提取硬字幕(OCR)

在浏览器中把视频里烧录的硬字幕识别为 SRT、VTT、ASS 等格式

在浏览器中运行

拖入带硬字幕的视频

MP4、WebM、MOV 或任何浏览器可播放的视频

视频始终留在你的设备上。只会从 Hugging Face 下载一次 OCR 模型(约 25 MB)并缓存。

什么是硬字幕提取工具?

硬字幕是画面的一部分,无法像字幕轨那样关闭或复制。本工具在浏览器中逐帧浏览视频,用 PaddleOCR 文字检测找到你标记区域里的文字,再用 PP-OCRv6 识别模型读取(越南语使用 Tesseract),并把显示相同文字的帧合并成带时间的字幕行。置信度低的行会被标记,方便你在保存为 SRT、VTT、ASS、TTML、LRC 或文本前修改。

常见用途

  • 从只有硬字幕的视频中得到可编辑的字幕文件
  • 翻译视频:先提取原文台词,再翻译 SRT
  • 把屏幕上出现的引文或歌词复制为文本
  • 在字幕编辑器中重新调整旧字幕的时间或样式

何时使用

当字幕是画在画面上时使用。如果视频文件里有独立的字幕轨,直接提取字幕轨更准确。如果完全没有字幕,请用“音视频转字幕”把语音转写成文字。

示例

  1. 英文视频转 SRT

    输入

    一段 3 分钟的 MP4,底部是白色字幕。语言:英文、中文、日文、拉丁字母。每秒 4 帧。

    输出

    .srt 文件中约 40 行带时间的字幕;Ithought 这类粘连词会被拆开,Al 改为 AI。少数行标记为待确认以便检查。

  2. 越南语字幕

    输入

    一集带黄色越南语字幕的电视剧。语言:越南语。

    输出

    带声调符号的越南语字幕行,可下载为 SRT 或 VTT。

常见问题

视频会被上传吗?

不会。视频帧在浏览器中解码和识别。只会从 Hugging Face 和 jsDelivr 下载 OCR 模型,之后保存在浏览器缓存中。

为什么有些行标记为待确认?

识别模型会给出每个字符的置信度。平均分低或含有可疑字符的行会被标记:点击时间跳到视频中的对应位置,然后修改文字。

需要多长时间?

每秒 4 帧时,大约是视频时长的三分之一到全长,取决于你的电脑。与上一帧文字相同的帧会跳过识别,支持 WebGPU 时速度更快。

怎样得到更好的结果?

把蓝框紧贴字幕,让台标和招牌留在框外;选择正确的语言;对话很快时用每秒 8 帧。字体过小、模糊或花哨时识别效果较差。

来源与标准

所有工具