Tesseract OCR

Nó làm gì

Mở một tệp

Mở tệp .idx, .sub hoặc .sup như bất kỳ tệp phụ đề nào. Subtitld nhận ra phụ đề của nó là hình ảnh và hỏi chúng ở ngôn ngữ nào: Tesseract đọc tốt hơn khi biết điều đó. Tệp .idx của VobSub thường ghi ngôn ngữ, và Subtitld chọn sẵn cho bạn; tệp .sup thì không bao giờ ghi, nên hãy kiểm tra. Rồi bấm Đọc.

Một thanh tiến trình hiện trong lúc đọc, và đóng hộp thoại sẽ dừng việc đọc. Những phụ đề Tesseract không chắc chắn sẽ được đọc lần thứ hai với màu đảo ngược, điều này có ích với các đĩa vẽ chữ tối có viền sáng. Khi xong, phụ đề mở ra trong trình soạn thảo như mọi phụ đề khác.

Khi không có tiện ích bổ sung, Subtitld báo rằng phụ đề là hình ảnh và tiện ích này đọc được chúng.

Phụ đề trong video

Trong bảng Nhập, chọn Subtitles in the video. Khi đã cài tiện ích bổ sung, bạn cũng chọn được các track Blu-ray (PGS) và DVD (VobSub) của video: chúng hiện là hình ảnh, do Tesseract OCR đọc. Khi video có cả hai, track văn bản vẫn được ưu tiên.

Phụ đề DVB (từ bản ghi TV) và XSUB (từ một số tệp DivX) chưa đọc được.

Mô hình

Tesseract đọc với một mô hình cho mỗi ngôn ngữ, từ bộ tessdata_fast của dự án Tesseract: các mô hình nhanh, mỗi mô hình 1 đến 12 MB. Tiếng Anh có sẵn trong tiện ích bổ sung. Mọi ngôn ngữ khác được tải vào bộ nhớ đệm mô hình dùng chung của Subtitld vào lần đầu đọc một phụ đề ở ngôn ngữ đó, từ một phiên bản cố định của tessdata_fast, với từng tệp được kiểm tra theo dấu vân tay của nó. Cập nhật hoặc gỡ tiện ích bổ sung vẫn giữ lại chúng.

Tùy chọn

Trong Cài đặt › Tiện ích bổ sung › Tesseract OCR › Cấu hình.

Ngôn ngữ

Hơn một trăm, bao gồm chữ Latinh, Kirin, Hy Lạp, Ả Rập, Do Thái, các chữ viết Ấn Độ, chữ Trung, Nhật và Hàn. Tiếng Trung có hai mô hình, giản thể và phồn thể: Subtitld chọn phồn thể cho zh-TW và zh-HK. Tiếng Serbia, Azerbaijan và Uzbek, vốn viết bằng hai hệ chữ, được đọc theo hệ chữ thường dùng, trừ khi ngôn ngữ chỉ định hệ chữ kia.

• af
• am
• ar
• as
• az
• be
• bg
• bn
• bo
• br
• bs
• ca
• ceb
• chr
• co
• cs
• cy
• da
• de
• dv
• dz
• el
• en
• eo
• es
• et
• eu
• fa
• fi
• fil
• fo
• fr
• fy
• ga
• gd
• gl
• gu
• he
• hi
• hr
• ht
• hu
• hy
• id
• is
• it
• iu
• ja
• jv
• ka
• kk
• km
• kn
• ko
• ku
• ky
• la
• lb
• lo
• lt
• lv
• mi
• mk
• ml
• mn
• mr
• ms
• mt
• my
• ne
• nl
• no
• oc
• or
• pa
• pl
• ps
• pt
• qu
• ro
• ru
• sa
• sd
• si
• sk
• sl
• sq
• sr
• su
• sv
• sw
• syr
• ta
• te
• tg
• th
• ti
• to
• tr
• tt
• ug
• uk
• ur
• uz
• vi
• yi
• yo
• zh

Tesseract đọc rất tốt các phụ đề rõ ràng, đơn giản. Nó kém hơn với chữ DVD nhỏ và đậm, nơi một hai từ có thể bị sai ("net" thay cho "not"): hãy đọc lại phụ đề trước khi dùng.

Nền tảng

Linux x86-64 (glibc 2.35 trở lên, như trên Ubuntu 22.04, Debian 12 và RHEL 9), macOS trên Apple Silicon và Windows x86-64. Tesseract được dựng từ mã nguồn của chính nó cho từng nền tảng, không cần cài thêm gì. Trên mỗi nền tảng, CI cài tiện ích bổ sung giống như Subtitld làm và đọc phụ đề thử nghiệm với nó, trong đó có một phụ đề ở ngôn ngữ mà nó phải tải về.

Khắc phục sự cố

• networkKhông tải được mô hình ngôn ngữ. Kiểm tra kết nối rồi mở lại tệp.
• unsupported_languageTesseract không có mô hình cho ngôn ngữ đã chọn. Chọn lại ngôn ngữ trong hộp thoại; với ngôn ngữ nó không biết, một ngôn ngữ gần gũi cùng hệ chữ thường đọc tốt.
• model_missingThiếu một tệp mà tiện ích bổ sung cần. Cài lại nó từ bảng Tiện ích bổ sung.
• oomMáy tính đã hết bộ nhớ. Đóng các chương trình khác rồi đọc lại phụ đề.
• bad_paramsSubtitld yêu cầu điều mà tiện ích bổ sung không hiểu. Hãy cập nhật cả hai.
• internalCó lỗi bên trong tiện ích bổ sung; thông báo có chi tiết.

Giấy phép

Phù hợp cho công việc thương mại: tiện ích bổ sung, Tesseract và các mô hình tessdata_fast theo Apache-2.0, còn Leptonica theo BSD. Văn bản bạn đọc ra là của bạn, nhưng phụ đề trên đĩa thuộc về người đã làm ra chúng: hãy dùng chúng trong phạm vi giấy phép của chúng cho phép.