P3-【开源自制】字幕提取器-OCR版-1.0，文案提取不再烦恼！
P3-【开源自制】字幕提取器-OCR版-1.0，文案提取不再烦恼！
在网上搜寻了开源的OCR开源产品后尝试了easyocr，直接使用随便截取的一行字幕识别，输出结果竟然是
Neither CUDA nor MPS are available - defaulting to CPU. Note: This module is much faster with a GPU.
[([[20, 20], [703, 20], [703, 93], [20, 93]], '困d硪觉得}的东酉才最牛逼', 3.7110098659953676e-05)]不知道是不是因为使用的是cpu的原因，但是使用QQ截图的OCR和网页版的pearOCR一次就识别正确了。https://pearocr.com/#/
所以有去寻找别的方案。寻找的过程就是下载下来识别一下，出错就不说了，直接放弃。
找了几个模型自己运行跑出来的结果都惨不忍睹，用QQ截图，微信截图，和网页的都可以识别正确。
最终是在一个交流群中一位大哥给了我一个仓库链接，仓库是找到了微信的OCR接口。
试用了下确实能运行并且效果挺好。所以直接锁定这种方案开始写代码。
首先是想业务逻辑，这并不是一个简单的事情，比如识别出一个视频的字幕，多个视频自动化又该如何实现，
处理的过程中如果出错了是不是要重新开始，如果在中间一步骤开始如何实现。
然后经我冷静思考一下，我想那么多东西干什么啊，那不是杞人忧天吗，按照步骤来不让过程中出错不就好了。
于是就写了视频抽帧，剪裁字幕，识别字幕的函数，后来又发现识别出来的字幕还有一种可能，就是字幕区域还有其他的文字。
不过不用担心，一般的视频不是全部录屏的话，不会有那么多文字可以识别。只有我这种敲代码类型，那片区域字多点。
但是特殊情况不难处理的话还是要处理下，毕竟计算下文字出现的中心区域即可。
但是又转念一想，我们可以直接计算出每一个文字识别区域的宽度，然后降序排列，那麽数组中第一个最可能是我们的字幕，因为我们的字幕肯定是屏幕中最大的字。这个时候我们就只用判断识别结果数组中第一个元素，也就是最宽的文字区域是不是位于屏幕中间，由此判断是否是真正的字幕。
这样处理的话最后我们会得到这样的数组，【1，1，2，3，3，3，4，5，6，6，7】
因为不一定一句话只会说一秒钟，如果那句话的时间持续足够长的话就会出现多次。也就是去重。
WARNING
大家好这一集我们来看，大家好这一集我们来看，如何做出这样~个炫酷的充值按钮，如何做出这样~个炫酷的充值按钮，如何做出这样下个炫酷的值按钮，如何做出这样下个炫酷的值按钮，就是他可以任这里一闪警认，就是他可]以任这里~一闪一认，我们的软件可以做的不好看，我们的软件可以做的不好看，我们的软件可以做的不好看，日是我们的充值按钮，和我们的充值过程，这体验心须要做好，这体验心须要做好，这里看到我们定义下Ctrl，这里看到我们定义下Ctrl，然后我们定义了计时器，调用这个VIPTIMER的丽数，调用这个VIPTIMER的丽数，调用这个VIPTIMER的丽数，文Cctrl是奇数还是偶数，文Nctrl是奇数还是偶数，文Nctrl是奇数还是偶数，如果运是奇数的话，我们就将巴的背景改成这个颜色，我们就将巴的背景改成这个颜色，我们就将巴的背景改成这个颜色，然后每次Ctrl加，这样就实现了它的背景不不停的闪烁，这样就实现了它的背景不不停的闪烁，这样就实现了它的背景不不停的闪烁
DANGER
大家好这一集我们来看
大家好这一集我们来看
如何做出这样~个炫酷的充值按钮
如何做出这样~个炫酷的充值按钮
如何做出这样下个炫酷的值按钮
如何做出这样下个炫酷的值按钮
就是他可以任这里一闪警认
就是他可]以任这里~一闪一认
我们的软件可以做的不好看
我们的软件可以做的不好看
我们的软件可以做的不好看
日是我们的充值按钮
和我们的充值过程
这体验心须要做好
这体验心须要做好
这里看到我们定义下Ctrl
这里看到我们定义下Ctrl
然后我们定义了计时器
调用这个VIPTIMER的丽数
调用这个VIPTIMER的丽数
调用这个VIPTIMER的丽数
文Cctrl是奇数还是偶数
文Nctrl是奇数还是偶数
文Nctrl是奇数还是偶数
如果运是奇数的话
我们就将巴的背景改成这个颜色
我们就将巴的背景改成这个颜色
我们就将巴的背景改成这个颜色
然后每次Ctrl加
这样就实现了它的背景不不停的闪烁
这样就实现了它的背景不不停的闪烁
这样就实现了它的背景不不停的闪烁
大家好这一集我们来看，如何做出这样~个炫酷的充值按钮，如何做出这样下个炫酷的值按钮，就是他可以任这里一闪警认，就是他可]以任这里~一闪一认，我们的软件可以做的不好看，日是我们的充值按钮，和我们的充值过程，这体验心须要做好，这里看到我们定义下Ctrl，然后我们定义了计时器，调用这个VIPTIMER的丽数，文Cctrl是奇数还是偶数，文Nctrl是奇数还是偶数，如果运是奇数的话，我们就将巴的背景改成这个颜色，然后每次Ctrl加
进程已结束,退出代码0
写个小算法去下重。开干。
:::success 大家好这一集我们来看，如何做出这样~个炫酷的充值按钮，如何做出这样下个炫酷的值按钮，就是他可以任这里一闪警认，就是他可]以任这里~一闪一认，我们的软件可以做的不好看，日是我们的充值按钮，和我们的充值过程，这体验心须要做好，这里看到我们定义下Ctrl，然后我们定义了计时器，调用这个VIPTIMER的丽数，文Cctrl是奇数还是偶数，文Nctrl是奇数还是偶数，如果运是奇数的话，我们就将巴的背景改成这个颜色，然后每次Ctrl加，这样就实现了它的背景不不停的闪烁
:::
逐步代码写好后合并，加到GUI界面上。
理想很丰满，自动化，批量化，但是感觉需求很复杂，比如需要录入字幕的区间，就导致视频抽帧与后续的操作要隔离开来。
后来退而求其次，只处理一个，还是屎山代码。
但是，但是，它能跑。
再找个自我安慰的理由：软件不能做太好，做太好接口不给用了就不好了。所以，暂时先留下这一个小缺陷。
但是，难实现的是这个界面和操作变得丝滑顺畅的逻辑。并不是代码过程，分布处理的函数都写好了。直接放出来。
懂代码的可以自主封装，修改下路径就好了，可以用了。
好消息，好消息，bgm，喜庆
视频字幕提取器1.0上线了。
支持单个视频的字幕提取。
但是依然有很多不足，比如不支持批量自动化提取。就连现在的单个视频提取过程都被分成了两个步骤。
但是，up我又何尝不想把最好的一下做出来给大家呢。
感觉这个产品的业务有点复杂。我这种完美主义者总是有点纠结，想着更好的方案做给大家。
于是，我一不做二不休，干脆先做个基础班大家先用着。我再去慢慢打磨一个完美版的。
但是，大家不要觉得遗憾。其实这个过程的每个流程几个函数全部都已经实现。主要是界面上，用户的操作流程我还没有梳理太清楚。有一定代码基础的同学可以拿到代码后自行拼接使用。
也许我们在路上，哪怕逆着光，也要向前。
欢乐斗地主输掉的bgm。
继手写文字图片生成器，纯色图片生成器，渐变图片生成器，自我介绍生成器之后，我的又一力作诞生了，视频字幕提取器。
自我感觉效果特别好，实现的逻辑特别清晰，一个个逻辑推理的闭环最终导向了软件的必定成功。
为了防止大家下次一定，为了监督大家为我三连，所以三连截图后获取软件及完整代码，点赞过一百直接开源。
五星上将bgm，
哪朵玫瑰没有荆棘。
好消息，好消息，开源自制软件，字幕提取器-OCR版-1.0，来啦，来啦，它来啦。
你还在苦恼不能得到喜欢视频的文案吗？
你还在不停暂停视频来抄录文案吗？
字母提取器来了，统统闪开。
首先选择一个视频，输入字幕的高度区间，喝一杯茶的功夫，视频文案就拿到了。
好了，好消息结束了，坏消息来了。
由于这只是字幕提取器1.0版本，因此还有很多功能还不支持。
比如不支持批量化视频处理，不支持自动化一键完成。
但是，up我又何尝不想把最好的一下做出来给大家呢。我甚至恨不得直接让大家选择视频就可以输出文案。
但是，这个业务场景有些复杂。
那么，为什么没有实现
比如，我们选择了视频，可以进行抽帧操作，但是字母裁剪的操作必须要知道字幕的高度区间，但是要想知道字幕的高度区间必须要在抽帧操作之后，甚至这个时候你还需要打开你的ps来测量一下高度区间。
然后才能开始后续的操作。
不过还好，整个过程只被分成了个步骤。
那为什么没有实现批量化呢？
如果我们要处理多个视频，视频抽帧肯定没有问题，但是字幕的高度区间如果视频宽高不一致的话，这个处理也会出问题。
总不能嘎嘎选了一堆视频，最后处理好了发现有的视频高度区间出错了。
所以我想着能否做出一个为每个视频设置字幕高度区间的功能。
不知大家有没有好的想法，可以在评论区一起探讨一下。
功能是做不完的，我这种完美主义者总是有点纠结，想着更好的方案做给大家。
于是，我一不做二不休，干脆先做个基础班大家先用着。我再去慢慢打磨一个完美版的。
但是，大家不要觉得遗憾。其实这个过程的每个流程几个函数全部都已经实现。主要是界面上，用户的操作流程我还没有梳理太清楚。有一定代码基础的同学可以拿到代码后自行拼接使用。
下面介绍一下我的开发过程，软件的业务流程与使用方法和效果。
首先我们来到了软件的实际运行界面，我们选择一个视频文件，然后点击视频抽帧按钮就可以开始这样的操作了。这里我们选择了一个5分钟多的视频测试一下运行时间。
可以看到301张图片，刚好对应每秒一张，5乘以60等于300。
其实两大步骤中只有这一步视频抽帧最耗时间。最后我们可以看到消耗了9分钟多。然后我们量出字母的高度后，我这里已经测量出来了。然后点击后续按钮，就会进行后续的处理。
这里可以看到后续处理很快啊。只花了一分多钟。
然后我们把文案复制出来看看效果，有些不准确的地方是因为我自己的视频，我的字幕没有修改。
我这做小本生意的，也不敢拿别人的视频测试，别再收到律师函了。
待改进实现的方面：
* 批量化自动化处理
* 单独线程处理任务而不是单线程
大家好这一期我们来看一下pyinstaller，这个工具该如何使用啊，成为一个可]执行程序的，打包之后呢，我们在没有python环境中的电脑，也可人应用我们时python脚本，协可人应用我们时python脚本，嗯他打包的话就直接使用命令行，辆八我们的的 pyinstaller，输八我们的的 pyinstaller，然后输八几个套数，这几个参数分别代表什么的，比如说我们可]以-C，就是命令行运行，不使用GUI，就是我们输入-c啊，如果我们要使用GUI程序的话，就是不使用这个控制行，我们使用-W，也就说这两个选项，-C利-w我们选一，然后剩下的呢，你可以-F，就是打包之后，我们只有一个软件，而不是多个，就是多个脚本啊，一股不建议这种，因为这种可能他运行速度比较慢，因为他是单程序啊，然后-p这些一股都用不到，我也没用到过，然后·呢，然后后面跟一个文图标文件，就可]以将我们打包后的程序的图标，改成那个图标，然后这里呢，我们有两亏了两种，两个脚本，这个呢没有使用GUI程，没有用到GUI，我们直接就是直接从命令行输入啊，我们的输八长度小于2的时候，我们可以直接会直接输出他的你好，然后可以试看打爆他，我们直接点开我们的终端，在终端中输厂，我们这个已经与好了，这个就是无命令行的和有命令行，我们的第一种没有GUI，只能使用命令行，所以我们使用，c 就是使用命令行，那么就直接复制亡，然后一个回车键，运就开始打包程序了，我们这个文件夹它会多出两个，两个文件夹一个是build和一个dist，两午文件来一个是build利一个dist，build是我们打包过程中，产生的中间文件，密存储在这个里面，运存储在这个里面，我们要看的是dist，采在打包成功之后呢，等二天我们等运打包成功之忙，等一我们等之打包成功之片，我们点开，发现民多了一个hello的文件夹，我们发现，指定个图标，我们程序的图标就变成了这个图标，然后我们双击亡，二就会快速的运行，然后消失掉，其实这个使用方法是不正确的，我们正确的使用方法是，在这里命令行输CMD，在这里命令行输入CMD，三然后我们输入我们版本的名字，苏后可以直接按佳tb建补全，再拉回车啊，然后宣就会输出我们时的，输出我们的程序，当然因为为我们是仅有那种接口，就可以自定义输入的，XM毒风以鲜，那是不是就说唉，hello WX，首先这一种昵是没有GU，哎首先这一种呢是没有GU，盛哎首先这一种呢是没有GUI，二的界面然后我们来看一下有GUI的，我们运行之先看一下效果，黑发现运是有个这样的资口对吧，那我们现在将亡打包一下哎，那我们现往将亡打包一下哎，二无有GUI时我们是使用无命令行的，然后呢直接在这里命令行，然后他就开始了，给我们这下GUlhello的打包，然后打包之后呢，勋是我们的GUIhello文件夹，不后我们就发现生成了这样的文件，我们就可以直接双击这个exe文件，然后运就会运行程序，*但是我们发现哎，这里的图标运不是我们的图标，因为我们的，之使用的是相对路径，但是我们打包的时候，没有将这个图标打包进来，所以说昵，我们需要将这个图标，给运复制进那个文件夹，这个时候我们再运行程序收，翼图标是不是就变成我们的图标了呀，这就是GUI，我们如果你可能有一些静态文件夹，他没有打包进来，蒸你将那些静态文件夹给他拖进来，然后使用的话，命名成你想要的名字，然后别人在没有拍摄环境的计算机上，直接运行这个程序
总结介绍：
过程分为了两步，从视频中抽出图片，再裁剪图片再识别字幕，然后就有了结果
麻烦的是被拆成了两部不能一步到位。
并且很大可能第一步的耗时来源于完整图片保存到本地，所以第一部的速度很大可能会取决于你的视频像素。我使用的提取4k视频，电脑配置就是小笔记本办公本，提取速度就慢点，第一部时间差不多用了视频时间的两倍，进步空间很大，并且后续准备横板视频直接截取视频下方区域，竖版视频没有办法，所以只能还是分两步。