Tesseract OCR
Ouvre les sous-titres de DVD et de Blu-ray qui sont des images, et non du texte, en lisant leurs mots avec Tesseract 5.5. Leurs temps et leurs positions restent tels quels, et le texte est à vous : modifiez-le, traduisez-le et enregistrez-le dans n'importe quel format. Tout tourne sur le processeur de votre ordinateur, hors ligne, dans plus de cent langues.
Paramètres Extensions Tesseract OCR Installer
Subtitld la télécharge, vérifie son SHA-256 et la tient à jour.
- Langues
- 108
- Modèles
- 2
- Téléchargement de l'extension
- 13–22 MB
- RAM, au minimum
- 256 MB
Demande un Subtitld plus récent. L'extension est dans le catalogue, mais la lecture des sous-titres en image arrive avec la version qui suit Subtitld 26.10. Subtitld 26.10 peut l'installer et n'en fait rien.
Ce qu'elle fait
Les DVD et Blu-ray portent leurs sous-titres sous forme d'images : VobSub (.idx et .sub) et PGS (.sup). Subtitld extrait chacune du fichier et Tesseract lit ses mots, si bien que vous obtenez des sous-titres ordinaires à modifier.
Chaque sous-titre garde le début et la fin de son image. Les sous-titres affichés en haut de l'écran restent en haut.
Les pistes de sous-titres en image d'un MKV ou d'une autre vidéo se lisent de la même façon, depuis le panneau Importer.
Ni carte graphique ni internet une fois la langue présente. Le millier de sous-titres d'un film prend environ une minute.
Ouvrir un fichier
Ouvrez le fichier .idx, .sub ou .sup comme n'importe quel fichier de sous-titres. Subtitld voit que ses sous-titres sont des images et demande dans quelle langue ils sont : Tesseract lit mieux quand il le sait. Le .idx d'un VobSub indique généralement sa langue, et Subtitld la choisit pour vous ; un .sup ne le fait jamais, alors vérifiez-la. Cliquez ensuite sur Lire.
Une barre montre l'avancement de la lecture, et fermer la boîte de dialogue l'arrête. Les sous-titres dont Tesseract n'est pas sûr sont relus une seconde fois avec leurs couleurs inversées, ce qui aide sur les disques qui dessinent des lettres sombres avec un contour clair. À la fin, les sous-titres s'ouvrent dans l'éditeur comme les autres.
L'enregistrement écrit un nouveau fichier, en .usfx, ou dans n'importe quel format depuis Exporter. Le .idx, .sub ou .sup que vous avez ouvert n'est jamais modifié.
Sans l'extension, Subtitld indique que les sous-titres sont des images et que cette extension les lit.
Sous-titres dans une vidéo
Dans le panneau Importer, choisissez Subtitles in the video. Avec l'extension installée, les pistes Blu-ray (PGS) et DVD (VobSub) de la vidéo peuvent aussi être choisies : elles apparaissent comme images, lues par Tesseract OCR. Les pistes texte restent préférées quand la vidéo a les deux.
Les sous-titres DVB (des enregistrements TV) et XSUB (de certains fichiers DivX) ne peuvent pas encore être lus.
Modèles
Tesseract lit avec un modèle par langue, tiré de l'ensemble tessdata_fast du projet Tesseract : les modèles rapides, de 1 à 12 Mo chacun. L'anglais est dans l'extension. Toute autre langue se télécharge dans le cache de modèles partagé de Subtitld la première fois qu'un sous-titre dans cette langue est lu, depuis une version fixée de tessdata_fast, chaque fichier vérifié par son empreinte. Mettre à jour ou supprimer l'extension les conserve.
| Modèle | Téléchargement | Idéal pour |
|---|---|---|
| English (tessdata_fast) Par défaut eng | Anglais, inclus dans l'extension | |
| Other languages (tessdata_fast, one file per language) tessdata_fast | Toutes les autres langues, un fichier chacune, téléchargé la première fois qu'un sous-titre en a besoin |
Options
Dans Paramètres › Extensions › Tesseract OCR › Configurer.
Tesseract lit les guillemets comme des guillemets typographiques. Activé, ils deviennent droits, comme les écrivent la plupart des fichiers de sous-titres ; désactivez-le pour les garder typographiques.
Langues
Plus de cent, dont les écritures latine, cyrillique, grecque, arabe, hébraïque, indiennes, chinoise, japonaise et coréenne. Le chinois a deux modèles, simplifié et traditionnel : Subtitld choisit le traditionnel pour zh-TW et zh-HK. Le serbe, l'azéri et l'ouzbek, qui s'écrivent dans deux alphabets, sont lus dans leur alphabet habituel, sauf si la langue désigne l'autre.
afamarasazbebgbnbobrbscacebchrcocscydadedvdzeleneoeseteufafifilfofrfygagdglguhehihrhthuhyidisitiujajvkakkkmknkokukylalbloltlvmimkmlmnmrmsmtmynenlnoocorpaplpsptqurorusasdsiskslsqsrsusvswsyrtatetgthtitotrttugukuruzviyiyozh
Tesseract lit très bien les sous-titres nets et simples. Il s'en sort moins bien avec les petits caractères gras des DVD, où un mot ou deux peuvent sortir faux ("net" pour "not") : relisez les sous-titres avant de les utiliser.
Plateformes
| Système | Téléchargement | Testé |
|---|---|---|
| Linux x86-64 | 21.6 MB | Fichiers VobSub et PGS lus dans Subtitld, sur une vraie machine et en CI |
| macOS (Apple silicon) | 18.0 MB | Sous-titres de test lus en CI (Apple Silicon) |
| Windows x86-64 | 12.9 MB | Sous-titres de test lus en CI |
Linux x86-64 (glibc 2.35 ou plus récente, comme sur Ubuntu 22.04, Debian 12 et RHEL 9), macOS sur Apple Silicon et Windows x86-64. Tesseract est compilé depuis ses propres sources pour chacune, sans rien à installer à côté. Sur chacune, la CI installe l'extension comme le fait Subtitld et lit avec elle des sous-titres de test, dont un dans une langue qu'elle télécharge.
Dépannage
networkUn modèle de langue n'a pas pu être téléchargé. Vérifiez votre connexion et rouvrez le fichier.unsupported_languageTesseract n'a pas de modèle pour la langue choisie. Choisissez de nouveau la langue dans la boîte de dialogue ; pour une langue qu'il ne connaît pas, une langue proche de même écriture se lit souvent bien.model_missingUn fichier dont l'extension a besoin manque. Réinstallez-la depuis le panneau Modules.oomL'ordinateur a manqué de mémoire. Fermez d'autres programmes et relisez les sous-titres.bad_paramsSubtitld a demandé quelque chose que l'extension ne comprend pas. Mettez les deux à jour.internalQuelque chose a échoué dans l'extension ; le message donne les détails.
Licence
Utilisable pour un usage commercial : l'extension, Tesseract et les modèles tessdata_fast sont sous Apache-2.0, et Leptonica sous BSD. Le texte que vous lisez vous appartient, mais les sous-titres d'un disque appartiennent à ceux qui les ont faits : utilisez-les comme leur licence le permet.
Versions
- 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.