如何对内封的sup字幕进行提取并OCR？

hexiong26032 · 发表于 25-9-4 23:46

本帖最后由 hexiong26032 于 25-9-6 11:48 编辑

前面有朋友要求提供Subtitle Edit的中文字典，猜想该朋友应该是用来用来OCR字幕，也有朋友提醒该方法并不好，有鉴于此，所以我将自己的方法做一个总结，如有不对之处敬请各位朋友批评指正！如果朋友们有更好的方法只要不花钱的，也请提供方法共同学习!
首先我们安装了Subtitle Edit后是可以下载中文字典的，为什么有的朋友用不上呢或者下载速度超级慢呢？原因是被墙？所以
第一步，我们先下载第一个软件Watt Toolkit，百度一搜索就有，这是一个加速器，我们选择如图加速功能，并选择一键加速，特别是我们访问大名鼎鼎的https://github.com/网站时，非常方便！当我们选择好一键加速后，这个时候应该再安装Subtitle Edit的中文或者其他提供的其他国家的字典就非常容易了？不过中文字典对应简繁分别有两种，第二种非常不好，不知道什么原因？

第二步，选择OCR方式，这里我们选择Tesseract OCR 引擎如图所示，因为Tesseract: 3.0.2已经是很久以前的OCR，所以我们选择高一点的版本Tesseract: 5.3.3，，事实上OCR 引擎在2024年已经升级到了5.4.0，只是在了Subtitle Edit这款软件中仍然用的是Tesseract: 5.3.3版本，如果我们直接在Subtitle Edit选择Tesseract: 5.3.3可以下载，但是安装不上，这个时候我们可以变通一下，我们在https://digi.bib.uni-mannheim.de/tesseract/，选择对应版本下载并安装，我选择的是64位Tesseract: 5.4.0的版本，当然选择Tesseract: 5.3.3也是可以的。

第三步，我们将安装好的Tesseract: 5.4.0在C盘找到并将文件夹重名Tesseract533，并拷贝到Subtitle Edit的运行目录下，这点至关重要，有的朋友采用查找属性的方式，找到Subtitle Edit的安装目录，移动的位置错了

这是安装目录下是错的

这才是运行目录

此时，我们在安装了中文字典或者其他国家的字典就可以愉快的进行sup字幕进行OCR转字幕了，选择导入蓝光字幕以ocr,其实平时我只是用这种方法来转DVD连续剧的原盘字幕，如果要采用上述方法肯定可以，但是错别字相对很多，后期校正真是头大。所以我们可以采用另外一种方法
首先我们将视频中内封的sup字幕提取出来，至于srt字幕或者ass字幕，我们只需要用PotPlayer 64 bit或者爱奇艺万能联播旧版播放时直接选中字幕并另存就可以了，如果是sup字幕，gMKVExtractGUI v2.5.2 Chs来提取，注意不是MKVToolNix GUI，二者有关联但是不是同款软件，方法非常简单，将视频拖进去选择你所想要提取的sup字幕并选择提取就可以了

第一步，我们用bdsup2sub++1.0.2_Win32选择提取出来的sup字幕，并保存生成如图的两个文件，类似于DVD字幕文件样式

第二步，我们要用到一个大名顶顶的软件IdxSubOcr，可以到华军软件园下载，https://www.onlinedown.net/soft/71622.htm，提醒一下该软件只能识别中文、英文、日文，并且该软件在之前依赖于office 2003 MODI, MODI(Microsoft Office Document Imaging)是Microsoft Office套件中的一个OCR(光学字符识别)组件,所以我们先要完整安装office 2003，所以下载的office2003不要用那种精简的安装包，切记切记！如果安装了office高版本的朋友，可能要完整地卸载后，再安装office 2003后，然后安装modi2003，如果识别繁体或者日文这个时候，你还得安装MODI日文支持包和MODI中文繁体支持包，链接迅雷云盘：https://pan.xunlei.com/s/VOZRzlnTdtrNDeNiRKkTLriLA1 提取码：8jpn
后来老马做了改进，不需要安装office，也可以独立的安装modi，链接迅雷云盘：https://pan.xunlei.com/s/VOZRynZ1Sa0bIG2ZC9yP386WA1
提取码：8b9u，相应的方法或者软件找度娘搜索一下应该就有！采用该方法相较于Subtitle Edit速度更快！准确度更高！

最后郑重提醒如果想要将别人的sup字幕变成自己的作品特别是对于论坛内最好找原作者索要，我们很多作者其实心地很好，只要不滥用，特别是你想要制作特效字幕，往往作者都会提供ass字幕比你花了大力气去弄即省时由省力，不要私自用了以后发在别的论坛，大家也知道论坛账号来自不易！

soai · 发表于 25-9-5 09:10

大佬厉害了，学习学习

午夜骑士 · 发表于 25-9-5 09:51

感谢大佬无私赐教，收藏起来学习

fftjohn · 发表于 25-9-5 09:58

感谢教程贴，这个正需要

kingluluj · 发表于 25-9-5 10:00

感谢教程分享

zhangyun_1 · 发表于 25-9-5 14:19

先收藏了，等有时间再试试，感谢楼主分享。

wanshua · 发表于 25-9-5 14:46

教程真细致，收藏了~

慕容雪虎 · 发表于 25-9-5 15:09

专业的技术教学，谢谢熊大！

lzgyc · 发表于 25-9-5 16:01

好教程，收藏学习啦!

sulliven980 · 发表于 25-9-6 15:05

牛逼，火钳刘明

foolish9 · 发表于 25-9-6 19:39

特效的提取出来有用吗？

Chongzi · 发表于 25-9-7 17:33

Tesseract去年11月已更新到5.5版本了，不过它对中文支持不友好啊，IdxSubOcr 2.0版开始已支持sup OCR了，不用转idx了。推荐Subtitle Edit + PaddleOCR引擎，比IdxSubOcr更强大，对中英文支持较好，准确率也更高点，还支持中英双语字幕识别，不过两者对标点特殊符号的识别都还有待提高。

hexiong26032 · 发表于 25-9-7 20:38

Chongzi 发表于 25-9-7 17:33
Tesseract去年11月已更新到5.5版本了，不过它对中文支持不友好啊，IdxSubOcr 2.0版开始已支持sup OCR了，不 ...

感谢提醒

hexiong26032 · 发表于 25-9-7 20:39

Chongzi 发表于 25-9-7 17:33
Tesseract去年11月已更新到5.5版本了，不过它对中文支持不友好啊，IdxSubOcr 2.0版开始已支持sup OCR了，不 ...

谢谢chongzi提醒，能不能写篇教程介绍一下怎么使用呢？

Chongzi · 发表于 25-9-7 21:10

hexiong26032 发表于 25-9-7 20:39
谢谢chongzi提醒，能不能写篇教程介绍一下怎么使用呢？

可以，过两天抽时间发个帖吧，我也是前段时间研究了一下，自动安装引擎网络不好或没魔法的话基本安装不起，手动安装的具体方法也似乎没人讲，对没安装过的人来说确实不怎么友好，可能是SE支持PaddleOcr不久吧，还好搞明白了怎么手动安装，其实也挺简单的，过两天就讲下手动安装方法吧。

fengfa · 发表于 25-9-8 11:42

很好的科普文，学习了，感谢大佬！

		自动登录	找回密码
密码			立即注册

[字幕技术] 如何对内封的sup字幕进行提取并OCR？

本帖子中包含更多资源

评分