Tesseract OCR
Öffnet DVD- und Blu-ray-Untertitel, die Bilder statt Text sind, indem Tesseract 5.5 die Wörter darin liest. Zeiten und Positionen bleiben, wie sie waren, und den Text können Sie bearbeiten, übersetzen und in jedem Format speichern. Es läuft auf dem Prozessor Ihres eigenen Computers, offline, in mehr als hundert Sprachen.
Einstellungen Erweiterungen Tesseract OCR Installieren
Subtitld lädt sie herunter, prüft ihren SHA-256-Wert und hält sie aktuell.
- Sprachen
- 108
- Modelle
- 2
- Download der Erweiterung
- 13–22 MB
- RAM, mindestens
- 256 MB
Braucht ein neueres Subtitld. Die Erweiterung ist im Katalog, aber das Lesen von Bilduntertiteln kommt mit der Version nach Subtitld 26.10. Subtitld 26.10 kann sie installieren und macht nichts damit.
Was sie tut
DVDs und Blu-rays tragen Untertitel als Bilder: VobSub (.idx und .sub) und PGS (.sup). Subtitld holt jeden davon aus der Datei, und Tesseract liest seine Wörter, sodass Sie gewöhnliche Untertitel zum Bearbeiten bekommen.
Jeder Untertitel behält Anfang und Ende seines Bildes. Untertitel, die oben im Bild stehen, bleiben oben.
Bilduntertitelspuren in einer MKV oder einem anderen Video werden genauso gelesen, über das Panel Import.
Keine Grafikkarte und kein Internet, sobald eine Sprache da ist. Die rund tausend Untertitel eines Films dauern etwa eine Minute.
Eine Datei öffnen
Öffnen Sie die .idx-, .sub- oder .sup-Datei wie jede andere Untertiteldatei. Subtitld erkennt, dass ihre Untertitel Bilder sind, und fragt, in welcher Sprache sie sind: Tesseract liest besser, wenn es das weiß. Die .idx eines VobSub nennt meist ihre Sprache, und Subtitld wählt sie für Sie; eine .sup tut das nie, prüfen Sie es also. Klicken Sie dann auf Lesen.
Ein Balken zeigt den Fortschritt beim Lesen, und das Schließen des Dialogs bricht es ab. Untertitel, bei denen Tesseract unsicher ist, werden ein zweites Mal mit umgekehrten Farben gelesen, was bei Discs hilft, die dunkle Buchstaben mit heller Kontur zeichnen. Danach öffnen sich die Untertitel im Editor wie alle anderen.
Speichern schreibt eine neue Datei, als .usfx oder in jedem Format über Export. Die geöffnete .idx, .sub oder .sup wird nie verändert.
Ohne die Erweiterung meldet Subtitld, dass die Untertitel Bilder sind und dass diese Erweiterung sie liest.
Untertitel in einem Video
Wählen Sie im Panel Import die Option Subtitles in the video. Mit installierter Erweiterung lassen sich auch die Blu-ray- (PGS) und DVD-Spuren (VobSub) des Videos wählen: Sie erscheinen als Bilder, gelesen von Tesseract OCR. Hat das Video beides, werden Textspuren weiterhin bevorzugt.
DVB-Untertitel (aus TV-Aufnahmen) und XSUB (aus manchen DivX-Dateien) können noch nicht gelesen werden.
Modelle
Tesseract liest mit einem Modell pro Sprache, aus dem tessdata_fast-Satz des Tesseract-Projekts: den schnellen Modellen, je 1 bis 12 MB. Englisch steckt in der Erweiterung. Jede andere Sprache wird in den gemeinsamen Modell-Cache von Subtitld geladen, wenn zum ersten Mal ein Untertitel in ihr gelesen wird, aus einer festen Version von tessdata_fast, jede Datei gegen ihren Fingerabdruck geprüft. Aktualisieren oder Entfernen der Erweiterung behält sie.
| Modell | Download | Geeignet für |
|---|---|---|
| English (tessdata_fast) Standard eng | Englisch, in der Erweiterung enthalten | |
| Other languages (tessdata_fast, one file per language) tessdata_fast | Jede andere Sprache, je eine Datei, heruntergeladen, wenn ein Untertitel sie zum ersten Mal braucht |
Optionen
In Einstellungen › Erweiterungen › Tesseract OCR › Konfigurieren.
Tesseract liest Anführungszeichen als typografische. Eingeschaltet werden sie gerade, wie die meisten Untertiteldateien sie schreiben; schalten Sie es aus, um sie typografisch zu lassen.
Sprachen
Mehr als hundert, darunter lateinische, kyrillische, griechische, arabische, hebräische, indische, chinesische, japanische und koreanische Schriften. Für Chinesisch gibt es zwei Modelle, vereinfacht und traditionell: Subtitld wählt traditionell für zh-TW und zh-HK. Serbisch, Aserbaidschanisch und Usbekisch, die in zwei Schriften geschrieben werden, werden in ihrer üblichen gelesen, sofern die Sprache nicht die andere nennt.
afamarasazbebgbnbobrbscacebchrcocscydadedvdzeleneoeseteufafifilfofrfygagdglguhehihrhthuhyidisitiujajvkakkkmknkokukylalbloltlvmimkmlmnmrmsmtmynenlnoocorpaplpsptqurorusasdsiskslsqsrsusvswsyrtatetgthtitotrttugukuruzviyiyozh
Saubere, schlichte Untertitel liest Tesseract sehr gut. Weniger gut gelingt es bei kleiner, fetter DVD-Schrift, wo ein oder zwei Wörter falsch herauskommen können ("net" für "not"): Lesen Sie die Untertitel durch, bevor Sie sie verwenden.
Plattformen
| System | Download | Getestet |
|---|---|---|
| Linux x86-64 | 21.6 MB | VobSub- und PGS-Dateien in Subtitld gelesen, auf einem echten Rechner und in der CI |
| macOS (Apple Silicon) | 18.0 MB | Test-Untertitel in der CI gelesen (Apple Silicon) |
| Windows x86-64 | 12.9 MB | Test-Untertitel in der CI gelesen |
Linux x86-64 (glibc 2.35 oder neuer, wie unter Ubuntu 22.04, Debian 12 und RHEL 9), macOS auf Apple Silicon und Windows x86-64. Tesseract wird für jede davon aus seinen eigenen Quellen gebaut, ohne dass daneben etwas zu installieren ist. Auf jeder installiert die CI die Erweiterung so, wie Subtitld es tut, und liest damit Test-Untertitel, einen davon in einer Sprache, die sie herunterlädt.
Fehlerbehebung
networkEin Sprachmodell konnte nicht heruntergeladen werden. Prüfen Sie Ihre Verbindung und öffnen Sie die Datei erneut.unsupported_languageTesseract hat kein Modell für die gewählte Sprache. Wählen Sie die Sprache im Dialog erneut; für eine Sprache, die es nicht kennt, liest eine verwandte in derselben Schrift oft gut.model_missingEine Datei, die die Erweiterung braucht, fehlt. Installieren Sie sie im Panel Add-ons neu.oomDem Computer ist der Arbeitsspeicher ausgegangen. Schließen Sie andere Programme und lesen Sie die Untertitel erneut.bad_paramsSubtitld hat etwas verlangt, das die Erweiterung nicht versteht. Aktualisieren Sie beide.internalIn der Erweiterung ist etwas fehlgeschlagen; die Meldung enthält die Details.
Lizenz
Für kommerzielle Arbeit geeignet: Die Erweiterung, Tesseract und die tessdata_fast-Modelle stehen unter Apache-2.0, Leptonica unter BSD. Der gelesene Text gehört Ihnen, aber die Untertitel auf einer Disc gehören denen, die sie gemacht haben: Nutzen Sie sie so, wie ihre Lizenz es erlaubt.
Versionen
- 26.11.1
The first release. Subtitld decodes DVD VobSub (.idx/.sub) and Blu-ray PGS (.sup) subtitles, and the picture tracks of videos, into one picture per subtitle; this add-on reads the text in each with Tesseract 5.5.4 (LSTM engine, tessdata_fast models). It reads several pictures at once, reports progress after each, and stops when cancelled.
English is included. Any of 100 other languages downloads the first time a subtitle needs it (1 to 12 MB each), checked against a pinned sha256. Straight quotes in place of curly ones are a setting.
Runs on the CPU, on Linux x86-64, Windows x86-64 and macOS on Apple Silicon. Needs a Subtitld that knows the ocr.recognize task.