हार्डकोडेड सबटाइटल निकालें (OCR)

वीडियो में जले हुए सबटाइटल को ब्राउज़र में ही SRT, VTT, ASS आदि में पढ़ें

आपके ब्राउज़र में चलता है

हार्डकोडेड सबटाइटल वाला वीडियो यहाँ छोड़ें

MP4, WebM, MOV या कोई भी वीडियो जो आपका ब्राउज़र चला सके

वीडियो आपके डिवाइस पर ही रहता है। केवल OCR मॉडल (लगभग 25 MB, Hugging Face से) एक बार डाउनलोड होकर कैश में रहते हैं।

हार्डकोडेड सबटाइटल एक्सट्रैक्टर क्या है?

हार्डकोडेड (जले हुए) सबटाइटल वीडियो की तस्वीर का हिस्सा होते हैं, इसलिए उन्हें सबटाइटल ट्रैक की तरह बंद या कॉपी नहीं किया जा सकता। यह टूल ब्राउज़र में वीडियो को फ़्रेम-दर-फ़्रेम देखता है, आपके चिह्नित क्षेत्र में PaddleOCR टेक्स्ट डिटेक्शन से टेक्स्ट ढूँढता है, PP-OCRv6 पहचान मॉडल से उसे पढ़ता है (वियतनामी के लिए Tesseract), और एक जैसा टेक्स्ट दिखाने वाले फ़्रेम को समय वाली पंक्तियों में जोड़ता है। कम भरोसे वाली पंक्तियाँ चिह्नित होती हैं ताकि आप SRT, VTT, ASS, TTML, LRC या टेक्स्ट में सहेजने से पहले उन्हें ठीक कर सकें।

आम उपयोग

  • केवल जले हुए सबटाइटल वाले वीडियो से संपादन योग्य सबटाइटल फ़ाइल पाना
  • क्लिप का अनुवाद: मूल पंक्तियाँ निकालें, फिर SRT का अनुवाद करें
  • स्क्रीन पर दिखे उद्धरण या गीत के बोल टेक्स्ट के रूप में कॉपी करना
  • पुराने सबटाइटल की टाइमिंग या स्टाइल किसी एडिटर में फिर से सेट करना

कब इस्तेमाल करें

जब सबटाइटल तस्वीर पर बने हों तब इस्तेमाल करें। अगर वीडियो फ़ाइल में अलग सबटाइटल ट्रैक है तो वही ट्रैक निकालें, वह बिल्कुल सटीक है। अगर सबटाइटल ही नहीं हैं तो बोली को लिखने के लिए ऑडियो और वीडियो से सबटाइटल टूल इस्तेमाल करें।

उदाहरण

  1. अंग्रेज़ी क्लिप से SRT

    इनपुट

    नीचे सफ़ेद सबटाइटल वाली 3 मिनट की MP4। भाषा: अंग्रेज़ी, चीनी, जापानी, लैटिन लिपि। 4 फ़्रेम प्रति सेकंड।

    आउटपुट

    .srt फ़ाइल में समय के साथ लगभग 40 पंक्तियाँ; Ithought जैसे जुड़े शब्द अलग होते हैं और Al को AI किया जाता है। कुछ पंक्तियाँ जाँच के लिए अनिश्चित चिह्नित होती हैं।

  2. वियतनामी सबटाइटल

    इनपुट

    पीले वियतनामी सबटाइटल वाला एक ड्रामा एपिसोड। भाषा: वियतनामी।

    आउटपुट

    टोन चिह्नों के साथ वियतनामी पंक्तियाँ, SRT या VTT के रूप में डाउनलोड के लिए तैयार।

प्रश्न और उत्तर

क्या मेरा वीडियो अपलोड होता है?

नहीं। फ़्रेम आपके ब्राउज़र में डिकोड होकर पढ़े जाते हैं। केवल OCR मॉडल Hugging Face और jsDelivr से डाउनलोड होते हैं और फिर ब्राउज़र कैश में रहते हैं।

कुछ पंक्तियाँ अनिश्चित क्यों चिह्नित हैं?

मॉडल हर अक्षर के लिए अपना भरोसा बताता है। कम औसत या किसी संदिग्ध अक्षर वाली पंक्तियाँ चिह्नित होती हैं: वीडियो में उस पल पर जाने के लिए समय पर क्लिक करें, फिर टेक्स्ट ठीक करें।

इसमें कितना समय लगता है?

4 फ़्रेम प्रति सेकंड पर, कंप्यूटर के अनुसार वीडियो की लंबाई का एक-तिहाई से पूरा समय। पिछले फ़्रेम जैसा टेक्स्ट दिखाने वाले फ़्रेम पहचान छोड़ देते हैं, और WebGPU उपलब्ध हो तो यह तेज़ चलता है।

बेहतर नतीजे कैसे पाएँ?

नीले बॉक्स को सबटाइटल पर कसकर रखें ताकि लोगो और साइनबोर्ड बाहर रहें, सही भाषा चुनें, और तेज़ संवाद के लिए 8 फ़्रेम प्रति सेकंड इस्तेमाल करें। बहुत छोटे, धुंधले या सजावटी फ़ॉन्ट कम भरोसे से पढ़े जाते हैं।

स्रोत और मानक

सभी टूल