字幕/配文 (caption) 是附加在图片或视频上的说明文字。在社交媒体上，它指帖子的正文文本。截至 2026 年，Instagram 的配文官方规定为最多 2,200 个字符 (同时可添加的话题标签为 30 个，@ 提及为 20 个)，YouTube 的说明栏为最多 5,000 个字符 (标题为 100 个字符)。即使在以照片和视频为主的平台上，配文也会影响内容的可检索性与获得的反应量。

配文的"看得见的字数"与"能输入的字数"之间存在差距。多数应用在列表画面上只把正文显示到中途，其余部分要点击"更多"才会出现。这个折断位置会随设备的屏幕宽度、字号以及换行的插入方式而变化，因此不能当作固定的字数来对待。作为判断基准，把要点和吸引读者的钩子收进开头 100 个字符前后，把背景说明和补充放到后半来组织，即使折断位置发生变化，意思也依然通顺。

陷阱在于，话题标签、@ 提及、换行、表情符号和 URL 也都会原样计入上限的字数。例如把平均 20 个字符的话题标签排上 30 个，仅此一项就会消耗 600 个字符前后。在 Instagram 上把话题标签与配文分开、发到第一条评论里的做法之所以被使用，也有为正文腾出额度的意思。超出上限时的行为要么是帖子被拒绝，要么是末尾被截断，后者不容易察觉，因此写长文时先在草稿阶段掌握字数会更安全。平台一侧的规格有可能变更，所以避免贴着上限运营才是实务的做法。

从无障碍的角度来看，caption 也用于表示字幕 (closed caption) 的含义。视频的字幕不仅对听觉有障碍的用户不可或缺，对在无法出声的环境中观看的人也同样必要。字幕需要把一个显示单位保持得足够短，Netflix 公开的字幕制作指南的通用要求中，截至 2026 年规定一条字幕最多 2 行、显示时间最短 5/6 秒、最长 7 秒。每行的字数目标值由各语言的单独指南规定，以全角字符为主的中文或日语与欧文，不能用同一个字数来谈。YouTube 的自动字幕由语音识别生成，因此专有名词和专业术语的错误容易残留，按照发布前重读并修正的前提来使用才符合实务。