम्ड टेक्स्ट

TTML, यानी Timed Text Markup Language, W3C का एक XML फ़ॉर्मैट है। DFXP एक पुराने ड्राफ़्ट का नाम था, और दोनों एक्सटेंशन एक ही तरह का दस्तावेज़ रखते हैं। स्ट्रीमिंग सेवाएँ, ब्रॉडकास्टर और प्रोफ़ेशनल सबटाइटल टूल TTML और उसकी IMSC और EBU-TT जैसी प्रोफ़ाइल इस्तेमाल करते हैं।

कन्वर्टर TTML और DFXP से टेक्स्ट, टाइमिंग, लाइन ब्रेक और इटैलिक, बोल्ड व अंडरलाइन पढ़ता है, टिक और फ़्रेम पर आधारित समय समेत। रीजन, रंग, फ़ॉन्ट और दूसरी स्टाइलिंग हट जाती है। जब यह TTML या DFXP लिखता है, तो मिलीसेकंड में समय और बचाई गई तीन टेक्स्ट स्टाइल वाला सादा TTML 1 दस्तावेज़ बनाता है। XML सबटाइटल वाली गाइड इसका ब्योरा देती है।

TTML में एक कैप्शन

<p begin="00:00:04.300" end="00:00:06.800">Over here.<br/><span tts:fontStyle="italic">Follow my voice.</span></p>

MicroDVD SUB और Spruce STL: फ़्रेम गिनने वाले फ़ॉर्मैट

MicroDVD फ़ाइलें समय की बजाय फ़्रेम नंबर सहेजती हैं: {100}{150} का मतलब है फ़्रेम 100 से फ़्रेम 150 तक। फ़्रेम को सेकंड में बदलने के लिए कन्वर्टर को वीडियो का फ़्रेम रेट चाहिए। कई फ़ाइलें इसे {1}{1}23.976 जैसी पहली लाइन में बताती हैं, और कन्वर्टर वही इस्तेमाल करता है। वरना यह आपका चुना फ़्रेम रेट इस्तेमाल करता है, डिफ़ॉल्ट रूप से 23.976। खड़ी लकीर नई लाइन शुरू करती है, और {y:i} किसी लाइन को इटैलिक बनाता है। MicroDVD लिखते समय कन्वर्टर फ़्रेम रेट वाली लाइन जोड़ता है, इटैलिक सिर्फ़ उन लाइनों के लिए रखता है जो पूरी तरह इटैलिक हैं, और बाक़ी फ़ॉर्मैटिंग हटा देता है।

Spruce STL, DVD ऑथरिंग सॉफ़्टवेयर का एक टेक्स्ट फ़ॉर्मैट है। हर लाइन में फ़्रेम पर ख़त्म होने वाला शुरुआत और अंत टाइमकोड होता है, फिर टेक्स्ट। कन्वर्टर इसके ^I, ^B और ^U स्टाइल कोड पढ़ता है और उन्हें वापस लिखता है। Spruce STL, EBU STL नहीं है, जो .stl एक्सटेंशन वाला बाइनरी ब्रॉडकास्ट फ़ॉर्मैट है। कन्वर्टर EBU STL न पढ़ता है, न लिखता है।

MicroDVD, फिर Spruce STL, दोनों 23.976 फ़्रेम प्रति सेकंड पर

{1}{1}23.976
{103}{163}Over here.|{y:i}Follow my voice.

00:00:04:07 , 00:00:06:19 , Over here.|^IFollow my voice.^I

SAMI और LRC: सिर्फ़ शुरुआती समय सहेजने वाले फ़ॉर्मैट

SAMI, Microsoft का HTML जैसा फ़ॉर्मैट है। <SYNC Start=...> टैग मिलीसेकंड में वह समय बताता है जब उसके बाद वाला टेक्स्ट दिखता है, और ख़ाली SYNC स्क्रीन साफ़ करता है। एक SAMI फ़ाइल में पैराग्राफ़ क्लास के रूप में कई भाषाएँ हो सकती हैं। कन्वर्टर जो पहली भाषा मिलती है उसे पढ़ता है और इटैलिक, बोल्ड और अंडरलाइन बनाए रखता है।

LRC फ़ाइलें म्यूज़िक प्लेयर के लिए गानों के बोल टाइम करती हैं, [00:12.50] जैसे हर टाइमस्टैम्प पर एक लाइन। कोरस दोहराए जाने पर एक लाइन में कई टाइमस्टैम्प हो सकते हैं, और [offset:...] टैग सब कुछ खिसका देता है। SAMI या LRC पढ़ते समय, हर कैप्शन अगले के शुरू होने पर ख़त्म होता है और आख़िरी कैप्शन चार सेकंड रहता है। LRC लिखते समय, हर कैप्शन एक लाइन बनता है, इसलिए लाइन ब्रेक स्पेस बन जाते हैं, फ़ॉर्मैटिंग हट जाती है, और एक ख़ाली टाइमस्टैम्प रुकावट दर्शाता है। एन्हांस्ड LRC फ़ाइलों की शब्द-दर-शब्द टाइमिंग नहीं रखी जाती।

एक LRC फ़ाइल

[00:04.30]Over here. Follow my voice.
[00:06.80]
[00:07.10]Soft piano music

CSV और सादा टेक्स्ट

स्प्रेडशीट में सबटाइटल की समीक्षा के लिए CSV फ़ाइलें काम की होती हैं। कन्वर्टर ऐसी CSV फ़ाइल पढ़ता है जिसकी पहली पंक्ति में Start, End और Text जैसे नामों वाले शुरुआत, अंत और टेक्स्ट कॉलम हों, जो कॉमा, सेमीकोलन या टैब से अलग हों। समय 00:00:04.300 जैसे क्लॉक टाइम या सादे सेकंड हो सकते हैं, और हेडिंग में ms लिखा हो तो पूर्ण संख्याएँ मिलीसेकंड के रूप में पढ़ी जाती हैं। यह जो CSV लिखता है उसमें Number, Start, End, Duration और Text कॉलम होते हैं, बिना फ़ॉर्मैटिंग के।

सादा टेक्स्ट सिर्फ़ आउटपुट है। इसमें शब्द रहते हैं और टाइमिंग हट जाती है, इसलिए इसे वापस सबटाइटल के रूप में नहीं पढ़ा जा सकता। आप कैप्शन को पैराग्राफ़ में जोड़ सकते हैं या हर लाइन की शुरुआत में टाइमस्टैम्प लगा सकते हैं, जो “सबटाइटल से टेक्स्ट” टूल का काम है।

हर कन्वर्ज़न क्या रखता है, और क्या कभी नहीं करता

फ़ॉर्मैट चाहे जो हों, कन्वर्टर हर कैप्शन का शुरुआत और अंत समय मिलीसेकंड तक रखता है जहाँ लक्ष्य फ़ॉर्मैट इसकी अनुमति दे, शब्द रखता है, और लाइन ब्रेक जहाँ भी लक्ष्य फ़ॉर्मैट में हों। जब दोनों फ़ॉर्मैट इटैलिक, बोल्ड और अंडरलाइन दिखा सकें, तो यह उन्हें रखता है। यह हर फ़ाइल UTF-8 में सेव करता है और प्रीव्यू में अक्षर ग़लत दिखें तो आपको दूसरी टेक्स्ट एन्कोडिंग चुनने देता है।

यह पोज़िशन, रंग, फ़ॉन्ट, कराओके टाइमिंग या एनिमेशन नहीं रखता, और Blu-ray SUP या DVD IDX फ़ाइलों जैसे इमेज सबटाइटल नहीं पढ़ता, जिनके लिए अक्षर पहचान (OCR) चाहिए। यह SCC या EBU STL जैसे ब्रॉडकास्ट फ़ॉर्मैट भी नहीं पढ़ता, वीडियो फ़ाइलों से सबटाइटल नहीं निकालता, और टेक्स्ट का अनुवाद नहीं करता। सारा कन्वर्ज़न आपके ब्राउज़र में होता है, और आपकी फ़ाइल अपलोड नहीं होती।

आगे पढ़ें: