一、 目前为止可行的硬字幕(hardsub)提取方案
这里只说“可行”的方案，那些不成熟的、按时收费的，用过就删的，不在此列。
1. 人工手提，用手和眼来提取时间轴和文字。
优点：
准确率高（废话）。
缺点：
费时费力，不能常做。
2. esrXP + IdxSubOcr（MODI OCR）
esrXP提取带时间轴信息的字幕图片，打包成一个idx文件，然后导入IdxSubOcr用MODI ocr识别文字。
优点：
用了计算机图像技术判断字幕出现和消失的时间点，从而提取时间轴信息，准确率较高。
缺点：
老掉牙的微软MODI ocr识别引擎准确率较低，为了照顾MODI ocr，esrXP需要做较多设置、试验、调整参数的工作，以便提供漂亮的黑底白字clearTxT给MODI ocr,这就很考验用户的经验了。总体来说识别率不高、工作量较大。虽然esrXP已经停更多时，但是苦于没有更好的选择，长期以来字幕爱好者只能将就着用。
3. VideoSubFinder_5.50_x64 + ABBYY FineReader 15
VideoSubFinder_5.50_x64做类似esrXP的工作（区别是保存每个字幕图片，不打包成一个idx文件），ABBYY FineReader 15做类似IdxSubOcr的工作，将每个jpg字幕图片ocr识别为一个txt文件，然后回到VideoSubFinder_5.50_x64将所有txt文件合成一个srt文件。
优点：
跟esrXP类似，采用了更先进复杂的计算机图像技术判断字幕出现和消失的时间点，从而提取时间轴信息，更好的去重算法，准确率进一步提高（人家叫Finder嘛，从2011年做到现在）。ABBYY FineReader 15除了能ocr中英文，还支持其他语种。
缺点：
ABBYY FineReader 15号称地表最强离线文字ocr引擎，虽然比MODI ocr好得多，但在实际使用效果上，对比经过数年AI人工智能训练的云识别引擎（例如百度OCR通用文字识别引擎），识别准确率还是差了一大截。
4. 硬字幕提取工具6.5
采用VideoSubFinder_5.50_x64 + 百度搜狗有道讯飞OCR通用文字识别引擎，整合第三方工具APP（为什么不好好利用别人的成果呢？），从开始到结束，整个字幕提取流程一气呵成，识别率高、省时省力。
二、 初次使用本软件
总体来说，三个大步骤：
1、将字幕从视频中切片截图下来
2、将字幕图片OCR为文字
3、校对编辑字幕文字
具体步骤如下所述：
步骤1、准备百度OCR服务APP_ID / API_KEY / SECRET_KEY
到ai.baidu.com/tech/ocr/ge… 注册获取百度通用文字识别服务的APP_ID / API_KEY / SECRET_KEY，
一个手机号码注册一个账号（须实名认证）。
每账号每天免费识别次数有规定（依精度不同从每天500次到每月1000次不等，每次识别1张图片，具体政策由厂家规定），如不够用可多注册几个账号，同时厂家经常有优惠活动（例如百度1元购1W次，讯飞0元购10W次，搜狗有道新注册送50、100元等）。对于长期需求用户，建议充点钱购买次数吧，价格不贵，还能支持国家高科技发展。
注册步骤很简单，可自行百度，获得的APP_ID / API_KEY / SECRET_KEY信息先保存起来下面会用到。
类似的：
搜狗OCR到deepi.sogou.com/ 注册。
有道OCR到ai.youdao.com/product-ocr… 注册。
讯飞OCR到www.xfyun.cn/service/tex… 注册。（选文字识别 -- 印刷文字识别（多语种），服务接口认证信息为三项：APPID、APISecret、APIKey）
步骤2、准备工作流程中将会用到的APP1、APP2第三方软件
到sourceforge.net/projects/vi… 下载安装VideoSubFinder_5.50_x64 作为APP1
到github.com/SubtitleEdi… 下载安装Subtitle Edit 3.5.18作为 APP2
注：APP2 不指定，可以选用户熟悉的其他软件，例如SubtitleEdit可换成Aegisub或 ArcTime
步骤3、设置硬字幕提取工具
打开工具，
点击‘系统设置’
填入步骤1获得的百度OCR服务APP_ID / API_KEY / SECRET_KEY
点Browse找到步骤2安装好的APP的入口exe文件，APP1 – APP2顺序不要错，然后Save保存设置。
这时，主界面的APP1、APP2 按键将显示刚才设置好的exe文件名
步骤4、用VideoSubFinder_5.50_x64生成RGBImages
点击主界面VideoSubF按键，将启动运行VideoSubFinder_5.50_x64
点击左上角File -> Open Video(FFMPEG) ，打开要提取字幕的视频文件（本例为：倚天屠龙记之魔教教主-中字.mp4）
快速浏览全片，查看字幕区间矩形最大范围（注意有些视频是两层字幕），用两根竖线两根横线设置字幕截图区间（四根线在视频边缘不容易发现，试着点击选中可以移动它）。 注意：矩形边框要比实际字幕稍大，不要为了节省图片尺寸而把区间设置成紧贴字幕（当然也没必要设置得太大，太大会导致叠图数量降低）。
点击Search右边的Settings，出现设置界面，我们只关心左边这块能影响Search字幕图片的参数。
第一个参数‘Text Alignment’默认设置是‘Center’，须要点击设置成‘Any’。
其他众多参数中，有一个参数至关重要，就是Use Filter Colors这项，default值是空的，其他参数可以不设，这个一定要设置上，特别是非纯白字幕，例如黄色！如果不设置，有大几率会漏字幕。
我们需要取色字幕文字的骨干颜色（骨干外则是字幕轮廓颜色，不要取偏了），然后将颜色值填入，将有助于VideoSubFinder判断字幕出现和结束的时间，生成正确的时间轴信息，并防止丢时间轴。常见字幕颜色可能有白色的、黄色的，或者其他颜色，本例电影的字幕是白色。如果是多色字幕，可以按VSF要求取色多色填入。
具体的参数设置，可以参考Docs目录下的readme_eng.txt，专业用户精调参数可以提高Search字幕帧的准确率，从而减少丢时间轴（少字幕图片，致命）和假时间轴（空字幕图片，影响不大）的情况，不过据笔者使用经验，如果没弄明白参数含义和作用，随意调整反而适得其反，普通用户还不如不调的好。
在右边界面先点一下Pixel Color
然后点击字幕白色文字中心骨干取色，点不准可以多点几下。
取到了颜色，会显示出来
本例将Lab: l:245 a:127 b:129 拷贝后双击填入Use Filter Coloers，一般做了这步就可以基本保证不会有时间轴丢失的情况，算是完成了Search的设置。
点击Search -> Clear Foders 清空RGBImages目录，
然后点 OCR Search，程序开始扫描视频文件，生成RGBImages。
几分钟后扫描完成，可以关掉VideoSubFinder_5.50_x64，初次使用我们可以打开RGBImages目录看一下
这些是刚才VideoSubFinder_5.50_x64 Search生成的1000多个字幕切片图片文件，说明这个电影有1000多条字幕呢。文件名前段为时间轴信息。
打开文件看看，是RGB原色字幕截图切片，很适合喂给百度AI过的OCR引擎做识别。
步骤5、清理空字幕图片
点击主界面上的‘删合’按键，将打开‘删合窗’并自动定位到RGBImages目录，
我们可以在‘删合窗’中清除RGBImages目录中的空字幕图片。
由于VideoSubFinder 的Search算法还没做到100%准确，所以会误生成少量无字幕图片（假时间轴），有时还会把广告也截图下来，我们在‘删合窗’中用鼠标滚轮快速浏览RGBImages目录，把发现的空字幕、广告字幕图片删掉，让后续百度OCR识别不用浪费每天数量额度，同时在校对阶段不用再做删除工作。
一页可以显示几十张图片，浏览、选中、删除非常方便。
翻页：将鼠标指针停留在图片区，滚动鼠标滚轮，或者键盘↑↓键、键盘←→键，可以翻页（一次滚动三列）
选中：鼠标左键点击可以标记选中图片，再次点击可以去选中。Shift+鼠标左键可以连续多选、连续去选。
删除：直到最后一页标记完成，点<<面板上的‘总删合’按键会弹出删除提示，确认后将删除所有标记过的空图片。后昆仑决看就看的《》<,.,kl
更多方便的功能可以看“第四节之6、 删合窗（删除合并）”
如下图一处为广告，可以选中标记它：
如下图一处为空字幕图片，可以选中标记它：
一直标记到最后一页：
然后点‘总删合’，确认后将会把刚才标记过的所有空字幕图片删除（如果发现不能删除，多半是系统权限问题，请不要将VSF和本工具安装在C盘或桌面）：
清理完空字幕图片后，点击面板上的‘返回主界面’。
步骤6、运行百度OCR识别
百度高精度每天免费识别额度较低，如不采用叠图 --- 多张字幕图片合成一张大图来识别以节省额度，每天只能识别较少字幕图片，因此，如果用户没有购买额度，应该在系统设置中先选上叠图，并保存设置。
点击主界面的OCR按键，程序将连接百度OCR服务器，对RGBImages目录中的所有字幕图片从头到尾按顺序做识别，只需等待完成即可（免费用户最大每秒能处理2 – 3次识别）
OCR识别完成了！
这时在RGBImages目录下已经为每个.jpeg文件生成了一个同名.txt字幕文件，初次使用可以看一下。
步骤7、校对字幕
点击主界面上的‘校对’按键，将打开校对窗，校对窗显示一页6组图文。
编辑：可以用输入法进行常规的输入、删除、鼠标左键/右键插入空格等操作。
翻页：将鼠标指针停留在任一图片上，滚动鼠标滚轮，或者键盘↑↓键可以翻页。翻页将自动保存校对过的字幕。
选中：鼠标右键点击可以选中图片，再次点击可以去选中。
删除：按Delete会弹出删除提示，按回车Enter执行删除。
更多方便的功能（例如‘精准对齐’，‘一键插入空格’）可以看“第四节之7、 校对窗（补漏校对）”
如果希望在SubtitleEdit等字幕软件中做校对，可以略过这个步骤，直接到下个步骤。
校对完字幕后，点击面板上的‘返回主界面’。
步骤8、用SubtitleEdit编辑字幕文件
之所以前面在校对窗做过校对，这里又用到APP2来做编辑，是因为有些用户（例如字幕组）对字幕要求高，还需要做调轴、批量替换、方言转换等进一步校对工作。
点击主界面CreateSRT按键，将生成带时间轴的字幕文件123.srt，和不带时间轴的纯字幕文件123.txt。
可以大概浏览一下，然后关掉。
点击主界面SubtileE按键，将自动打开SubtitleEdit编辑刚才生成的123.srt字幕文件。
在波形图窗口里，“点击以添加波形”，打开视频文件，本例是‘倚天屠龙记之魔教教主-中字.mp4’
在波形图窗口，勾选‘选择当前播放时刻的字幕’，设定播放速度，例如200%，然后开始播放视频，字幕会同步显示在播放窗口，可随时暂停播放，进行字幕校对。
该删除的删除，该修正的修正，该替换的替换，该调轴的调轴。
一般来说，走到SubtitleEdit这步，剩下的校对工作已经不多了，有时甚至不需要校对就能用了（注重细节的用户还是认真过一遍吧）。
完成字幕校对后，点击“文件->另存为” 保存校对好的字幕文件，SubtitleEdit会自动将123.srt重命名为跟视频文件同名的srt文件“倚天屠龙记之魔教教主-中字.srt”，并保存在视频文件所在目录下，方便大多数播放软件播放视频文件时自动加载同名字幕文件。
至此，整个硬字幕提取流程就走完了。
更多方便强大的功能，请花点时间阅读用户使用手册，您会发现新大陆！
问题反馈 及 建议：
使用过程中有任何问题，请先阅读下面的Q&A，及用户使用手册，如果觉得可能是bug，可以在这里留言。
Q&A:
1、
Q: 软件需要安装吗？运行出错怎么办？
A: 绿色免安装。如果32bit版本运行出现“Failed to execute script pyi_rth_multiprocessing”错误，说明win7x32系统太旧，要先装 KB2533623才行。如果出现找不到dll的报错，请安装Microsoft .NET Framework 4.8和Microsoft Visual C++ 2015-2019。如果运行过程中，执行命令或删除出错，多半是系统权限问题，请不要将VSF及工具软件解压安装在C盘、或者偷懒放到桌面运行，有这种坏习惯要改。
2、
Q: APP1、APP2指定必须要用文档例子中的第三方软件吗？
A: 不指定，甚至可以不用设置，本工具将第三方软件集成入工作流中，减少了各个APP来回切换的时间。
3、
Q: OCR服务商免费吗？
A: 每家OCR服务商提供不同的免费识别额度（每天每月有一定数量，具体看厂家规定），业余人士可利用免费额度。同时厂家经常有优惠活动（例如百度1元购1W次，讯飞0元购10W次，搜狗、有道新注册送50、100元等）。而对于长期需求用户，建议充点钱购买次数吧，价格不贵，还能支持国家高科技发展。
4、
Q: 为什么填写了OCR服务商的KEY后，不能识别？
A: 请确认开通了服务商的文字识别服务，填写获得的KEY等资料前后不能有空格、双引号、单引号等其他字符，鼠标双击拷贝KEY有时候会多拷贝一个空格。 如识别出现“Network Exception!”错误提示，说明无法连接到OCR厂家的服务器，请检查网络连接是否正常（不要用VPN代理），或重启一下电脑再试。
5、
Q: 高精度和低精度识别率差别大吗？
A: 对于清晰简单的字幕，差别不大，模糊复杂（多种语言混合）的字幕、大图识别，差别较大，在批量识别前可做识别试验，以便选择最佳设置。
6、
Q: 有时候叠图出现‘间隔标记丢失，尝试纠正！’的告警提示，怎么办？
A: OCR厂商训练的机器学习模型，对不同特征的图片识别能力不同，甚至有些特殊爱好或怪癖，例如百度OCR对于模糊字幕的叠图容易丢失间隔标记（模糊与清晰并存时眼睛有点花），其他厂家的OCR则没有这种问题。有些语言类型设置会丢失第一个英文字符，有些会丢失标点，小问题不一而足。每种机器学习模型的情况都不同，在批量识别前可先做识别试验（包括加入增强魔棒），以便获得最佳设置，得到最佳识别结果。
7、
Q: 极速叠图会导致识别率降低吗？
A: 对于清晰简单的字幕，识别率只有轻微降低，几乎没有影响。模糊复杂（多种语言混合）的字幕，降低较明显，如果出现识别率明显降低，或者出现‘间隔行丢失，尝试纠正... 如经常出现，请改用半叠或不叠’的告警提示，可中止识别，改为半叠或者不用叠图。叠图的主要好处是节省额度、节省时间。
8、
Q: 想切换图片做字幕文字编辑，老是要在文件列表区用鼠标点击，很不方便。
A: 请用鼠标滚轮或者键盘↑↓来做图片切换浏览，滚动时请将鼠标指针停留在图片区中，然后滚动滚轮，养成使用习惯后会很方便。
9、
Q: 批量识别过程中出现Network Exception错误、额度用完、手动中止，导致识别未完成，又不想重头识别，想从中断点处继续识别怎么操作？
A: 主界面Restart去选中，接下来再做批量识别将自动从中断点处继续识别。
10、
Q: 识别率不高、漏字、错字、漏标点、漏空格，怎么办？
A: 识别率主要由OCR厂家训练的机器学习模型决定，遇到识别率问题，可以：
1） 更换OCR厂家
2） 更改语言类型设置
3） 利用‘增强魔棒’提高识别率
4） 如果用了叠图，可以改为半叠或者不叠
5） 识别完成后，利用SubtitleEdit、Aegisub等字幕软件替换错误字符
11、
Q: 如果不想用VSF的RGBImages想改用TXTImages来做OCR可以吗？
A: 当然可以，只需要在文件列表区手动Browse打开定位到TXTImages目录即可，其他一切操作跟在RGBImages目录下无异。
12、
Q: OCR识别率挺高的，多数情况下只需要补上识别丢失的空格，就能完成文字校对工作了。在校对窗校对时，有办法提高插入空格的速度吗？
A: 6.3版及以前版本支持“鼠标左键定位+鼠标右键插入空格”，须按两下鼠标插入一个空格，6.5版新增“鼠标左键一键定位+同时插入空格”功能，只需要按一下鼠标左键就能插入一个空格，变得更轻松了。
13、
Q: OCR批量识别完成后，是在校对窗中校对，还是在APP2第三方字幕软件中校对？
A: 常规流程做法：OCR批量识别完成后，切换到校对窗，先缩放和移动字幕图片，做精准对齐，然后开始校对。校对完后生成SRT文件，启动APP2进行替换、转换、调轴。
有时候也可以：OCR批量识别完成后，生成SRT文件，启动APP2进行替换、转换（但不调轴），然后切换回校对窗、导入APP2加工过的SRT文件做精校对（校对完还可再次生成SRT文件，启动APP2做调轴）。具体看识别率来定。
14、
Q: 网页截图识别没反应？如何提高网页、pdf文件截图识别率？
A: 需要先安装第三方截图软件如Snipaste，然后配合本工具才能实现截图识别。为了提高识别率，可以选用高识别率OCR厂家、还可开启增强魔棒，并将Snipaste输出图像质量设置成100。
15、
Q：使用时遇到报毒
A：请不用担心，因为本工具采用python+pyinstaller打包，很多防毒软件会误报（除非购买白名单证书或申请鉴定）
16、
Q：有朋友担心程序植入了木马
A：我只想说：稍微做过python编程的，都知道python是解释型语言，是不能加密的，exe只是个打包。你担心木马可以读读本程序代码嘛（凡是你能找到的从1.0到最新的版本），花不了你几分钟，就能解开你的疑虑。或许你还能学到点知识，提高点水平，如果整天只会人云亦云疑心重，精神萎靡搞黄色，你这辈子也就这样了。。。
免责声明：
本工具仅供个人使用，为业余提取字幕的朋友提供方便，不可用于商业目的，不可侵犯他人知识产权。
同时，作者建议有长期大量需求的用户，请购买OCR服务商的额度，支持国家高科技发展。
6.5 最新版（64bit、32bit）下载地址：
提取码：2021
2021.09.13更新：
1、修复了进度条长度异常问题
2021.09.02更新：
1、允许秘钥拷贝填写误多输入空格
6.3开放了5个OCR，对比6.2只开放了1个OCR
因近期OCR服务商免费额度政策调整，导致很多新用户额度不够用，故开放5个OCR，不够用的朋友可以实名申请最多5个OCR秘钥填入，从而提供5倍于单个账号的免费额度。如果还不够用，请购买OCR服务商的额度。
6.5版新增“鼠标左键一键定位+同时插入空格”功能，校对窗中文本框只须按一下鼠标左键就能插入一个空格，对于高精度版这种文字识别率很高，但是空格不能识别，需要补漏空格的校对工作，变得更轻松了。对比6.3及以前版本支持“鼠标左键定位+鼠标右键插入空格”，须按两下鼠标才能插入一个空格（继续支持）。具体请看6.5版用户使用手册 - 校对窗章节。
VSF + SubtitleEdit （64bit）下载（内有中文设置使用手册）：
提取码：2021
Snipaste 截图神器下载（用了会上瘾）：
提取码：2021
