Extrair legendas embutidas (OCR)

Leia legendas embutidas de um vídeo como SRT, VTT, ASS e mais, no navegador

Funciona no seu browser

Solte um vídeo com legendas embutidas

MP4, WebM, MOV ou qualquer vídeo que o navegador reproduza

O vídeo fica no seu dispositivo. Apenas os modelos OCR (cerca de 25 MB, do Hugging Face) são baixados uma vez e guardados em cache.

O que é o extrator de legendas embutidas?

Legendas embutidas fazem parte da imagem do vídeo, então não podem ser desligadas nem copiadas como uma faixa de legenda. Esta ferramenta percorre o vídeo quadro a quadro no navegador, encontra o texto na área marcada com a detecção de texto do PaddleOCR, lê com um modelo de reconhecimento PP-OCRv6 (Tesseract para vietnamita) e junta quadros com o mesmo texto em linhas com tempo. Linhas lidas com baixa confiança são marcadas para você corrigir antes de salvar em SRT, VTT, ASS, TTML, LRC ou texto.

Usos comuns

  • Obter um arquivo de legenda editável de um vídeo que só tem legendas embutidas
  • Traduzir um clipe: extrair as falas originais e depois traduzir o SRT
  • Copiar como texto citações ou letras mostradas na tela
  • Reajustar o tempo ou o estilo de legendas antigas em um editor

Quando usar

Use quando as legendas estão desenhadas na imagem. Se o arquivo de vídeo tem uma faixa de legenda separada, extraia essa faixa, que é exata. Se não há legendas, use Áudio e vídeo para legendas para transcrever a fala.

Exemplos

  1. Clipe em inglês para SRT

    Entrada

    Um MP4 de 3 minutos com legendas brancas embaixo. Idioma: inglês, chinês, japonês, escrita latina. 4 quadros por segundo.

    Saída

    Cerca de 40 linhas com tempo em um .srt; palavras coladas como Ithought são separadas e Al vira AI. Algumas linhas ficam marcadas como Incerto para conferir.

  2. Legendas em vietnamita

    Entrada

    Um episódio com legendas amarelas em vietnamita. Idioma: vietnamita.

    Saída

    Linhas em vietnamita com acentos, prontas para baixar como SRT ou VTT.

Perguntas e respostas

Meu vídeo é enviado?

Não. Os quadros são decodificados e lidos no navegador. Só os modelos OCR são baixados, do Hugging Face e do jsDelivr, e ficam no cache do navegador.

Por que algumas linhas estão marcadas como Incerto?

O modelo informa a confiança de cada caractere. Linhas com média baixa ou um caractere duvidoso são marcadas: clique no tempo para ir até o ponto do vídeo e corrija o texto.

Quanto tempo leva?

De um terço até a duração total do vídeo a 4 quadros por segundo, conforme o computador. Quadros com o mesmo texto do anterior pulam o reconhecimento, e o WebGPU acelera quando disponível.

Como obter resultados melhores?

Ajuste a caixa azul bem rente às legendas para deixar logos e placas de fora, escolha o idioma certo e use 8 quadros por segundo em diálogos rápidos. Fontes muito pequenas, borradas ou decorativas são lidas com menos precisão.

Fontes e normas

Todas as ferramentas