LYSVAL™ 拾光随笔
THREAD #2 字幕与资料

[拾光播放器-字幕工具2]拾光播放器 ·字幕制作-VideOCR-视频硬字幕（烧录字幕）提取利器

admin_lysval 发布于 2026-09-20T12:42:26 · 0 条回帖

#OCR#字幕制作#播放器

拾光播放器工具系列第二篇。上一篇介绍了字幕编辑器 Subtitle Edit（制作 / 校对 / 翻译软字幕），本篇推荐 VideOCR—— 专攻「硬字幕」提取：把已经烧录在视频画面里的字幕，通过 OCR 识别提取成可编辑的 .srt 字幕文件。

一、软件简介

VideOCR 是一款免费开源（FOSS）的视频硬字幕提取工具，通过简单易用的图形界面（GUI）即可操作，同时提供命令行（CLI）版本和 Docker 容器版本。支持 Windows / Linux。

  • GitHub 仓库：https://github.com/timminator/VideOCR
  • 两种识别引擎：
    • PaddleOCR（本地引擎）：100% 本地处理，无需联网，隐私安全
    • Google Lens（混合云引擎）：本地检测 + 云端文字识别，精度更高、速度更快，适合没有强力显卡的用户（需联网）
  • 三种使用形态：GUI 图形界面 / CLI 命令行 / Docker 容器

二、主要功能

  • 提取硬字幕：针对烧录进画面的字幕（无法像软字幕一样直接分离），通过 OCR 识别输出标准 .srt 字幕
  • 框选字幕区域：在视频预览中拖拽绘制裁剪框，只识别字幕区域，大幅提升精度与速度
  • 多语言支持：PaddleOCR 支持中文、英文、日文、韩文等多种语言；繁体中文可自动规范化为简体
  • 字幕位置对齐：通过 ASS 标签控制字幕在画面中的对齐方式（左上 / 中下 / 右下等 9 个方位）
  • 精确时间轴：支持 time_start / time_end 截取片段识别、frames_to_skip 跳帧采样、min_subtitle_duration 过滤短字幕
  • 智能去重合并：基于 Levenshtein 相似度合并重复字幕行，基于 SSIM 帧相似度跳过重复画面，减少无效识别
  • 调优参数丰富：置信度阈值、相似度阈值、亮度阈值、最大合并间隔等均可调整
  • 后处理修复：自动补全 OCR 常见的缺空格问题（支持英文、西语、葡语、德语、意大利语、法语）
  • 输出格式：标准 .srt 字幕文件

三、最新版本：v1.6.0

发布于 2026-09-09（发布页：下载附件登录后可见）

更新亮点

  • 支持新版 PaddleOCR v3.7.0：中、英、日、拉丁语识别精度显著提升，其他语言的检测模型也同步受益
  • 新增保存标注图像选项：可保存带检测框 / 识别文本的 OCR 图像，便于审查与调试识别结果（目前仅限 PaddleOCR 引擎）
  • 新增拖放支持：可直接把视频拖入窗口（受上游问题影响，目前仅 Windows 可用）
  • 新增关闭帧拼接选项：逐帧独立识别，可提升精度（代价是速度下降）
  • 新增复制 CLI 命令到剪贴板功能
  • 新增恢复默认设置选项
  • 修复了部分视频文件导致 GUI 视频预览崩溃的问题、GUI 中 PaddleOCR 语言列表错误
  • 应用亮度阈值时性能提升；GUI 与 CLI 可执行文件体积进一步缩减

四、下载（v1.6.0）

发布页：下载附件登录后可见

Windows

Linux

GPU 版本选择提示

版本CUDA适用 NVIDIA 显卡最低驱动（Linux / Windows）
CUDA 11.811.810 系列（计算能力 ≥ 3.5）450.80.02 / 452.39
CUDA 12.912.916 ~ 50 系列（计算能力 ≥ 5.0）525.60.13 / 528.33

不确定自己显卡属于哪个版本？NVIDIA 显卡可查询「计算能力（Compute Capability）」：≥ 3.5 且 < 5.0 选 CUDA 11.8 版，≥ 5.0 选 CUDA 12.9 版，或者把自己显卡的型号截图发给豆包，让豆包告诉你需要下载哪个版本。

系统要求

  • Linux 版需要 glibc 2.35 或更新版本（终端执行 ldd --version 即可查看）
  • GPU 版需要 NVIDIA 显卡与对应驱动；CPU 版无需独显

—

五、安装与使用

Windows

  • 直接运行 setup 安装程序安装；或解压绿色版文件夹到任意位置使用

Linux

  1. 下载对应版本的 .7z 压缩包并解压到目标位置
  2. （可选）解压后在终端执行 ./install_videocr.sh 创建应用菜单快捷方式
  3. 移除快捷方式：./uninstall_videocr.sh

Docker（CLI 版可完全容器化运行）

预构建镜像已发布在 GitHub Container Registry，直接拉取即可：

# CPU 版
docker pull ghcr.io/timminator/videocr-cli-cpu:latest
# GPU 版（CUDA 11.8，NVIDIA 10 系列）
docker pull ghcr.io/timminator/videocr-cli-gpu-cuda11.8:latest
# GPU 版（CUDA 12.9，NVIDIA 16~50 系列）
docker pull ghcr.io/timminator/videocr-cli-gpu-cuda12.9:latest

GPU 加速需宿主机安装 NVIDIA Container Toolkit。

基本用法（GUI）

导入视频 → 通过时间轴或方向键定位 → 在字幕区域拖拽绘制裁剪框 → 点击 Run 开始提取。更多参数在「Advanced Settings」选项卡中配置。

基本用法（CLI）

Windows 示例：

.\videocr-cli.exe --video_path "视频路径\example.mp4" --output "字幕输出路径\example.srt" --lang en --time_start "18:40" --use_gpu true

Docker GPU 示例（需用 -v 把本地视频目录挂载到容器 /data）：

docker run --rm -it --gpus all \
  -v /path/to/your/local/videos:/data \
  ghcr.io/timminator/videocr-cli-gpu-cuda12.9:latest \
  --video_path /data/my_video.mp4 \
  --output /data/my_subtitle.srt \
  --use_gpu true

—

六、性能与调优技巧

  • 性能建议：本地 PaddleOCR 在 CPU 上较慢，强烈建议搭配 GPU 使用；没有强力显卡的用户可改用 google_lens 引擎，把最耗资源的文字识别放到云端，速度快且精度高（需联网）
  • 框选技巧：裁剪框上下留一点缓冲空间可提高识别准确率，但框不要拉得过大
  • 更快 vs 更准速查表：
目标更快的速度更高的精度
输入视频质量用较低分辨率用较高分辨率
frames_to_skip 跳帧数调大调小（时间轴最精确需设为 0）
SSIM threshold 帧相似阈值调低调高（跳过的相似帧越少越准）
  • 常见参数：conf_threshold（置信度阈值，默认 75）、sim_threshold（字幕行相似度，默认 80）、max_merge_gap（最大合并间隔，默认 0.09 秒）、brightness_threshold（亮度阈值，可优化白字字幕识别）

—

七、相关链接

如果官方下载链接打不开可以在网盘中下载：

  • 百度网盘：
  • 夸克网盘：

本帖含登录后可见的附件 / 下载内容，登录后即可查看。

举报此帖 · 查看我的举报

回帖 0

还没有回帖，来发表第一条吧。