Tesseract OCR
Abre subtítulos de DVD y Blu-ray que son imágenes, no texto, leyendo sus palabras con Tesseract 5.5. Sus tiempos y posiciones se quedan como estaban, y el texto es tuyo para editarlo, traducirlo y guardarlo en cualquier formato. Funciona en el procesador de tu propio ordenador, sin conexión, en más de cien idiomas.
Ajustes Complementos Tesseract OCR Instalar
Subtitld lo descarga, comprueba su SHA-256 y lo mantiene actualizado.
- Idiomas
- 108
- Modelos
- 2
- Descarga del complemento
- 13–22 MB
- RAM, como mínimo
- 256 MB
Necesita un Subtitld más reciente. El complemento está en el catálogo, pero la lectura de subtítulos en imagen llega con la versión posterior a Subtitld 26.10. Subtitld 26.10 puede instalarlo y no hace nada con él.
Qué hace
Los DVD y Blu-ray llevan los subtítulos como imágenes: VobSub (.idx y .sub) y PGS (.sup). Subtitld saca cada una del archivo y Tesseract lee sus palabras, así que obtienes subtítulos normales para editar.
Cada subtítulo conserva el inicio y el final de su imagen. Los subtítulos que se muestran en la parte superior de la pantalla siguen arriba.
Las pistas de subtítulos en imagen de un MKV u otro vídeo se leen igual, desde el panel Importar.
Sin tarjeta gráfica y sin internet una vez que el idioma está descargado. El millar de subtítulos de una película tarda alrededor de un minuto.
Abrir un archivo
Abre el archivo .idx, .sub o .sup como cualquier archivo de subtítulos. Subtitld ve que sus subtítulos son imágenes y pregunta en qué idioma están: Tesseract lee mejor cuando lo sabe. El .idx de un VobSub suele indicar su idioma, y Subtitld lo elige por ti; un .sup nunca lo hace, así que compruébalo. Luego haz clic en Leer.
Una barra muestra el avance de la lectura, y cerrar el diálogo la detiene. Los subtítulos de los que Tesseract no está seguro se leen una segunda vez con los colores invertidos, lo que ayuda en discos que dibujan letras oscuras con un contorno claro. Al terminar, los subtítulos se abren en el editor como cualquier otro.
Al guardar se escribe un archivo nuevo, como .usfx, o en cualquier formato desde Exportar. El .idx, .sub o .sup que abriste nunca se modifica.
Sin el complemento, Subtitld indica que los subtítulos son imágenes y que este complemento los lee.
Subtítulos dentro de un vídeo
En el panel Importar, elige Subtitles in the video. Con el complemento instalado, también se pueden elegir las pistas de Blu-ray (PGS) y DVD (VobSub) del vídeo: aparecen como imágenes, leídas por Tesseract OCR. Si el vídeo tiene ambas, se siguen prefiriendo las pistas de texto.
Los subtítulos DVB (de grabaciones de TV) y XSUB (de algunos archivos DivX) aún no se pueden leer.
Modelos
Tesseract lee con un modelo por idioma, del conjunto tessdata_fast del proyecto Tesseract: los modelos rápidos, de 1 a 12 MB cada uno. El inglés viene dentro del complemento. Cualquier otro idioma se descarga en la caché de modelos compartida de Subtitld la primera vez que se lee un subtítulo en él, desde una versión fija de tessdata_fast, con cada archivo comprobado contra su huella. Actualizar o quitar el complemento los conserva.
| Modelo | Descarga | Ideal para |
|---|---|---|
| English (tessdata_fast) Predeterminado eng | Inglés, incluido en el complemento | |
| Other languages (tessdata_fast, one file per language) tessdata_fast | Cualquier otro idioma, un archivo cada uno, descargado la primera vez que un subtítulo lo necesita |
Opciones
En Ajustes › Complementos › Tesseract OCR › Configurar.
Tesseract lee las comillas como tipográficas. Activado, se vuelven rectas, como las escriben la mayoría de los archivos de subtítulos; desactívalo para dejarlas tipográficas.
Idiomas
Más de cien, incluidas las escrituras latina, cirílica, griega, árabe, hebrea, índicas, china, japonesa y coreana. El chino tiene dos modelos, simplificado y tradicional: Subtitld elige el tradicional para zh-TW y zh-HK. El serbio, el azerí y el uzbeko, que se escriben con dos alfabetos, se leen en el habitual salvo que el idioma indique el otro.
afamarasazbebgbnbobrbscacebchrcocscydadedvdzeleneoeseteufafifilfofrfygagdglguhehihrhthuhyidisitiujajvkakkkmknkokukylalbloltlvmimkmlmnmrmsmtmynenlnoocorpaplpsptqurorusasdsiskslsqsrsusvswsyrtatetgthtitotrttugukuruzviyiyozh
Tesseract lee muy bien los subtítulos limpios y sencillos. Le cuesta más con la letra pequeña y en negrita de los DVD, donde alguna palabra puede salir mal ("net" por "not"): repasa los subtítulos antes de usarlos.
Plataformas
| Sistema | Descarga | Probado |
|---|---|---|
| Linux x86-64 | 21.6 MB | Leídos archivos VobSub y PGS en Subtitld, en una máquina real y en CI |
| macOS (Apple silicon) | 18.0 MB | Leídos subtítulos de prueba en CI (Apple Silicon) |
| Windows x86-64 | 12.9 MB | Leídos subtítulos de prueba en CI |
Linux x86-64 (glibc 2.35 o posterior, como en Ubuntu 22.04, Debian 12 y RHEL 9), macOS en Apple Silicon y Windows x86-64. Tesseract se compila desde su propio código fuente para cada una, sin nada que instalar aparte. En cada una, la CI instala el complemento como lo hace Subtitld y lee con él subtítulos de prueba, uno de ellos en un idioma que descarga.
Solución de problemas
networkNo se pudo descargar un modelo de idioma. Comprueba tu conexión y vuelve a abrir el archivo.unsupported_languageTesseract no tiene modelo para el idioma elegido. Vuelve a elegir el idioma en el diálogo; para un idioma que no conoce, uno emparentado con la misma escritura suele leerse bien.model_missingFalta un archivo que el complemento necesita. Reinstálalo desde el panel Complementos.oomEl ordenador se quedó sin memoria. Cierra otros programas y vuelve a leer los subtítulos.bad_paramsSubtitld pidió algo que el complemento no entiende. Actualiza ambos.internalAlgo falló dentro del complemento; el mensaje tiene los detalles.
Licencia
Apto para uso comercial: el complemento, Tesseract y los modelos tessdata_fast son Apache-2.0, y Leptonica es BSD. El texto que lees es tuyo, pero los subtítulos de un disco pertenecen a quien los hizo: úsalos como su licencia te permita.
Versiones
- 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.