IdxSubOcr：基于Netlfix字幕提取的OCR教程

leonvent · 发表于 2018-7-29 15:30:00

本帖最后由 leonvent 于 2019-3-10 17:07 编辑

一时兴起写了一遍OCR Netflix图形字幕的教程，扔在Q群感觉太浪费了。前后整理了一下，就发到这吧。

前言:自从Netflix在日本动画投资了一大笔钱后，Netflix平台上也有了大量的日漫作品，Netflix台区和港区也在逐步增加中文字幕，也许不久后会有很多作品会同步更新。

由于Netflix的字幕并不是嵌入视频的硬字幕，而是传统的外挂图形字幕，且没有被加密，可以提取来OCR。在字幕组的数量也在逐年下降，国内政策对线上媒体越来越紧的情况下，Netflix或许可以成为国人翻墙看片的一种新选择吧。写一篇简单的OCR Netflix图形字幕的教程应该是有意义的。

本篇教程所需要的部分工具：

https://pan.baidu.com/s/11XHBJggfqh4TMrZ7ikng4w

一、提取NETFLIX字幕
所需工具：脚本管理器（Greasemonkey），Subtitle Edit
NETFLIX字幕并没有被加密，所以提取方法有很多，个人觉得最好用还是这款js脚本：https://greasyfork.org/en/script ... subtitle-downloader

新版字幕提取脚本可以直接提取文本，格式为VTT，可以用记事本编辑成srt

脚本安装完后登陆Netflix，用老虚的哥斯拉来做例子，我们可以看到字幕选择栏中，已经有下载的选项

下载当前的字幕或者下载整个剧集的字幕。我们这里是电影，所以下载当前的字幕就好了。下载下来是个zip压缩包，解压后就是传统XML+PNG的形式

使用SubtitleEdit，就可以生成传统的SUP或者其他的图形格式。工具 - 批量转换。字幕格式为blu-ray sup

转换速度不算快，最后得到的就是传统的sup字幕

作为最常见的PGS字幕，直接封装进视频，抢个首发，是完全可以的。

leonvent · 发表于 2018-7-29 15:30:01

本帖最后由 leonvent 于 2019-3-10 17:08 编辑

二、OCR
OCR图形字幕的方法很多，这里仅介绍用IdxSubOcr

需要工具：

SharePointDesigner （WIN10下如果.NET 3.5 安装失败，通常是启用或关闭windows功能里的.NET 3.5 没打开）

SubtitleEdit ， Aegisub ，IdxSubOcr ，BDSup2Sub，JAVA

IdxSubOcr依赖office 的MODI，所以借助SharePointDesigner安装MODI 12.0。因为也只需安装MODI，所以其他组件就没必要安装了。

在系统上增加office 的繁体语言包（繁体系统下，应该需要简体语言包）
将繁体语言包下面的文件复制到安装到MODI 12.0的相同文件夹下：
（64位）C:\Program Files (x86)\CommonFiles\microsoft shared\MODI\12.0
TCPRINT.DAT
TCPRINT2.DAT
TCSERHT.DAT
TCTREE.DAT
TW_BU.DAT
TW_UB.DAT
TWBIG532.DLL
双击reg文件导入注册表最后安装java，至此环境配置完成

由于IdxSubOcr只能OCR indx+sub字幕，所以我们需要把XML+PNG的字幕文件，转换成indx+sub的格式。
新版IdxSubOcr可以直接打开sup了，可以不用转换了

具体步骤：

打开BDSup2Sub， FILE - LOAD - 选择之前生成好的sup - 设置好基本的参数 - OK 。双击右下角的方框可以修改字幕显示位置（应该没人会去做那个）

导入后，没有出现错误的话。 FILE - Save\Export。这样就生成了indx+sub的字幕格式

打开IdxSubOcr，载入这个indx+sub，就可以正式OCR了

最后我们得到一个OCR的初稿

leonvent · 发表于 2018-7-29 15:30:02

本帖最后由 leonvent 于 2018-8-14 01:11 编辑

三、检查

无论何种OCR都不可能100%正确，接下来就要开始人工检查与除错。IdxSubOcr自身也可以进行排查工作，但是界面操作起来并不是很友善。

这里介绍一种利用Aegisub来检查的方式。原理是创建一个很长的黑视频，把之前生成的indx+sub字幕压入这个黑视频，再由Aegisub导入压制好的视频与OCR初稿。调整样式排版后，再运用一些快捷键就可以很轻松的检查。

所需工具：Aegisub，小丸工具箱

我先把OCR初稿转换ASS字幕，利用记事本先替换一些明显的错误，例如：无法正确识别“一”和 “-”这种的数字和符号。保存。

制作一个黑视频，参考这个avs脚本，用小丸工具箱会方便很多吧。（小技巧：先压一个5分钟的黑屏，然后反复拼接这个5分钟黑屏，速度要快很多）

x= #设置宽度
y= #设置高度
fps= #设置帧率
duration= #设置时间长度，单位秒
color=$000000 #设置颜色，$000000为黑，$FFFFFF为白
framecount=Round(fps*duration)
BlankClip(length=framecount,width=x,height=y,fps=fps,color=color)
matrix=(y<=576)?"Rec601":"Rec709"
ConvertToYV12(matrix=matrix)

复制代码

然后压制之前生成的indx+sub字幕，各凭各U，crf30就可以了

然后载入压制视频，导入之前随便生成ASS字幕，开启自动定位时间轴

更改样式，大致对齐视频里的字幕

然后就这样一行行检查过去，按回车键进入一下条。如果有OCR错误，会很直观的看出来。熟练后，检查下来就非常快

有一种可能会出现这种情况，由于时间轴会有误差1-2帧，没显示出字幕。

这时候快进一帧就可以看到了。如果这种现象普遍，把整个字幕往后移1帧。

全部检查完后，保存。大功告成。

这样的检查方式比较直接，而且有经验的字幕作者，可以做全套。

初学者第一次做可能会比较耗时，但是熟练后还是很快的，OCR一集24分钟动画并检查完毕，我个人需要大概20分钟左右

leonvent · 发表于 2018-7-29 15:30:03

本帖最后由 leonvent 于 2019-3-10 17:06 编辑

FAQ：
我为什么不用SubtitleEdit直接生成indx+sub？
答：由于SubtitleEdit的转换模式直接生成indx+sub的话，会造成一些字幕被压扁的现象，还其他各种诡异问题，我个人不建议这么做。
新版IdxSubOcr可以直接打开sup了，可以不用转换了
新版字幕提取脚本可以直接提取文本，格式为VTT，可以用记事本编辑成srt

我想要改sup字幕的显示位置，该怎么做？
答：双击BDSup2Sub右下角的方框，可以修改显示位置

Netflix没有登录中国区，我看不了Netflix怎么办
答：翻墙，科学上网，切到港台日IP

怎么翻墙，科学上网，切到港台日IP？
答：我。。。百度能找就找找吧

本篇作者柊游楠