工作流程

1. 选择视频文件，可以一次加入多个。
2. 按设定频率抽帧，只保留画面。
3. 量取字幕所在的高度区间，作为裁剪区域。
4. 把裁剪出的字幕图片交给 OCR 识别。
5. 合并识别结果，输出 SRT 和 TXT。

适合字幕直接烧在画面里的视频。视频文件自带软字幕轨时，优先用播放器或 ffmpeg 直接提取字幕，速度和准确率都更好。

主要功能

批量文件

2.0 界面支持把多个视频加入列表，逐个处理并在日志里显示进度。

可调抽帧

按每秒抽帧数控制采样密度；字幕变化越快，需要的采样越密。

字幕区域裁剪

只把字幕所在的高度区间送去 OCR，减少画面其他文字和背景干扰。

繁简转换

可选把识别结果从繁体转成简体，方便后续整理文案。

进度与日志

抽帧、识别、合并三段进度分开显示，出错时先看日志定位是哪一步。

本地 OCR

默认调用本机 UMI-OCR 的 HTTP 接口，不把视频或截图上传到云端。

本地运行

先准备 Python 3.10+，安装依赖：

pip install PySide6 opencv-python qt_material numpy python-dotenv opencc

然后启动本机 UMI-OCR 的 HTTP 服务（默认地址 http://127.0.0.1:1224/api/ocr），再运行：

python main.py

如果 OCR 服务不在默认地址，用环境变量覆盖：

UMI_OCR_URL=http://127.0.0.1:1224/api/ocr python main.py

仓库里也有 dist/ 打包目录和 requirements.txt；想直接下载安装包，可以先看仓库 Releases，没有现成包时再按源码运行。

使用边界

OCR 的准确率取决于字幕字体、背景、分辨率和视频压缩。字幕区域裁不准、字体太花或画面抖动时，识别结果会变差；批量处理前建议先拿一个视频试跑，确认字幕高度区间。

1.0 版本仍有一些限制：不同视频的字幕位置可能不同，批量化需要逐个确认区域；处理是单线程的，长视频会比较慢。仓库 README 里也列了后续改进方向。

相关入口

• SubExtractor-OCR 仓库
• PyQt6_Apps：PyQt6 桌面小软件合集
• PyQt6 实战开发系列
• 返回项目列表