WebVTT 让网络字幕成为浏览器可拥有的文本文件

当视频进入 HTML 后，字幕无法再停留在播放器专属的附属文件形式。WebVTT 为网络提供了一种看起来像文本、使用毫秒级 cue 时间戳、并直接融入浏览器媒体模型的字幕文件。

W3C 草案将 WebVTT 定义为 Web Video Text Tracks 格式，用于连接到 HTML track 元素的外部文本轨道资源。MDN 将该格式描述为纯文本、UTF-8 编码，MIME 类型为 text/vtt，扩展名为 .vtt。

推广的关键举措是将格式与元素配对。一个视频可以引用多个轨道文件，用于字幕、副标题、章节或元数据，MDN 将 WebVTT 和 track 均标记为自 2015 年 7 月起在各浏览器中广泛可用。

让定时文本原生且可读

纯文本使字幕易于编写、审阅和差异比对。

原生 track 支持为每个视频元素提供了一个附加定时文本的通用位置。

Cue 最初覆盖字幕，但也涵盖章节和同步元数据。

CSS 和 JavaScript 钩子让浏览器能够标准化显示，而无需冻结所有呈现选择。

当作者能手动编辑、服务器能将其作为文本提供、浏览器仍能将其转化为可编程的原生功能时，一种网络格式才能传播开来。

到 2015 年中期，WebVTT 和 HTML track 元素已在浏览器中广泛可用。该格式成为原生音频和视频、无障碍工具及媒体元数据实验的默认网络字幕附属文件。