Tesseract OCR
Abre legendas de DVD e Blu-ray que são imagens, não texto, lendo as palavras nelas com o Tesseract 5.5. Os tempos e as posições ficam como estavam, e o texto é seu para editar, traduzir e salvar em qualquer formato. Roda no processador do seu próprio computador, offline, em mais de cem idiomas.
Configurações Complementos Tesseract OCR Instalar
O Subtitld baixa, verifica o SHA-256 e mantém o complemento atualizado.
- Idiomas
- 108
- Modelos
- 2
- Download do complemento
- 13–22 MB
- RAM, no mínimo
- 256 MB
Precisa de um Subtitld mais novo. O complemento está no catálogo, mas a leitura de legendas em imagem chega na versão seguinte ao Subtitld 26.10. O Subtitld 26.10 consegue instalá-lo, mas não faz nada com ele.
O que faz
DVDs e Blu-rays trazem as legendas como imagens: VobSub (.idx e .sub) e PGS (.sup). O Subtitld extrai cada uma do arquivo e o Tesseract lê as suas palavras, então você recebe legendas comuns para editar.
Cada legenda mantém o início e o fim da sua imagem. Legendas mostradas no alto da tela continuam no alto.
Faixas de legenda em imagem num MKV ou noutro vídeo são lidas do mesmo jeito, pelo painel Importar.
Sem placa de vídeo e sem internet depois que o idioma estiver lá. As mil e poucas legendas de um filme levam cerca de um minuto.
Abrindo um arquivo
Abra o arquivo .idx, .sub ou .sup como abriria qualquer arquivo de legenda. O Subtitld percebe que as legendas são imagens e pergunta em que idioma elas estão: o Tesseract lê melhor quando sabe. O .idx de um VobSub geralmente indica o idioma, e o Subtitld o escolhe para você; um .sup nunca indica, então confira. Depois clique em Ler.
Uma barra mostra o andamento da leitura, e fechar a janela a interrompe. As legendas de que o Tesseract não tem certeza são lidas uma segunda vez com as cores invertidas, o que ajuda em discos que desenham letras escuras com contorno claro. Quando termina, as legendas abrem no editor como quaisquer outras.
Salvar grava um arquivo novo, em .usfx, ou em qualquer formato pelo Exportar. O .idx, .sub ou .sup que você abriu nunca é alterado.
Sem o complemento, o Subtitld avisa que as legendas são imagens e que este complemento as lê.
Legendas dentro de um vídeo
No painel Importar, escolha Subtitles in the video. Com o complemento instalado, as faixas de Blu-ray (PGS) e de DVD (VobSub) do vídeo também podem ser escolhidas: elas aparecem como imagens, lidas pelo Tesseract OCR. As faixas de texto continuam tendo preferência quando o vídeo tem os dois tipos.
Legendas DVB (de gravações de TV) e XSUB (de alguns arquivos DivX) ainda não podem ser lidas.
Modelos
O Tesseract lê com um modelo por idioma, do conjunto tessdata_fast do projeto Tesseract: os modelos rápidos, de 1 a 12 MB cada. O inglês vem dentro do complemento. Todos os outros idiomas são baixados para o cache de modelos compartilhado do Subtitld na primeira vez que uma legenda neles é lida, de uma versão fixa do tessdata_fast, com cada arquivo conferido com a sua impressão digital. Atualizar ou remover o complemento os mantém.
| Modelo | Download | Ideal para |
|---|---|---|
| English (tessdata_fast) Padrão eng | Inglês, incluído no complemento | |
| Other languages (tessdata_fast, one file per language) tessdata_fast | Todos os outros idiomas, um arquivo cada, baixado na primeira vez que uma legenda precisar dele |
Opções
Em Configurações › Complementos › Tesseract OCR › Configurar.
O Tesseract lê as aspas como curvas. Ligado, elas ficam retas, como a maioria dos arquivos de legenda as escreve; desligue para mantê-las curvas.
Idiomas
Mais de cem, incluindo as escritas latina, cirílica, grega, árabe, hebraica, indianas, chinesa, japonesa e coreana. O chinês tem dois modelos, simplificado e tradicional: o Subtitld escolhe o tradicional para zh-TW e zh-HK. Sérvio, azerbaijano e uzbeque, escritos em dois alfabetos, são lidos no alfabeto habitual, a menos que o idioma indique o outro.
afamarasazbebgbnbobrbscacebchrcocscydadedvdzeleneoeseteufafifilfofrfygagdglguhehihrhthuhyidisitiujajvkakkkmknkokukylalbloltlvmimkmlmnmrmsmtmynenlnoocorpaplpsptqurorusasdsiskslsqsrsusvswsyrtatetgthtitotrttugukuruzviyiyozh
O Tesseract lê muito bem legendas limpas e simples. Vai menos bem com as letras pequenas e em negrito dos DVDs, em que uma ou duas palavras podem sair erradas ("net" no lugar de "not"): revise as legendas antes de usá-las.
Plataformas
| Sistema | Download | Testado |
|---|---|---|
| Linux x86-64 | 21.6 MB | Leu arquivos VobSub e PGS no Subtitld, numa máquina real e na CI |
| macOS (Apple silicon) | 18.0 MB | Leu legendas de teste na CI (Apple Silicon) |
| Windows x86-64 | 12.9 MB | Leu legendas de teste na CI |
Linux x86-64 (glibc 2.35 ou mais recente, como no Ubuntu 22.04, Debian 12 e RHEL 9), macOS em Apple Silicon e Windows x86-64. O Tesseract é compilado a partir do seu próprio código-fonte para cada um deles, sem nada para instalar à parte. Em cada um, a CI instala o complemento como o Subtitld faz e lê legendas de teste com ele, uma delas num idioma que ele baixa.
Solução de problemas
networkNão foi possível baixar um modelo de idioma. Verifique sua conexão e abra o arquivo de novo.unsupported_languageO Tesseract não tem modelo para o idioma escolhido. Escolha o idioma de novo na janela; para um idioma que ele não conhece, um parecido com a mesma escrita costuma ler bem.model_missingFalta um arquivo de que o complemento precisa. Reinstale-o pelo painel Add-ons.oomO computador ficou sem memória. Feche outros programas e leia as legendas de novo.bad_paramsO Subtitld pediu algo que o complemento não entende. Atualize os dois.internalAlgo falhou dentro do complemento; a mensagem traz os detalhes.
Licença
Adequado para trabalho comercial: o complemento, o Tesseract e os modelos tessdata_fast são Apache-2.0, e o Leptonica é BSD. O texto que você lê é seu, mas as legendas de um disco pertencem a quem as fez: use-as como a licença delas permitir.
Versões
- 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.