文字在每个播放器里都在。不是你加的，也关不掉，裁掉又会切掉画面底部。在投入时间或积分之前，先弄清楚你面对的是哪种字幕——因为其中一种根本不需要 AI。
软字幕与烧录字幕的区别
软字幕是封装在视频文件中的独立字幕轨。它携带的是文字和时间码，而不是像素。播放器可以开关，你也可以在不改动画面的情况下移除它。
烧录字幕（也叫硬字幕或开放字幕）在导出前就已经渲染进画面帧。每个字母都是图像的一部分。没有播放器能隐藏它，移除此类字幕意味着修改像素。
如果是软字幕：删除字幕轨
转封装会把视频流和音频流复制进新容器，并丢弃字幕流。几秒钟完成，不重新编码，也不会改动一个像素。
在 FFmpeg 中，流复制的基本思路是：读取文件，只映射视频和音频流，写出新的 MP4。桌面剪辑软件里删除字幕轨、关闭重编码导出，效果相同。FFmpeg 文档有流映射说明，HandBrake 字幕文档展示了图形界面的同一路线。
- 开始前先确认文件里是否有字幕流
- 使用流复制而不是重新编码，保持画质一致
- 检查输出之前，保留原始文件
- 如果文字仍然显示，说明它其实是烧录的
如果是烧录字幕：选择方案
对于存在于像素中的文字，没有免费且无损的移除方式。每种方案都会牺牲一些东西：构图、背景细节、时间或金钱。四种路线的详细对比见不用模糊去除视频文字。
从源工程重新导出永远是最干净的结果，也是最多人跳过的一步，因为工程文件常常已经找不到。在断定不可用之前，先检查剪辑软件的自动保存、云同步，或联系提供素材的客户。
CleanVideoText 的重建流程
字幕模式会跟随下方字幕带，移除追踪到的文字行。它假定文字大致停留在同一片下方区域。如果字幕在顶部、中部和底部之间跳动，用框选区域画几组框会更可控。
准备开始？在线去除视频字幕页面说明了三种模式、200 MB 与 10 分钟的上限，以及每月的免费额度。
- 先裁剪，再上传 MP4 或 MOV，最大 200 MB、10 分钟
- 字幕停在下方用「字幕」，位置移动则用「框选区域」
- 实时引擎会整段处理上传文件，请先裁出需要的部分
- 运行任务，先检查最难的 5 秒，再下载
- 对比源文件的音频和画面尺寸
哪些情况最难
背景重建是一种估算。模型需要在文字原来的位置生成合理的细节。在简单或缓慢移动的背景上效果最好，在必须精确保留细节的地方最弱。
- 字幕穿过脸、手或正在被拿着的产品
- 细密纹理——头发、衣服上的文字、栏杆、树叶
- 低对比文字叠在复杂背景上
- 压缩过重，字母边缘糊开
- 字幕每隔几秒就换位置
先测试最难的 5 秒
不要一开始就处理整段视频。把字幕压在最多细节上的 5 秒裁成一个独立测试片段，只上传这一段，并在 100% 缩放下检查。如果这些帧站得住，其余部分通常更容易；如果站不住，你省下了一整段渲染的费用，也知道了哪些帧需要手动修补。
短测试片段还能帮你在正式处理前确认，这个片段更适合字幕模式还是框选区域。
上传前检查清单
- 确认字幕是烧录的，而不是软字幕轨
- 检查是否还有干净的源文件或工程文件
- 上传前先裁剪到真正需要的部分
- 先测试最难的 5 秒
- 在 100% 缩放下检查脸、手和细密纹理
- 确认导出文件的音频、时长和画面尺寸
- 在本地保留原始文件
常见问题解答
Q: 烧录字幕可以在不模糊的情况下移除吗？
可以，前提是背景能够被合理地重建。CleanVideoText 会追踪字幕区域并重建字母背后的内容，而不是盖住它。脸和细节区域的效果最弱。
Q: 软字幕需要用 AI 移除吗？
不需要，也不应该。软字幕是独立字幕流，用转封装或删除字幕轨即可无损移除，不损失画质。
Q: 去除字幕会保留音频吗？
流程会尽量保留原始音频和时长，并重新编码 MP4。发布前请检查下载文件，尤其是可变帧率的素材。
Q: 费用怎么算？
自动/字幕每秒 1 积分；框选区域每秒 2 积分。每次任务 5 秒起。30 秒自动片段需要 30 积分。使用 Google 登录后，每月获赠 30 免费积分；更长的视频请先裁剪到额度以内。
Q: 可以去除别人拍摄的视频字幕吗？
只有在你拥有或获授权修改的前提下才可以。去除字幕以掩盖他人视频来源是不允许的。
作者
CleanVideoText 编辑部
发布于 2026 年 10 月 8 日
