ダウンロード

PP-OCRv5 (offline OCR)

画像の字幕オフラインCPU のみ商用利用可

DVD や Blu-ray の字幕はテキストではなく画像です。PaddleOCR の PP-OCRv5 でそれを開き、編集できる字幕にします。グラフィックスカードもアカウントも不要で、お使いのコンピューターのプロセッサーで読み取り、映画1本で1〜2分ほどです。何もコンピューターの外に出ません。

Subtitld からインストール

設定 アドオン PP-OCRv5 (offline OCR) インストール

Subtitld がダウンロードして SHA-256 を確認し、最新の状態に保ちます。

GitHub のソース
言語
77
モデル
12
アドオンのダウンロード
127–150 MB
RAM（最低）
512 MB

機能

DVD と Blu-ray の字幕

DVD の字幕（VobSub、.idx とその .sub）と Blu-ray の字幕（PGS、.sup）は画像として描かれています。PP-OCRv5 はすべての画像をテキストとして読み取るので、編集、タイミング調整、翻訳ができ、SRT などどの形式でも保存できます。

ファイルでも、動画内のトラックでも

字幕ファイルそのものを開くことも、MKV、MP4、TS から画像のトラックを直接読み取ることもできます。

タイミングと位置もそのまま

各字幕は元の開始と終了の時間を保ち、画面の上部に描かれた字幕は上部のままです。

オフライン、ダウンロード不要

12個のモデルはすべてアドオンに含まれています。プロセッサーで動作し、1行あたり約 25 ms。何もコンピューターの外に出ません。

インストールの前に

このアドオンは、26.10 より新しいバージョンの Subtitld でのみ動作します。画像の字幕を開けるのは、そこからです。古いバージョンでも一覧には表示されますが、アドオンを使う機能がありません。

  • ディスク： インストール後に約 260 MB。すべてのモデルを含みます。
  • メモリ： 読み取り中に約 512 MB の空き。
  • プロセッサー： 64 ビットの Intel または AMD のプロセッサーならどれでも、または Apple Silicon。グラフィックスカードは使いません。

画像の字幕を開く

字幕ファイル。 .idx、.sub、.sup は、ほかの字幕ファイルと同じように開きます。Subtitld は 字幕の言語 を尋ね（ファイル名に言語が含まれていれば設定済みです）、DVD のファイルに複数ある場合は トラック も尋ねます。テキストとして読み取る をクリックします。読み取りの進み具合はプログレスバーに表示され、ウィンドウを閉じると止まります。

字幕は新しいプロジェクトとして開かれ、ファイルの隣に同じ名前の SRT として保存されます。元の画像を上書きすることはなく、すでにある SRT も上書きしません。その場合は film (2).srt のように番号が付きます。

動画内のトラック。 動画を開き、インポートタブで Subtitles in the video を選びます。画像のトラックは、字幕トラック の一覧に 画像、OCR で読み取り と表示されます。1つ選んで インポート をクリックします。

DVD によくあるように、連続する画像で繰り返される字幕は、1つの字幕として取り込まれます。保存する前にテキストを確認してください。OCR は形の似た文字を取り違えることがあり、斜体や珍しいフォントは読み取りの精度が下がります。

モデル

文字体系ごとに1つのモデルがあり、字幕の言語から選ばれます。PP-OCRv5 のモバイル認識モデルで、RapidAI が公開している ONNX 版です。アドオンに含まれており、ビルド時に固定されたフィンガープリントと照合されます。使うときに何かがダウンロードされることはありません。

モデル サイズ向いている用途
English (en_PP-OCRv5_mobile_rec) en
8 MB
英語
Latin script (latin_PP-OCRv5_mobile_rec) 既定 latin
8 MB
フランス語、ドイツ語、スペイン語、ポルトガル語、イタリア語、ポーランド語、トルコ語など、ほか30言語
Chinese and Japanese (ch_PP-OCRv5_mobile_rec) ch
16 MB
中国語（簡体字・繁体字）と日本語
Korean (korean_PP-OCRv5_mobile_rec) korean
13 MB
韓国語
Russian, Ukrainian, Belarusian (eslav_PP-OCRv5_mobile_rec) eslav
8 MB
ロシア語、ウクライナ語、ベラルーシ語
Other Cyrillic script (cyrillic_PP-OCRv5_mobile_rec) cyrillic
8 MB
ブルガリア語、セルビア語、マケドニア語、カザフ語、モンゴル語など
Greek (el_PP-OCRv5_mobile_rec) el
7 MB
ギリシャ語
Arabic script (arabic_PP-OCRv5_mobile_rec) arabic
8 MB
アラビア語、ペルシャ語、ウルドゥー語、パシュトー語、クルド語など
Devanagari (devanagari_PP-OCRv5_mobile_rec) devanagari
8 MB
ヒンディー語、マラーティー語、ネパール語、サンスクリット語など
Thai (th_PP-OCRv5_mobile_rec) th
8 MB
タイ語
Tamil (ta_PP-OCRv5_mobile_rec) ta
8 MB
タミル語
Telugu (te_PP-OCRv5_mobile_rec) te
8 MB
テルグ語

アドオンはこれらを PaddlePaddle や PyTorch なしで実行します。各画像を行に分け、1行ずつ読み取ります。そのあと、字幕でモデルが間違えやすい点を直します。英語では、単独の l や | は単語の I に、中国語と日本語では、文字のあとの ?、!、, は全角になります。

オプション

設定 › アドオン › PP-OCRv5 (offline OCR) › 設定 で変更できます。

Script
既定値： auto

字幕を読み取るモデルです。自動にすると、字幕を開くときに選んだ言語からモデルが決まります。それを変えたいときだけ選んでください。例：ラテン文字で書かれたセルビア語には、ラテン文字のモデル。

CPU threads
既定値： 0

0 にすると、コンピューターの論理プロセッサーの半分（最大4）を使います。スレッドを減らすと、読み取り中もコンピューターが軽快に動きます。

言語

77言語。ラテン文字、キリル文字、ギリシャ文字、アラビア文字、デーヴァナーガリー文字、タイ文字、タミル文字、テルグ文字の言語と、中国語、日本語、韓国語です。一覧に載るのは、アルファベットのすべての文字がモデルに含まれている言語だけです。そのため、ルーマニア語（ș、ț）、ベトナム語（ơ、ư）、ラトビア語、ウェールズ語、マルタ語、マオリ語、アゼルバイジャン語、エスペラントは除外されています。ヘブライ語、ジョージア語、アルメニア語、ベンガル語、クメール語、ラオ語、ビルマ語にはモデルがありません。セルビア語はキリル文字として読み取ります。ラテン文字のセルビア語には、Script でラテン文字のモデルを選んでください。

  • en
  • fr
  • de
  • es
  • pt
  • it
  • nl
  • ca
  • gl
  • eu
  • pl
  • cs
  • sk
  • sl
  • hr
  • bs
  • hu
  • tr
  • fi
  • sv
  • da
  • no
  • nb
  • nn
  • is
  • et
  • lt
  • sq
  • ga
  • id
  • ms
  • sw
  • tl
  • fil
  • af
  • la
  • oc
  • uz
  • jv
  • su
  • zu
  • zh
  • cmn
  • yue
  • ja
  • ko
  • ru
  • uk
  • be
  • bg
  • sr
  • mk
  • kk
  • ky
  • mn
  • tt
  • tg
  • ba
  • cv
  • el
  • ar
  • fa
  • ur
  • ps
  • ku
  • ug
  • sd
  • hi
  • mr
  • ne
  • sa
  • mai
  • bho
  • new
  • th
  • ta
  • te

プラットフォーム

システム ダウンロード動作確認
Linux x86-64 149.7 MBSubtitld で、実機と CI で VobSub と PGS の字幕を読み取り
macOS (Apple シリコン) 132.3 MBCI ですべてのモデルでテスト画像を読み取り（Apple Silicon）
Windows x86-64 127.0 MBCI ですべてのモデルでテスト画像を読み取り

Linux x86-64、Apple Silicon の macOS、Windows x86-64。各リリースは3つすべてでビルドされ、それぞれで CI が Subtitld と同じ方法でアドオンをインストールし、すべてのモデルでテスト画像を読み取ります。

トラブルシューティング

  • unsupported_language選んだ言語を読み取れるモデルがありません。字幕がラテン文字で書かれた言語なら、Script でラテン文字のモデルを選んでください。
  • model_missingアドオンにモデルのファイルがありません。設定 ▸ アドオンから再インストールしてください。
  • bad_paramsSubtitld が画像を渡せなかったか、オプションにアドオンが知らない値が設定されています。どちらかはメッセージに表示されます。
  • oomコンピューターのメモリが不足しました。ほかのプログラムを閉じて、もう一度試してください。
  • internalアドオン内部で問題が起きました。詳細はメッセージに表示されます。

これらの画像にテキストが見つかりませんでした。 と表示された場合、そのトラックにはアドオンが読み取れるテキストがありません。DVD のトラックには、強制字幕だけのものや、空のものがあります。

ライセンス

アドオン
Apache-2.0
エンジン
MIT
ONNX Runtime（Microsoft 製）
モデル
Apache-2.0
PP-OCRv5 モバイル認識モデル（PaddlePaddle 製）、ONNX 変換は RapidAI

商用利用に問題ありません。アドオン、ONNX Runtime、PP-OCRv5 のモデルはすべて寛容なライセンスです。字幕から読み取ったテキストはあなたのものです。

バージョン

  • 26.11.1

    Offline OCR of picture subtitles for Subtitld: DVD's VobSub and Blu-ray's PGS, as files or as tracks inside a video, read as text with PaddleOCR's PP-OCRv5 mobile recognition models on ONNX Runtime. On the CPU, no torch, nothing downloads.

    The archive holds the add-on, ONNX Runtime and all twelve recognition models (Latin script, English, Chinese and Japanese, Korean, East Slavic, Cyrillic, Greek, Arabic script, Devanagari, Thai, Tamil, Telugu), unchanged from RapidAI's ONNX conversion (ModelScope RapidAI/RapidOCR, tag v3.10.0) and checked by sha256.

    The add-on and the models are Apache-2.0. Each archive carries THIRD_PARTY_LICENSES/ with the licence of everything frozen into it. The Linux archive carries libquadmath (LGPL-2.1, with numpy); its complete source is ppocr-<version>-libquadmath-source.tar.gz in this release.

他の画像の字幕アドオン

更新日 · アドオンカタログより このアドオンの問題を報告