Извлечь вшитые субтитры (OCR)

Распознавайте вшитые субтитры из видео в SRT, VTT, ASS и другие форматы прямо в браузере

Работает в вашем браузере

Перетащите видео со вшитыми субтитрами

MP4, WebM, MOV или любое видео, которое воспроизводит браузер

Видео остаётся на вашем устройстве. Загружаются только модели OCR (около 25 МБ, с Hugging Face) — один раз, затем они хранятся в кэше.

Что такое извлечение вшитых субтитров?

Вшитые (hardsub) субтитры — часть изображения, поэтому их нельзя отключить или скопировать как дорожку субтитров. Этот инструмент проходит видео кадр за кадром в браузере, находит текст в отмеченной области детектором PaddleOCR, читает его моделью распознавания PP-OCRv6 (для вьетнамского — Tesseract) и объединяет кадры с одинаковым текстом в строки с таймингом. Строки, распознанные с низкой уверенностью, помечаются, чтобы вы исправили их перед сохранением в SRT, VTT, ASS, TTML, LRC или текст.

Типичные задачи

  • Получить редактируемый файл субтитров из видео, где субтитры только вшиты
  • Перевести ролик: извлечь исходные реплики, затем перевести SRT
  • Скопировать текстом цитаты или слова песни с экрана
  • Перенастроить тайминг или стиль старых субтитров в редакторе

Когда использовать

Используйте, когда субтитры нарисованы на изображении. Если в файле есть отдельная дорожка субтитров, извлеките её — она точная. Если субтитров нет совсем, воспользуйтесь инструментом «Аудио и видео в субтитры», чтобы расшифровать речь.

Примеры

  1. Английский ролик в SRT

    Ввод

    MP4 на 3 минуты с белыми субтитрами внизу. Язык: английский, китайский, японский, латиница. 4 кадра в секунду.

    Вывод

    Около 40 строк с таймингом в файле .srt; слитные слова вроде Ithought разделяются, Al исправляется на AI. Несколько строк помечены как Неточно для проверки.

  2. Вьетнамские субтитры

    Ввод

    Серия с жёлтыми вьетнамскими субтитрами. Язык: вьетнамский.

    Вывод

    Вьетнамские строки с тоновыми знаками, готовые к скачиванию в SRT или VTT.

Вопросы и ответы

Загружается ли моё видео?

Нет. Кадры декодируются и распознаются в браузере. Загружаются только модели OCR с Hugging Face и jsDelivr, после чего они хранятся в кэше браузера.

Почему некоторые строки помечены как Неточно?

Модель сообщает уверенность для каждого символа. Строки с низким средним значением или одним сомнительным символом помечаются: нажмите на время, чтобы перейти к этому месту видео, и исправьте текст.

Сколько это занимает?

При 4 кадрах в секунду — от трети до полной длины видео, в зависимости от компьютера. Кадры с тем же текстом, что и предыдущий, пропускают распознавание, а WebGPU ускоряет работу, если доступен.

Как улучшить результат?

Плотно подгоните синюю рамку под субтитры, чтобы логотипы и надписи остались снаружи, выберите правильный язык и используйте 8 кадров в секунду для быстрых диалогов. Очень мелкий, размытый или декоративный шрифт распознаётся хуже.

Источники и стандарты

Все инструменты