Tesseract OCR
Opent ondertitels van dvd en Blu-ray die afbeeldingen zijn in plaats van tekst, door de woorden erin te lezen met Tesseract 5.5. Hun tijden en posities blijven zoals ze waren, en de tekst kunt u bewerken, vertalen en in elk formaat opslaan. Het draait op de processor van uw eigen computer, offline, in meer dan honderd talen.
Instellingen Add-ons Tesseract OCR Installeren
Subtitld downloadt hem, controleert de SHA-256 en houdt hem up-to-date.
- Talen
- 108
- Modellen
- 2
- Download van de add-on
- 13–22 MB
- RAM, minimaal
- 256 MB
Vereist een nieuwere Subtitld. De add-on staat in de catalogus, maar het lezen van ondertitels als afbeelding komt met de release na Subtitld 26.10. Subtitld 26.10 kan hem installeren, maar doet er niets mee.
Wat het doet
Dvd's en Blu-rays bevatten ondertitels als afbeeldingen: VobSub (.idx en .sub) en PGS (.sup). Subtitld haalt elke afbeelding uit het bestand en Tesseract leest de woorden, zodat u gewone ondertitels krijgt om te bewerken.
Elke ondertitel houdt het begin en einde van zijn afbeelding. Ondertitels bovenaan in beeld blijven bovenaan.
Ondertitelsporen als afbeelding in een MKV of andere video worden op dezelfde manier gelezen, vanuit het paneel Importeren.
Geen videokaart en geen internet zodra een taal er is. De ongeveer duizend ondertitels van een film kosten ongeveer een minuut.
Een bestand openen
Open het .idx-, .sub- of .sup-bestand zoals elk ander ondertitelbestand. Subtitld ziet dat de ondertitels afbeeldingen zijn en vraagt in welke taal ze zijn: Tesseract leest beter als het dat weet. De .idx van een VobSub noemt meestal de taal, en Subtitld kiest die voor u; een .sup doet dat nooit, dus controleer het. Klik dan op Lezen.
Een balk toont de voortgang, en het venster sluiten stopt het lezen. Ondertitels waar Tesseract niet zeker van is, worden een tweede keer gelezen met omgekeerde kleuren, wat helpt bij schijven die donkere letters met een lichte rand tekenen. Als het klaar is, openen de ondertitels in de editor zoals alle andere.
Opslaan schrijft een nieuw bestand, als .usfx, of in elk formaat via Exporteren. Het .idx-, .sub- of .sup-bestand dat u opende, wordt nooit gewijzigd.
Zonder de add-on meldt Subtitld dat de ondertitels afbeeldingen zijn en dat deze add-on ze leest.
Ondertitels in een video
Kies in het paneel Importeren Subtitles in the video. Met de add-on geïnstalleerd kunt u ook de Blu-ray- (PGS) en dvd-sporen (VobSub) van de video kiezen: ze staan er als afbeeldingen, gelezen door Tesseract OCR. Tekstsporen krijgen nog steeds de voorkeur als de video beide heeft.
DVB-ondertitels (van tv-opnames) en XSUB (van sommige DivX-bestanden) kunnen nog niet worden gelezen.
Modellen
Tesseract leest met één model per taal, uit de tessdata_fast-set van het Tesseract-project: de snelle modellen, elk 1 tot 12 MB. Engels zit in de add-on. Elke andere taal wordt naar de gedeelde modelcache van Subtitld gedownload de eerste keer dat een ondertitel in die taal wordt gelezen, van een vaste versie van tessdata_fast, elk bestand gecontroleerd tegen zijn vingerafdruk. Bij updaten of verwijderen van de add-on blijven ze bewaard.
| Model | Download | Geschikt voor |
|---|---|---|
| English (tessdata_fast) Standaard eng | Engels, meegeleverd in de add-on | |
| Other languages (tessdata_fast, one file per language) tessdata_fast | Elke andere taal, één bestand per taal, gedownload de eerste keer dat een ondertitel het nodig heeft |
Opties
In Instellingen › Add-ons › Tesseract OCR › Configureren.
Tesseract leest aanhalingstekens als gekrulde. Aan worden ze recht, zoals de meeste ondertitelbestanden ze schrijven; zet het uit om ze gekruld te houden.
Talen
Meer dan honderd, inclusief Latijnse, Cyrillische, Griekse, Arabische, Hebreeuwse, Indiase, Chinese, Japanse en Koreaanse schriften. Chinees heeft twee modellen, vereenvoudigd en traditioneel: Subtitld kiest traditioneel voor zh-TW en zh-HK. Servisch, Azerbeidzjaans en Oezbeeks, die in twee schriften worden geschreven, worden in hun gebruikelijke schrift gelezen, tenzij de taal het andere noemt.
afamarasazbebgbnbobrbscacebchrcocscydadedvdzeleneoeseteufafifilfofrfygagdglguhehihrhthuhyidisitiujajvkakkkmknkokukylalbloltlvmimkmlmnmrmsmtmynenlnoocorpaplpsptqurorusasdsiskslsqsrsusvswsyrtatetgthtitotrttugukuruzviyiyozh
Tesseract leest schone, eenvoudige ondertitels heel goed. Het gaat minder goed bij kleine, vette dvd-letters, waar een woord of twee verkeerd kan uitkomen ("net" voor "not"): lees de ondertitels na voordat u ze gebruikt.
Platforms
| Systeem | Download | Getest |
|---|---|---|
| Linux x86-64 | 21.6 MB | VobSub- en PGS-bestanden gelezen in Subtitld, op een echte computer en in CI |
| macOS (Apple silicon) | 18.0 MB | Testondertitels gelezen in CI (Apple Silicon) |
| Windows x86-64 | 12.9 MB | Testondertitels gelezen in CI |
Linux x86-64 (glibc 2.35 of nieuwer, zoals op Ubuntu 22.04, Debian 12 en RHEL 9), macOS op Apple Silicon en Windows x86-64. Tesseract wordt voor elk ervan vanuit de eigen broncode gebouwd, zonder iets ernaast te installeren. Op elk ervan installeert CI de add-on zoals Subtitld dat doet en leest er testondertitels mee, waarvan één in een taal die het downloadt.
Problemen oplossen
networkEen taalmodel kon niet worden gedownload. Controleer uw verbinding en open het bestand opnieuw.unsupported_languageTesseract heeft geen model voor de gekozen taal. Kies de taal opnieuw in het venster; voor een taal die het niet kent, leest een verwante taal in hetzelfde schrift vaak goed.model_missingEen bestand dat de add-on nodig heeft, ontbreekt. Installeer hem opnieuw vanuit het paneel Add-ons.oomDe computer had te weinig geheugen. Sluit andere programma's en lees de ondertitels opnieuw.bad_paramsSubtitld vroeg iets wat de add-on niet begrijpt. Werk beide bij.internalEr ging iets mis in de add-on; het bericht bevat de details.
Licentie
Geschikt voor commercieel werk: de add-on, Tesseract en de tessdata_fast-modellen zijn Apache-2.0, en Leptonica is BSD. De tekst die u leest is van u, maar de ondertitels op een schijf zijn van wie ze heeft gemaakt: gebruik ze zoals hun licentie toestaat.
Versies
- 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.