首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >字幕看着是画字,实际是三条路一块画布

字幕看着是画字,实际是三条路一块画布

原创
作者头像
用户1290566
发布于 2026-11-16 18:20:08
发布于 2026-11-16 18:20:08
210
举报

字幕看着是把字画到屏幕上,实际是三条完全不同的渲染路径:特效字幕自带排版语言,图形字幕是一摞带时间戳的位图,文本字幕才真的是「画字」。三条路的产物最后要汇到同一个地方、按同一套规矩上屏,汇不拢,后面的坑全在这上面。这篇拆这条链,外加三个修过的事故——换轨必崩、黄字变青、整行方框。

字幕看着是把字画到屏幕上,实际是三条完全不同的渲染路径:特效字幕自带排版语言,图形字幕是一摞带时间戳的位图,文本字幕才真的是画字。三条路汇到一块透明画布、一个胜者上屏,样式与编码的边界、以及三个真实事故都在这条链上。这篇拆这条链。

三类字幕,三条路

先看三条路各自的来路。内封轨的包由解封装直接旁路出来,不进音视频那两条队列,选中哪条才转发给视图;外挂文件由引擎自己的解析器读进来;语音识别的产物由上层喂——识别本身不在引擎里,引擎只认它产出的文本行加时间戳。

特效字幕(ASS、SSA)自带一套排版语言:定位、动画、字体、卡拉OK 逐字变色都是脚本指令,抽成一行纯文本就全丢了,必须交给排版引擎还原。图形字幕(PGS)是蓝光原盘那一族:一张张带时间戳的小位图加调色板,没有文字、字体、样式的概念,只能按坐标叠图。文本字幕(SRT、mov_text、语音识别出来的文本)最朴素,自己栅格化成位图就行。

三条路各画各的,产物是同一件东西:一块透明背景的画布,按内容包围盒裁出有效区域。混合只剩一条:把画布以 sourceOver 叠到画面上。这条约束的收益在接新平台的时候看得最清楚——要写的是一个画布混合层,不是一套字幕渲染系统;四个渲染后端就是同一份契约的四个实现,各自只处理自己的色彩域和混合方式。

三类字幕汇到一块画布,上屏按输出方式分两条路
三类字幕汇到一块画布,上屏按输出方式分两条路

画布上屏有两条路,按输出方式分,不按字幕类型分:普通输出走 Vulkan 合成,与画面一同处理;HDR 直通输出时,画布跟着切到平台原生渲染腿,只做叠加,不动视频信号。这条路的具体分岔与色彩域,下一篇讲。

一个胜者:三槽位仲裁

字幕来源有三路:内封轨、外挂文件、语音识别的产物。三路都往视图里送,但任一时刻只显示一路——三个槽位,后激活者胜,空窗不回落。选内封轨、挂外挂、识别出首行文本,任何一个动作都把当前胜者顶掉;胜者撤掉之后画面不会退回上一路——界面上,这是撤掉外挂之后字幕区安静,不会有内封轨突然接棒。

内封、外挂、识别三个槽位,后激活者胜
内封、外挂、识别三个槽位,后激活者胜

这个单胜者语义就是界面上「引擎完整渲染特效字幕,与外挂字幕互斥」那句话的机制来源。它不是个开关,是仲裁。

画布的尺寸有个工程取舍:超过 1080p 的片子,画布一律按 1920×1080 渲染,再由层内采样拉伸铺满——4K 画布每帧三十多兆,收进三分之一,肉眼几乎不可辨;1080p 以内则与帧一比一,不折腾。性能的量级也交代一句:纯文本的光栅化在 1080p 稳态下是每帧零点零几毫秒,特效字幕活跃帧的增量目标控制在几毫秒内,静止段零开销。队列也都有界:文本块每轨五百一十二块,PGS 画布帧按播放位置取、溢出丢最旧,字幕在任何情况下不会把播放拖住。

样式归片源,能调的是全局

ASS 的字体、颜色、位置写在片源的脚本里,属于片源。脚本头是这件事的一半:样式定义、分辨率信息都在头里,对白事件只是往这些样式上挂内容,所以换轨时装载脚本头,是特效字幕能排起来的前提。按单一参数改样式的接口,对特效字幕和图形字幕是静默忽略的——想改,要从脚本层走:字号走排版引擎的缩放,立刻重排,不用重载字幕;再往外是整体缩放、位移、不透明度三个全局变换。外挂的纯文本用内置字体,字号随画面高度走。

编码是另一处看不见的边界。SRT 的乱码基本都是编码问题:GBK 被当成 UTF-8 读,就出一串菱形问号。链路上的策略是先做严格的 UTF-8 校验,不过再交给 GBK、GB18030 转码,顺手剥掉 BOM。图形字幕的 .sub、VobSub 不在支持面上;格式白名单是 ASS、SSA、SRT、mov_text、PGS。

三个真实事故

事故一,换轨必崩。有一类片子,切到内封字幕再切回外挂必崩,第二次切换整个卡死。拆出两条独立机理:切轨时在锁外析构排版引擎的覆盖层,渲染线程和 IO 线程还在锁内解引用它;画布层每次切换都摘掉再挂,触发整图重建,第二次重建时卡死在显卡驱动内部。修法两条:覆盖层状态改在锁内摘除、锁外析构,画布内容拷成稳定快照;画布层改成粘性,挂上之后播放期不再摘,没字幕时只清内容。

事故二,黄字变青。4K 蓝光原盘的 PGS 字幕位置偏、尺寸小,真因有两层:PGS 的坐标写在 1080p 的图形平面上,按 4K 帧像素 1:1 贴上去自然错位;调色板的通道序是蓝绿红排列,代码把低字节当红读,黄色渲染成了青色。这个错潜伏了很久,因为白字三个通道相等,看不出问题。修法是解码端按合成画布重采样,顺修通道序。

事故三,整行方框。苹果手机上中文字幕整行空心方框,同一帧里英文正常。方框数按字数长,不是按字节数长,定位到字体层:排版引擎在 iOS 上走系统文本框架找字形,缺字形的回退链指向一个沙箱里打不开的系统私有框架,每个字都落成没有字形。修法是在排版引擎初始化之前,把包内自带的字体喂给它,让它第一件事就拿到可用的字形来源。

引擎 avox 在 GitHub 开源,仓库 xxxzhou/avox。

系列《从零做一个全平台播放器》按施工顺序发,本篇是 6.4;已发各篇收在这里:https://cloud.tencent.com/developer/column/109457

上一篇:6.3 画面跳过去了,时间轴还没跟上 https://cloud.tencent.com/developer/article/2784796

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 三类字幕,三条路
  • 一个胜者:三槽位仲裁
  • 样式归片源,能调的是全局
  • 三个真实事故
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档