WebVTT 讓網路字幕成為瀏覽器可自行掌控的文字檔

當影片進入 HTML 領域後，字幕不能繼續停留在各播放器專屬的附屬檔案。WebVTT 為網路提供了一種字幕檔：外觀如同文字、採用毫秒級 cue 時間戳，並直接融入瀏覽器的媒體模型。

W3C 草案將 WebVTT 定義為「Web Video Text Tracks」格式，用於連接至 HTML track 元素的外部文字軌資源。MDN 則將該格式描述為純文字、UTF-8 編碼，MIME 類型為 text/vtt，副檔名為 .vtt。

採用的關鍵在於將格式與元素配對。一支影片可以參照多個 track 檔案，分別用於字幕、副標題、章節或中繼資料；MDN 標示 WebVTT 與 track 自 2015 年 7 月起已在各瀏覽器中廣泛可用。

讓定時文字成為原生且可讀的內容

純文字讓字幕易於撰寫、審閱與進行差異比對。

原生 track 支援讓每個 video 元素都有共同的定時文字掛載位置。

Cue 最初涵蓋字幕，但也涵蓋章節與同步中繼資料。

CSS 與 JavaScript 掛鉤讓瀏覽器得以標準化顯示方式，同時不必凍結所有呈現選擇。

當作者能手工編輯、伺服器能以文字形式提供，而瀏覽器仍能將其轉化為可程式化的原生功能時，一種網路格式便能普及。

到了 2015 年中，WebVTT 與 HTML track 元素已在瀏覽器中廣泛可用。該格式成為原生音訊與視訊、無障礙工具及媒體中繼資料實驗的預設網路字幕附屬檔案。