---
title: "File phụ đề SRT là gì? Định dạng, thời gian và WebVTT"
description: "File SRT là các dòng phụ đề đánh số kèm thời gian bắt đầu và kết thúc dạng văn bản thuần. Định dạng, khác biệt với WebVTT và cách tạo SRT từ API speech-to-text."
url: https://broadrouter.com/vi/glossary/srt-subtitles/
lang: vi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/glossary/srt-subtitles/) (cập nhật ngày 2026-11-15).

# Phụ đề SRT (SRT subtitles)

Cập nhật 2026-11-15

SRT (SubRip) là định dạng phụ đề văn bản thuần. Mỗi phụ đề gồm số thứ tự, thời gian bắt đầu và kết thúc viết dạng hh:mm:ss,mmm --> hh:mm:ss,mmm, một hoặc nhiều dòng chữ, và một dòng trống. WebVTT là định dạng web tương tự dùng cho video HTML.

Còn gọi là: file SRT là gì, phụ đề SRT, file phụ đề, tạo phụ đề SRT, SRT, SRT file, SubRip, WebVTT, subtitle file

File phụ đề là một bản phiên âm có gắn đồng hồ. Lấy được chữ là nửa dễ; canh thời gian là nửa khó.

## Cách hoạt động

File SRT là văn bản thuần. Mỗi khối phụ đề có bốn phần:

```text
1
00:00:00,000 --> 00:00:02,800
مرحباً بكم في الحلقة الأولى

2
00:00:03,600 --> 00:00:07,600
اليوم نتحدث عن تحويل الكلام إلى نص
```

Mô tả định dạng của Thư viện Quốc hội Hoa Kỳ ghi định dạng thời gian là giờ:phút:giây,mili giây, với “two hyphens (—) and a right-pointing angle bracket (>)” (Bản dịch: hai dấu gạch nối (—) và một dấu ngoặc nhọn chỉ sang phải (>)) giữa thời điểm bắt đầu và kết thúc, cùng một dòng trống sau mỗi khối. Tài liệu gọi SRT là “a very simple text format, but not well standardized,” (Bản dịch: một định dạng văn bản rất đơn giản nhưng không được chuẩn hóa tốt) và không có chuẩn mã hóa ký tự. Phần mở rộng là `.srt`.

WebVTT, định dạng của W3C cho text track của video HTML, trông gần như giống hệt. Đặc tả yêu cầu dòng đầu là `WEBVTT`, dấu chấm trước phần mili giây (`00:00:10.700`), mã hóa UTF-8 và media type `text/vtt`. Tính đến ngày 15 tháng 11 năm 2026, đây là bản nháp Candidate Recommendation của W3C.

## Vì sao quan trọng

-   **Thời gian đến từ API, hoặc từ bạn.** Một số API speech-to-text trả về [timestamp](https://broadrouter.com/vi/glossary/timestamps-asr/) theo từ hoặc theo đoạn, hoặc trả luôn file hoàn chỉnh. Tài liệu phiên âm của OpenAI liệt kê `srt` và `vtt` trong các giá trị `response_format`, nhưng nói định dạng phụ thuộc vào model và `gpt-4o-transcribe` cùng `gpt-4o-mini-transcribe` chỉ trả về `json`.
-   **Bố cục tiếng Ả Rập.** SRT không có markup chỉ hướng, nên trình phát quyết định cách hiển thị văn bản phải sang trái và dấu câu. Xem [văn bản RTL](https://broadrouter.com/vi/glossary/rtl-text/).
-   **Quy tắc dễ đọc.** Độ dài dòng, số dòng mỗi phụ đề và tốc độ đọc do style guide quy định, không phải do định dạng.

## Trên BroadNet Inference

Endpoint phiên âm của BroadNet trả văn bản không kèm timestamp, nên không tạo SRT trực tiếp được. Cách làm khả thi, đã thử trong [phụ đề tiếng Ả Rập (SRT) từ API speech-to-text](https://broadrouter.com/vi/blog/arabic-subtitles-srt-api/):

1.  Tìm các khoảng lặng bằng `silencedetect` của FFmpeg (hoặc một [VAD](https://broadrouter.com/vi/glossary/vad/)).
2.  Cắt từng đoạn có lời nói, tối đa khoảng 12 giây, thành WAV 16 kHz mono.
3.  Phiên âm từng đoạn với `language=ar` trên [BroadNet Transcribe Arabic](https://broadrouter.com/vi/models/cohere-transcribe-arabic/).
4.  Dùng thời điểm bắt đầu và kết thúc của mỗi đoạn làm thời gian phụ đề, chia cho các dòng theo tỷ lệ độ dài chữ.
5.  Ghi các khối SRT đã đánh số.

Biên của mỗi đoạn chính xác tới đâu là tùy vào khâu phát hiện khoảng lặng; thời gian bên trong một đoạn chỉ là ước lượng. Cách này hợp với bài nói và podcast, không hợp với phim cần khớp khẩu hình. Nếu cần thời gian chính xác tới từng khung hình, hãy dùng nhà cung cấp có tài liệu về timestamp theo từ. Đoạn ngắn cũng đồng nghĩa với nhiều request hơn, nên hãy để ý giới hạn trả theo mức dùng là 30 request mỗi phút. [Công cụ cắt audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/) sẽ viết sẵn các lệnh FFmpeg.

## Lỗi thường gặp

-   **Dùng dấu chấm thay cho dấu phẩy trong thời gian SRT**, hoặc ngược lại với WebVTT. Nhiều trình phát từ chối định dạng sai.
-   **Thiếu dòng trống** giữa các khối, khiến các phụ đề bị gộp lại.

## Câu hỏi thường gặp

### SRT và WebVTT khác nhau thế nào?

File WebVTT bắt đầu bằng dòng WEBVTT, dùng dấu chấm trước phần mili giây (00:00:10.700), bắt buộc là UTF-8 và dùng media type text/vtt. SRT dùng dấu phẩy (00:00:10,700) và, theo Thư viện Quốc hội Hoa Kỳ, không có chuẩn mã hóa ký tự.

### BroadNet có trả về file SRT không?

Không. Response phiên âm theo tài liệu của BroadNet là JSON chỉ có một trường text, không có timestamp. Bạn tự dựng thời gian phụ đề, chẳng hạn từ offset của các đoạn audio.

### File SRT tiếng Ả Rập nên dùng mã hóa nào?

Hãy dùng UTF-8 và thử trên các trình phát mà khán giả của bạn dùng. SRT không có chuẩn mã hóa, nên một số công cụ cũ đoán mã hóa dựa trên các byte.

## Xem thêm

-   [Timestamp trong speech-to-text (dấu thời gian ASR)](https://broadrouter.com/vi/glossary/timestamps-asr/) (thuật ngữ)
-   [Chuyển giọng nói thành văn bản (speech-to-text)](https://broadrouter.com/vi/glossary/speech-to-text/) (thuật ngữ)
-   [VAD (phát hiện giọng nói)](https://broadrouter.com/vi/glossary/vad/) (thuật ngữ)
-   [Văn bản RTL (viết từ phải sang trái, right-to-left)](https://broadrouter.com/vi/glossary/rtl-text/) (thuật ngữ)
-   [WAV](https://broadrouter.com/vi/glossary/wav/) (thuật ngữ)
-   [API chuyển giọng nói tiếng Ả Rập thành văn bản: từng bước](https://broadrouter.com/vi/guides/arabic-speech-to-text-api/) (hướng dẫn)
-   [Phụ đề tiếng Ả Rập (SRT) từ API chuyển giọng nói: cần những gì](https://broadrouter.com/vi/blog/arabic-subtitles-srt-api/) (bài viết)
-   [Chép lời âm thanh dài trên 25 MB: tách, gửi và ghép lại](https://broadrouter.com/vi/blog/transcribe-long-audio-files-api/) (bài viết)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

[Bắt đầu](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-srt-subtitles&utm_content=page-cta) ·

**Nguồn**

-   [Thư viện Quốc hội Hoa Kỳ, Sustainability of Digital Formats: SubRip (SRT) fdd000569 (kiểm tra ngày 2026-11-15)](https://www.loc.gov/preservation/digital/formats/fdd/fdd000569.shtml)
-   [W3C, WebVTT: The Web Video Text Tracks Format, bản nháp Candidate Recommendation (kiểm tra ngày 2026-11-15)](https://www.w3.org/TR/webvtt1/)
-   [Tài liệu tham khảo OpenAI API, tạo bản phiên âm: các tùy chọn response\_format theo model (kiểm tra ngày 2026-11-15)](https://developers.openai.com/api/reference/resources/audio/subresources/transcriptions/methods/create)
-   [Tài liệu tham khảo API BroadNet Inference: response phiên âm {"text": ...} (kiểm tra ngày 2026-11-15) (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-srt-subtitles&utm_content=sources)
