Was eine SRT nicht enthalten kann
Eine WebVTT kann Dinge mitbringen, für die es in einer SRT keinen Platz gibt, und wichtig ist, was damit geschieht, statt sie einfach durchzulassen. Die Positionsangaben hinter der Zeitmarke (line, align, position) lassen sich in nichts übersetzen: Sie werden entfernt. NOTE- und STYLE-Blöcke sind keine Untertitel und dürfen ebenfalls nicht im Text landen, also werden sie verworfen.
Die Voice-Tags sind der interessante Fall. In einer VTT wird der Sprecher mit einem Tag um den Satz markiert; in einer SRT gibt es das nicht. Statt ihn wegzuwerfen, was bedeuten würde, zu verlieren, wer was sagt, wird er zum Namen vor der Zeile, gefolgt von einem Doppelpunkt, so wie ein Dialog im Untertitel schon immer geschrieben wurde.