Estrai sottotitoli impressi (OCR)

Leggi i sottotitoli impressi di un video come SRT, VTT, ASS e altro, nel browser

Funziona nel tuo browser

Trascina un video con sottotitoli impressi

MP4, WebM, MOV o qualsiasi video riproducibile dal browser

Il video resta sul tuo dispositivo. Solo i modelli OCR (circa 25 MB, da Hugging Face) vengono scaricati una volta e memorizzati in cache.

Cos'è l'estrattore di sottotitoli impressi?

I sottotitoli impressi fanno parte dell'immagine, quindi non si possono disattivare né copiare come una traccia di sottotitoli. Questo strumento scorre il video fotogramma per fotogramma nel browser, trova il testo nell'area indicata con il rilevamento del testo di PaddleOCR, lo legge con un modello di riconoscimento PP-OCRv6 (Tesseract per il vietnamita) e unisce i fotogrammi con lo stesso testo in righe con tempi. Le righe lette con bassa confidenza vengono segnalate per correggerle prima di salvare in SRT, VTT, ASS, TTML, LRC o testo.

Usi comuni

  • Ottenere un file di sottotitoli modificabile da un video con soli sottotitoli impressi
  • Tradurre una clip: estrarre le battute originali e poi tradurre l'SRT
  • Copiare come testo citazioni o testi di canzoni mostrati sullo schermo
  • Risincronizzare o cambiare stile a vecchi sottotitoli in un editor

Quando usarlo

Usalo quando i sottotitoli sono disegnati sull'immagine. Se il file video ha una traccia di sottotitoli separata, estrai quella, che è esatta. Se non ci sono sottotitoli, usa Audio e video in sottotitoli per trascrivere il parlato.

Esempi

  1. Clip inglese in SRT

    Input

    Un MP4 di 3 minuti con sottotitoli bianchi in basso. Lingua: inglese, cinese, giapponese, alfabeto latino. 4 fotogrammi al secondo.

    Output

    Circa 40 righe con tempi in un file .srt; parole attaccate come Ithought vengono separate e Al diventa AI. Alcune righe sono segnate come Incerto da controllare.

  2. Sottotitoli vietnamiti

    Input

    Un episodio con sottotitoli vietnamiti gialli. Lingua: vietnamita.

    Output

    Righe in vietnamita con i segni tonali, pronte da scaricare come SRT o VTT.

Domande e risposte

Il mio video viene caricato?

No. I fotogrammi vengono decodificati e letti nel browser. Si scaricano solo i modelli OCR, da Hugging Face e jsDelivr, che poi restano nella cache del browser.

Perché alcune righe sono segnate come Incerto?

Il modello indica la confidenza per ogni carattere. Le righe con media bassa o con un carattere dubbio vengono segnalate: clicca sul tempo per andare a quel punto del video e correggi il testo.

Quanto tempo ci vuole?

Da un terzo all'intera durata del video a 4 fotogrammi al secondo, a seconda del computer. I fotogrammi con lo stesso testo del precedente saltano il riconoscimento, e WebGPU accelera dove disponibile.

Come ottengo risultati migliori?

Stringi il riquadro blu attorno ai sottotitoli per lasciare fuori loghi e cartelli, scegli la lingua giusta e usa 8 fotogrammi al secondo per dialoghi veloci. Caratteri molto piccoli, sfocati o decorativi vengono letti peggio.

Fonti e standard

Tutti gli strumenti