焼き付け字幕の抽出(OCR)

動画に焼き付けられた字幕を SRT・VTT・ASS などとしてブラウザ内で読み取ります

ブラウザで動作

焼き付け字幕のある動画をドロップ

MP4、WebM、MOV などブラウザで再生できる動画

動画は端末から出ません。OCR モデル(約 25 MB、Hugging Face から)だけを一度ダウンロードしてキャッシュします。

焼き付け字幕抽出ツールとは?

焼き付け(ハードサブ)字幕は映像の一部なので、字幕トラックのようにオフにしたりコピーしたりできません。このツールはブラウザ内で動画を 1 フレームずつ確認し、指定した範囲の文字を PaddleOCR の文字検出で見つけ、PP-OCRv6 認識モデル(ベトナム語は Tesseract)で読み取り、同じ文字が出ているフレームをまとめてタイミング付きの行にします。信頼度の低い行には印が付くので、SRT、VTT、ASS、TTML、LRC、テキストで保存する前に修正できます。

主な使い道

  • 焼き付け字幕しかない動画から編集できる字幕ファイルを作る
  • 動画を翻訳する:元のセリフを抽出してから SRT を翻訳
  • 画面に出る引用や歌詞をテキストとしてコピー
  • 古い字幕のタイミングやスタイルを字幕エディタで調整

使うべき場面

字幕が映像に描き込まれている場合に使います。動画ファイルに別の字幕トラックがあるなら、そのトラックを取り出す方が正確です。字幕がまったくない場合は「音声・動画から字幕」で音声を文字起こししてください。

例

  1. 英語の動画を SRT に

    入力

    下部に白い字幕がある 3 分の MP4。言語:英語・中国語・日本語・ラテン文字。毎秒 4 フレーム。

    出力

    .srt にタイミング付きの約 40 行。Ithought のような連結語は分割され、Al は AI に修正。数行は要確認として印が付きます。

  2. ベトナム語字幕

    入力

    黄色いベトナム語字幕のドラマ 1 話。言語:ベトナム語。

    出力

    声調記号付きのベトナム語の行。SRT や VTT でダウンロードできます。

よくある質問

動画はアップロードされますか?

いいえ。フレームはブラウザ内でデコードして読み取ります。ダウンロードされるのは Hugging Face と jsDelivr からの OCR モデルだけで、その後はブラウザにキャッシュされます。

要確認の印が付く行があるのはなぜ?

認識モデルは文字ごとの信頼度を出します。平均が低い行や疑わしい文字を含む行に印が付きます。時刻をクリックして動画のその場面に移動し、文字を修正してください。

どれくらい時間がかかりますか?

毎秒 4 フレームの場合、パソコンにより動画の長さの 3 分の 1 から同程度です。前のフレームと同じ文字のフレームは認識を省略し、WebGPU が使える環境ではさらに速くなります。

精度を上げるには?

ロゴや看板が入らないよう青い枠を字幕にぴったり合わせ、正しい言語を選び、会話が速い場合は毎秒 8 フレームにします。とても小さい、ぼやけた、装飾的なフォントは読み取りにくくなります。

出典と規格

すべてのツール