视频工具 · 字幕处理

视频字幕 OCR

提取硬字幕→SRT（PaddleOCR/Tesseract）

✓本地处理 · 不上传 ✓免费 · 无需登录 ✓无次数限制累计 59 次使用

video 截帧 + Tesseract 本地 OCR · 文件永不上传

点击 / 拖拽视频文件到此 本地识别画面中的硬字幕 · MP4 / WebM / MOV / OGG 等浏览器原生格式 local only · video never uploaded

上传一段含硬字幕（烧进画面的字幕）的视频，框选字幕区后点「开始识别」。
全程浏览器本地 OCR，视频不上传任何服务器。

诚实标注：本工具识别硬字幕（烧进画面、与画面融为一体的字幕）—— 「video.seek 逐帧截图 → 裁剪字幕区 → 本地 Tesseract OCR 识别文字 → 连续相同字幕去重合并」。 软字幕（独立字幕轨道，可开关）请用「字幕提取」类工具。识别率取决于字幕清晰度 / 对比度 / 字体，识别结果可在下方逐条手动修正。 OCR 较慢（每帧需逐字识别），抽帧越密、时段越长越耗时。引擎与语言包随本站本地分发，识别全程本地，视频不上传。

就绪 · 选择含硬字幕的视频开始本地 OCR

第一节

关于本工具

About

剪辑师发现一段老视频里有人说话，但找不到原始字幕文件，也不愿手动打轴。把视频拖进工具，它逐帧扫描画面中的硬字幕，用 OCR 识别后按时间戳排成 SRT 格式。PaddleOCR 对中文识别率更高，Tesseract 适合英文；文件上传到服务器处理，完成后自动清除，不保留视频副本。

使用场景

壹

翻译社交字幕稿

接了一部 90 分钟的老纪录片，源文件是内嵌硬字幕的 MP4，字幕组只给到法语 SRT。客户要中英双语对照版。手动逐句打轴至少 8 小时。用本工具提取硬字幕生成 SRT 后，直接导入翻译平台对齐时间轴，省去手动打轴环节，把精力集中在翻译本身。

贰

法庭证据固定

一段时长 47 分钟的审讯录像，嫌疑人的关键口供以硬字幕形式出现在视频下方。辩护律师需要把这段字幕提取成可编辑的文本，用于制作书面质证意见。用本工具导出 SRT 后，可直接复制关键段落到文书里，比对着屏幕逐帧抄录快 10 倍，且时间戳精确到秒，方便庭审时快速定位。

叁

网课字幕本地化

海外大学的一门《机器学习》公开课，视频内嵌了英文字幕，但平台不支持下载。国内学生需要一份中文字幕来辅助学习。用本工具提取出英文 SRT 后，丢进机器翻译批量转成中文，再人工校对一遍专业术语，比从零开始听写节省了至少 6 小时。

肆

游戏实况二次创作

B 站 UP 主录制了 3 小时《艾尔登法环》无伤通关视频，游戏内对话和 UI 文字都是硬字幕。想剪一个 15 分钟的精华版，但需要保留关键剧情字幕。用本工具提取全片 SRT，按关键词（如“玛莉卡”“碎星”）筛选出相关片段的时间码，剪辑时直接跳转，不用从头到尾翻看。

伍

老电影字幕修复

一部 1960 年代黑白电影的数字修复版，片源自带繁体中文硬字幕，但部分笔画被胶片划痕遮挡。修复师需要一份完整的字幕清单来补全缺失的文字。用本工具提取出 SRT 后，对照原片逐条检查被遮挡的条目，将缺失部分手动补入文本，比对着屏幕逐帧辨认效率高得多。

第二节

使用指南

Getting Started

使用步骤

1上传含硬字幕的视频文件（支持 mp4、mkv、avi），界面显示文件名与进度条
2选择识别引擎：PaddleOCR（中文准确率高）或 Tesseract（英文更快），下拉菜单即时切换
3点击「提取字幕」按钮，右侧区域逐行显示识别出的文本与时间戳
4预览字幕内容，点击任意行可编辑文字或调整时间偏移
5点击「导出 SRT」按钮，浏览器自动下载 .srt 文件到本地

输入输出示例

输入	输出	说明
视频文件：电影《星际穿越》片段（时长3分钟，硬字幕为白色简体中文，背景为太空暗色）	00:00:01,200 --> 00:00:04,500 库珀，这不是你的错。 00:00:05,000 --> 00:00:08,200 我们必须面对现实。 00:00:09,100 --> 00:00:12,800 时间才是真正的敌人。 00:00:13,500 --> 00:00:16,000 （引擎轰鸣声）	常规：典型电影硬字幕场景，白色文字、深色背景，PaddleOCR高精度识别。输出包含时间轴和文字内容，注意背景音效被正确忽略。
视频文件：新闻联播片段（时长1分钟，硬字幕为黄色楷体，背景为动态新闻画面，字幕位置在画面底部）	00:00:00,500 --> 00:00:05,200 今天上午，国务院召开常务会议。 00:00:06,000 --> 00:00:10,800 会议强调，要持续优化营商环境。 00:00:11,500 --> 00:00:15,000 会议还研究了其他事项。	常规：新闻字幕场景，黄色字体+动态背景，测试Tesseract对非标准字体和颜色的识别能力。输出准确提取了连续多行字幕。
视频文件：游戏实况录像（硬字幕为白色带黑色描边，字体为微软雅黑，字幕内容包含英文单词“Game Over”和数字“100%”）	00:00:02,100 --> 00:00:05,000 任务完成度：100% 00:00:06,500 --> 00:00:09,300 Game Over 00:00:10,000 --> 00:00:13,500 重新开始？	常规：游戏字幕场景，带描边文字+中英混排，验证工具对特殊样式和混合语言的兼容性。英文单词和百分号被正确识别。
视频文件：纯黑背景，白色文字，字幕内容为单个字符“一”（时长5秒，无其他干扰）	00:00:00,000 --> 00:00:05,000 一	边界：极简输入，测试工具对单字符的识别能力。输出正确，无多余噪声。
视频文件：硬字幕为手写体风格的艺术字，颜色为渐变蓝紫色，背景为复杂风景画面，字幕区域存在轻微模糊	00:00:01,000 --> 00:00:04,500 欢[模糊]迎[模糊]来到[模糊]梦幻[模糊]仙境	边界：非标准字体+模糊+复杂背景，测试识别极限。输出中部分字符被标记为[模糊]，表明Tesseract对艺术字和低清晰度文字的识别率下降。
视频文件：字幕内容为纯英文“Hello World!”，字体为Arial，白色，背景为纯色，但视频帧率极低（5fps）	00:00:00,000 --> 00:00:02,000 Hello World! 00:00:02,000 --> 00:00:04,000 Hello World! 00:00:04,000 --> 00:00:06,000 Hello World!	边界：低帧率视频导致同一字幕被重复检测为多帧独立字幕。输出出现重复内容，暴露了工具对时间轴去重的处理逻辑——未做相邻帧合并。
视频文件：硬字幕为白色，但字幕区域被一个半透明水印（网站Logo）部分遮挡，字幕内容为“请关注我们的公众号”	00:00:00,500 --> 00:00:04,000 请[遮挡]注我们的公众号	易错：水印遮挡字幕，导致文字被部分截断。输出中“关”字被水印覆盖，识别为[遮挡]，提示用户预处理视频去除水印可提升效果。
视频文件：字幕内容为“100% 纯棉”，但视频画面中同时存在一个与字幕字体、颜色完全相同的静态文字“100% 涤纶”（位于画面左上角，非字幕区域）	00:00:00,000 --> 00:00:03,000 100% 纯棉 00:00:00,000 --> 00:00:03,000 100% 涤纶	易错：画面内非字幕区域的文字被误识别为字幕。输出包含两条时间轴完全相同的文本，其中“100% 涤纶”是误报。用户需手动过滤或调整OCR区域。

常见错误对照

1.上传了滚动字幕或动态水印，误判为硬字幕

✗ 错误上传一段带滚动跑马灯广告的视频

✓ 修复上传固定位置、静态显示的硬字幕视频（如电影对白、教学PPT底部字幕）

PaddleOCR 和 Tesseract 对动态/滚动内容会逐帧识别，输出大量重复或错位文本，SRT 时间轴完全不可用。

2.字幕区域被遮挡或与背景对比度低

✗ 错误字幕为白色细体、背景也是浅色（如白色字在雪景上）

✓ 修复字幕与背景有明显对比（如白字黑底、黄字深色背景）

OCR 引擎依赖像素级灰度差异提取文字；对比度不足时，字符轮廓断裂或漏检，导致 SRT 缺句、乱码。

3.视频分辨率过低，字幕区域像素不足

✗ 错误上传 360p 以下视频，字幕区域高度不足 20 像素

✓ 修复视频分辨率 ≥ 480p，字幕区域高度 ≥ 30 像素

Tesseract 对小于 10px 的字符识别率骤降；PaddleOCR 虽支持小字，但低于 15px 时准确率仍显著下降。

4.字幕字体为艺术体/手写体/斜体

✗ 错误上传带有手写书法字体的片头字幕

✓ 修复使用标准黑体、宋体、无衬线体等常规字体

PaddleOCR 和 Tesseract 的模型主要训练于印刷体；艺术体、斜体、手写体的字符形变超出训练分布，识别结果多为乱码。

5.视频时长过长，超出服务端处理超时限制

✗ 错误上传一部 3 小时电影，等待后只得到部分 SRT

✓ 修复将长视频拆分为 ≤30 分钟的片段分别处理

后端 Go 处理对单次任务有超时限制（通常 10-15 分钟），长视频解码+OCR 耗时超限会被截断，输出不完整。

6.字幕语言为小语种或混合语言，未指定识别语言

✗ 错误上传中英混合字幕，默认只识别中文

✓ 修复在工具中明确选择「中文+英文」多语言模式

PaddleOCR 默认中文模型对纯英文识别率低，Tesseract 默认英文模型对中文输出乱码；多语言场景必须手动指定语言组合。

7.视频编码非主流格式，解码失败

✗ 错误上传 HEVC 10bit 或 AV1 编码的 .mkv 文件

✓ 修复转换为 H.264 编码的 .mp4 文件后再上传

后端 FFmpeg 对 HEVC 10bit 和 AV1 的解码依赖系统编译参数，部分部署环境不支持，导致黑屏或花帧，OCR 无结果。

第三节

工作原理

How It Works

核心公式

置信度 = 1 - (1 - P_c)^n

变量说明

P_c单字符识别正确概率
n字幕行字符总数

示例

PaddleOCR 单字符正确率 0.97，某行字幕含 20 个字符：置信度 = 1 - (1 - 0.97)^20 = 1 - 0.03^20 ≈ 1 - 5.4×10^(-31) ≈ 1.0，整行几乎无误。

用户输入服务端处理输出结果

第五节

常见问题

Q & A

问上传的视频有片头片尾，提取的字幕时间轴能自动对齐正片吗？＋

答

不能。工具按视频实际时间轴提取硬字幕，片头片尾的字幕也会被提取，时间戳从视频 0:00 开始累计。如果需要对齐正片，建议先用剪辑工具切掉片头片尾再上传，或者提取后手动在 SRT 里整体偏移时间轴（比如剪掉 10 秒片头，就把所有时间减去 10 秒）。

问为什么同一个视频用 PaddleOCR 和 Tesseract 结果不一样？＋

答

两个引擎识别策略不同。PaddleOCR 对中文字符、复杂背景（如视频水印压字）更准，但速度慢一些；Tesseract 对英文数字、高对比度黑白字幕更快，但中文易漏字或错字。如果视频是纯中文硬字幕（如国产剧），优先选 PaddleOCR；如果是英文或中英混排，可先试 Tesseract 再人工补漏。

问视频里字幕是白色带黑色描边，能正常识别吗？＋

答

能。PaddleOCR 和 Tesseract 都内置了文本检测模型，对高对比度文字（白字黑边、黑字白底）识别效果最好。如果字幕是半透明或与背景颜色接近（如浅灰字在浅色画面上），识别率会下降。建议上传前用视频编辑软件给字幕层加描边或降低背景复杂度，能显著提高准确率。

问提取出来的 SRT 文件里有乱码，怎么解决？＋

答

SRT 文件默认 UTF-8 编码，如果播放器或编辑器没识别对，会显示乱码。用记事本或 VS Code 打开 SRT 文件，另存为时选 UTF-8 with BOM 格式，再重新导入播放器。另外，如果原视频字幕包含特殊符号（如 ® ™ 或繁体字），建议用 PaddleOCR 引擎，它对 Unicode 字符兼容性更好。

问上传了一个 2 小时电影，处理到一半提示超时怎么办？＋

答

本工具对长视频有单次处理时长限制（约 30 分钟视频以内最佳）。2 小时电影建议分段处理：用剪辑工具切成每段 15-20 分钟，分别提取字幕，最后手动合并 SRT 文件（注意每段时间轴要加上前一段的结束时间）。另外，长视频建议选 Tesseract 引擎，速度更快，减少超时概率。

问视频是横屏但字幕在底部，提取出来时间轴准吗？＋

答

准。工具检测的是画面中所有文字区域，不依赖字幕位置。横屏底部字幕、竖屏侧边字幕都能提取，时间轴按帧匹配。唯一要注意：如果字幕在画面外（如某些电影的黑边区域被裁剪过），需要确保上传的视频包含完整画面区域，否则字幕区域缺失会导致漏提取。

问这个工具和剪映自动生成字幕比，哪个更准？＋

答

剪映依赖云端语音识别（ASR），适合有清晰音频的对话场景；本工具是 OCR 提取画面上的硬字幕，适合无声视频、外语片、或字幕被压入画面的情况。如果视频有独立音轨且说话清晰，剪映更准；如果字幕是硬烧录在画面里的，本工具更直接，且不上传音频，隐私更好。

隐私保证所有计算与处理均在你的浏览器本地完成，输入数据不会上传服务器，也不会保存或共享。