Tesseract OCR
用 Tesseract 5.5 识别其中的文字，打开以图片而非文本形式存在的 DVD 和蓝光字幕。字幕的时间和位置保持不变，文字可以随意编辑、翻译，并保存为任何格式。它在你自己电脑的处理器上离线运行，支持一百多种语言。
设置 插件 Tesseract OCR 安装
Subtitld 会下载它、校验其 SHA-256，并保持更新。
- 语言
- 108
- 模型
- 2
- 插件下载量
- 13–22 MB
- 内存，至少
- 256 MB
需要更新版本的 Subtitld。 插件已在目录中，但读取图片字幕要从 Subtitld 26.10 之后的版本开始才支持。Subtitld 26.10 可以安装它，但不会用到它。
功能说明
DVD 和蓝光以图片形式存放字幕：VobSub（.idx 和 .sub）和 PGS（.sup）。Subtitld 从文件中逐一取出图片，Tesseract 识别其中的文字，你就得到可以编辑的普通字幕。
每条字幕保留其图片的开始和结束时间。显示在屏幕顶部的字幕仍然在顶部。
MKV 或其他视频中的图片字幕轨，也可以从 导入 面板以同样方式识别。
语言模型就位后，无需显卡，也无需联网。一部电影约一千条字幕，大约一分钟完成。
打开文件
像打开其他字幕文件一样打开 .idx、.sub 或 .sup 文件。Subtitld 会发现其中的字幕是图片，并询问它们是哪种语言：Tesseract 知道语言时识别得更好。VobSub 的 .idx 通常会写明语言，Subtitld 会替你选好；.sup 从不写明，请检查一下。然后点击 读取。
识别过程中会显示进度条，关闭对话框即可停止。Tesseract 没有把握的字幕会把颜色反转后再识别一次，这对用浅色描边画深色文字的光盘很有帮助。完成后，字幕会像其他字幕一样在编辑器中打开。
保存会写入一个新文件，可以是 .usfx，也可以通过 导出 保存为任何格式。你打开的 .idx、.sub 或 .sup 永远不会被修改。
没有安装插件时，Subtitld 会提示这些字幕是图片，并说明此插件可以识别它们。
视频中的字幕
在 导入 面板中，选择 Subtitles in the video。安装插件后，也可以选择视频中的蓝光（PGS）和 DVD（VobSub）字幕轨：它们显示为 图片，由 Tesseract OCR 识别。视频同时有两种字幕轨时，仍然优先使用文本字幕轨。
DVB 字幕（来自电视录像）和 XSUB（来自部分 DivX 文件）暂时还无法识别。
模型
Tesseract 每种语言使用一个模型，来自 Tesseract 项目的 tessdata_fast 集：快速模型，每个 1 到 12 MB。英语已包含在插件中。其他每种语言会在第一次识别该语言的字幕时，从固定版本的 tessdata_fast 下载到 Subtitld 的共享模型缓存中，并用指纹校验每个文件。更新或移除插件时模型会保留。
| 模型 | 下载 | 适合 |
|---|---|---|
| English (tessdata_fast) 默认 eng | 英语，已包含在插件中 | |
| Other languages (tessdata_fast, one file per language) tessdata_fast | 其他所有语言，每种一个文件，在字幕第一次需要时下载 |
选项
在 设置 › 插件 › Tesseract OCR › 配置 中。
Tesseract 会把引号识别为弯引号。开启后会变为直引号，与大多数字幕文件的写法一致；关闭则保留弯引号。
语言
一百多种，包括拉丁、西里尔、希腊、阿拉伯、希伯来、印度各文字以及中文、日文和韩文。中文有简体和繁体两个模型：对于 zh-TW 和 zh-HK，Subtitld 会选择繁体。塞尔维亚语、阿塞拜疆语和乌兹别克语有两种书写文字，除非语言指定了另一种，否则按其常用的那种识别。
afamarasazbebgbnbobrbscacebchrcocscydadedvdzeleneoeseteufafifilfofrfygagdglguhehihrhthuhyidisitiujajvkakkkmknkokukylalbloltlvmimkmlmnmrmsmtmynenlnoocorpaplpsptqurorusasdsiskslsqsrsusvswsyrtatetgthtitotrttugukuruzviyiyozh
Tesseract 识别清晰、简单的字幕效果很好。对于小而粗的 DVD 字体则差一些，可能会认错一两个词（把 "not" 认成 "net"）：使用前请通读一遍字幕。
平台
| 系统 | 下载 | 已测试 |
|---|---|---|
| Linux x86-64 | 21.6 MB | 在 Subtitld 中、在真实机器上和 CI 中识别 VobSub 和 PGS 文件 |
| macOS (Apple 芯片) | 18.0 MB | 在 CI 中识别测试字幕（Apple Silicon） |
| Windows x86-64 | 12.9 MB | 在 CI 中识别测试字幕 |
Linux x86-64（glibc 2.35 或更新，如 Ubuntu 22.04、Debian 12 和 RHEL 9）、Apple Silicon 上的 macOS 和 Windows x86-64。Tesseract 针对每个平台从其自身源码构建，无需另外安装任何东西。在每个平台上，CI 都会像 Subtitld 那样安装插件，并用它识别测试字幕，其中一个字幕的语言需要下载。
故障排除
network无法下载语言模型。请检查网络连接，然后重新打开文件。unsupported_languageTesseract 没有所选语言的模型。请在对话框中重新选择语言；对于它不认识的语言，同一文字的相近语言通常也能识别得不错。model_missing插件缺少所需的文件。请从 插件 面板重新安装。oom电脑内存不足。请关闭其他程序，再重新识别字幕。bad_paramsSubtitld 请求了插件无法理解的内容。请同时更新两者。internal插件内部出错；错误信息中有详细说明。
许可
可用于商业工作：插件、Tesseract 和 tessdata_fast 模型均为 Apache-2.0，Leptonica 为 BSD。识别出的文字归你所有，但光盘上的字幕属于其制作者：请在其许可允许的范围内使用。
版本
- 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.