企业官网建设流程全解析

视频字幕提取指南：本地 OCR 一键把硬字幕转成 srt 文件

【免费下载链接】video-subtitle-extractor视频硬字幕提取，生成srt文件。无需申请第三方API，本地实现文本识别。基于深度学习的视频字幕提取框架，包含字幕区域检测、字幕内容提取。A GUI tool for extracting hard-coded subtitle (hardsub) from videos and generating srt files.项目地址: https://gitcode.com/gh_mirrors/vi/video-subtitle-extractor

Video-subtitle-extractor（VSE）是一款开源的视频字幕提取工具，能在你自己的电脑上把视频里的硬字幕识别出来，并导出为外挂 srt 文件，全程本地运行、无需申请任何第三方 OCR API。项目内置 87 种语言的识别模型，支持批量处理多个视频，适合外语学习、影视资源整理和内容二创人群。

快速上手

拿到项目有两条路：普通用户直接下载 Release 里的压缩包解压即可运行；开发者则从仓库拉取源码。

git clone https://gitcode.com/gh_mirrors/vi/video-subtitle-extractor

源码运行要求 Python 3.12 及以上版本：先在项目目录创建虚拟环境，按 requirements.txt 安装依赖（其中包含 PaddlePaddle，没有独立显卡的机器安装 CPU 版即可），然后启动图形界面。

python gui.py

启动后点【打开】选择视频，右侧选好语言与识别模式，点【运行】即可。命令行用户也可以执行python backend/main.py走 CLI 流程。界面布局如下：上方是视频预览，下方滚动输出日志，右下角的任务列表会显示每个视频的处理进度。


核心能力拆解

上手之后，可以留意这四项能力，它们决定了这份字幕"干不干净、全不全"。

本地完成识别，不碰在线服务

检测与识别模型都打包在仓库内（位于backend/models/V5/目录），文字识别在你本机跑完，字幕内容不会传往任何服务器，断网环境也能用，处理隐私素材更放心。

自动锁定字幕区域，滤掉水印台标

打开视频后，程序会先判断字幕大致出现在画面哪里，并用绿色框标在预览中，你可以拖动修正。由于台标、水印的位置长期不变而字幕持续跳动，算法据此区分两者，导出的 srt 不会被固定杂音刷屏。

一次多选，批量生成外挂字幕

一次勾选多个视频，程序按顺序排队处理，每个视频各生成一份独立 srt，也可顺手导出 txt 纯文本。注意同一批视频的分辨率与字幕位置应保持一致，批量效果才稳定。

87 种语言，小语种也覆盖

右侧的"视频的语言"下拉框决定使用哪套识别模型。除简体中文（含中英混排）、繁体中文、英文、日语、韩语、越南语外，阿拉伯语、西班牙语、俄语等语言也支持，学习材料里的小语种不必再找在线工具。

参数与模式调节

模式、区域、阈值三组设置分别管"快不快、认不认、干不干净"，按需调整即可：

• 识别模式：快速使用轻量模型，速度快但可能漏少量行、出现个别错字；自动按硬件分配模型（CPU 走轻量、GPU 走高精），是官方推荐的选择；精准逐帧检测不漏行但非常慢，仅在前两者漏行明显时启用。
• 字幕区域：默认框定在画面下方，字幕位置特殊时直接拖绿框，或在高级设置中修改区域坐标。
• 置信度阈值：默认 75，低于 0.75 置信度的文字直接丢弃；误识别多就调高，漏字多就调低。
• 文本相似度阈值：去重时判断两行是否为同一句字幕，值越高判断越严格。
• 采样频率：每秒抓取多少帧参与识别，默认 3 帧，调高更完整但更耗时。

文字层面的杂音交给替换规则处理：编辑backend/configs/typoMap.json，左侧填误识别原文、右侧填期望文本，例如把"威筋"改成"威胁"；右侧写空字符串则整条删除，常用来清掉固定出现的水印短句。

运行门槛与性能

基础配置并不高：双核 CPU、4GB 内存、2GB 可用磁盘（模型文件已随仓库提供），没有独立显卡也能用 CPU 模式跑通全流程，只是处理长视频会比较慢。

推荐配置则是带 NVIDIA 显卡（走 CUDA）或 AMD/Intel 显卡（走 DirectML）的机器，搭配 8GB 以上内存与固态硬盘。硬件加速的价值不只是提速：GPU 环境下自动模式会直接切到更大、更准的模型，加速后准确率与速度会同时提升。

排错手册

• 闪退或报未知错误：多半是视频文件路径或项目路径含中文、空格，将两者都挪到纯英文路径后重试。
• CUDA / cuDNN 报错、识别无结果：显卡驱动与安装的 CUDA、cuDNN 版本不匹配，按显卡型号安装对应组合（常见推荐是 CUDA 11.8 + cuDNN 8.6.0）。
• 漏字幕、缺行：先把识别模式从快速换成自动重跑，仍漏得明显时再启用精准模式。

写在最后

VSE 把"硬字幕变外挂"做成了完全离线的本地流程，语言学习者、影视资源整理者和二创作者都能直接受益。👉 下一步建议：克隆项目后，先拿仓库test/目录下自带的 test_cn.mp4 试跑一次，确认环境无误后再处理正式素材。

【免费下载链接】video-subtitle-extractor视频硬字幕提取，生成srt文件。无需申请第三方API，本地实现文本识别。基于深度学习的视频字幕提取框架，包含字幕区域检测、字幕内容提取。A GUI tool for extracting hard-coded subtitle (hardsub) from videos and generating srt files.项目地址: https://gitcode.com/gh_mirrors/vi/video-subtitle-extractor