subtile-ocr

subtile-ocr 是一个快速且精确的 DVD VobSub 到 SRT 字幕转换工具。它最初是 vobsubocr 的分支。

背景

不幸的是，DVD 字幕基本上是以一系列图像的形式编码的。这在使用需要字幕文本表示的情况下会带来问题，例如语言学习。 subtile-ocr 可以通过从输入的 VobSub 文件生成 SRT 字幕来解决此问题，利用了 Tesseract 的功能。

安装

使用 cargo 安装最新版本

cargo install subtile-ocr

或者，从 git 安装开发版本

cargo install --git https://github.com/gwen-lg/subtile-ocr

您需要安装 Tesseract 的开发库；有关更多详细信息，请参阅 leptess 读取。如果您使用 Nix，提供的 shell.nix 提供了一个具有所有必要依赖项的环境。

用法

# Convert simplified Chinese vobsub subtitles and print them to stdout.
subtile-ocr -l chi_sim shrek_chi.idx

# Convert English vobsub subtitles and write them to a file named "shrek_eng.srt".
subtile-ocr -l eng -o shrek_eng.srt shrek_eng.idx

我们还可以使用 -c 为 Tesseract 指定更多高级配置选项。

# Convert subtitles and blacklist the specified characters from being (mistakenly) recognized.
subtile-ocr -l eng -c tessedit_char_blacklist='|\/`_~' shrek_eng.idx

它是如何工作的/与类似工具相比如何？

与 subtile-ocr 最相似的工具是 VobSub2SRT，但 subtile-ocr 的输出明显更好，尤其是在非英语语言方面，主要是因为 VobSub2SRT 在将图像发送到 Tesseract 之前根本不做任何预处理。例如，Tesseract 4.0 预期黑色文本在白色背景上，而 VobSub2SRT 并不能保证这一点，但 subtile-ocr 可以。此外，subtile-ocr 将每一行分割成单独的图像，以利用页面分割方法 7，这极大地提高了非英语语言的准确性。

有关如何提高 Tesseract 输出准确性的官方文档可以在 此处查看。

杂项笔记

根据我的理解，Tesseract模型chi_sim和chi_tra可以处理简体和繁体中文文本，但会自动将文本转换为各自的形式。