week10 字幕提取

最新推荐文章于 2026-06-08 20:19:41 发布
原创 最新推荐文章于 2026-06-08 20:19:41 发布 · 2.9k 阅读 · 0
文章标签：

#python #音视频

本文介绍了如何在Windows10系统中，利用Python和Tesseract-OCR在Jupyter Notebook环境下识别并提取视频中的字幕。首先详细说明了Tesseract-OCR的下载、安装和配置过程，包括环境变量设置和中文语言包的添加。接着，展示了关键代码段，包括图像处理的二值化阈值设定和Tesseract-OCR的参数配置，以确保字幕识别的准确性。通过每隔五秒检测一次来捕获字幕，实现了有效的视频字幕提取。

任务

在Windows10系统下，用python，在jupyter notebook里，借助Tesseract-OCR对视频中的字幕进行识别提取。

目录

Ⅰ下载并安装Tesseract-OCR

 Ⅱ代码

Ⅰ下载并安装Tesseract-OCR

下载：https://digi.bib.uni-mannheim.de/tesseract/  

安装详情：https://www.jianshu.com/p/f7cb0b3f337a

cmd调出命令行输入pip3 install pytesseract

设置环境变量：Win+R打开命令行👉输入sysdm.cpl打开系统属性👉上边栏-高级👉环境变量（N）👉系统变量（S）👉选择Path-编辑👉添加新的环境变量，路径就写Tesseract-OCR程序的安装位置，例如我：F:\Tesseract-OCR。

将已经做过中文识别训练chi_sim.traineddata简体中文语言包存入F:\Tesseract-OCR\tessdata文件夹中。

 把语言文件拷贝到此处tessdata目录后，在tessdata文件夹处cmd调出命令行中输入 tesseract –v 测试安装   tesseract –list-langs测试语言包。eng和osd是别的语言包。

 Ⅱ代码

导入所需各库


                

        

    





  


        

            

                      
                        
                        最低0.47元/天 解锁文章
                          
                      
            

        


    

      

        

            

              
                
                  black_back
                
              
            

            

                关注
              
            

        

        

          
      

      










                



	

		

			

				
					
SubtitleEdit字幕编辑

				
			

			

				

					07-24
				

			

		

		

			
				
SubtitleEdit字幕编辑可以实现字幕的编辑，校正

			
		

	



                

            
              



	

		

			

				
					
Python视频处理（3）——提取视频字幕

				
			

			

				

					maplelistener的博客
				

				

					01-13
					
					6128
					
				

			

		

		

			
				
目录

一、安装tesseract-ocr

1、下载安装

2、设置环境变量：

​​3、测试安装是否成功

二、视频字幕识提取

1、基本步骤：

2、完整代码：

3、部分运行结果：

一、安装tesseract-ocr

1、下载安装

下载地址：Index of /tesseract

下载最新稳定版本：tesseract-ocr-w64-setup-v5.0.0.20190623.exe

2、设置环境变量：

Win+R打开命令行，输入sysdm.cpl打开设置Path的窗口，添加tes...

			
		

	



              


  
              

                


	

		

			

				
					
利用python提取视频中的字幕

				
			

			

				

					qq_43306047的博客
				

				

					03-31
					
					8295
					
				

			

		

		

			
				
利用python提取视频中的字幕
``



一、导包
import base64
import os
import cv2
import requests
import aip
from aip import AipOcr

1.cv2报错
解决办法：打开Anaconda Prompt,输入pip install opencv-python,等待安装。



aip报错
解决办法：pip install baidu-aip


在pycharm中使用anaconda包
File–> Settings

			
		

	





	

		

			

				
					
【2】Python 视频文字识别提取 - Mp3 文字识别

				
			

			

				

					学长的猫的博客
				

				

					12-09
					
					2333
					
				

			

		

		

			
				
网络上没有很好的库用来文字识别，并且文字识别效率很低，这里我用了剪映接口



jianying.py


from datetime import date

import requests
import json
import os
import random
import hashlib
import zlib

from voice2text.aws4 import aws4_request

'''
https://lv.ulikecam.com/activity/lv/sharevideo?te

			
		

	



		

			
		



	

		

			

				
					
python 视频硬字幕提取 内嵌字幕提取工具 vse

					
热门推荐

				
			

			

				

					天涯爱生活
				

				

					09-10
					
					2万+
					
				

			

		

		

			
				
项目简介
video-subtitle-extractor是一款将视频中的硬字幕提取为外挂字幕文件(srt格式)的软件。
主要实现了以下功能：

提取视频中的关键帧
检测视频帧中文本的所在位置
识别视频帧中文本的内容
过滤非字幕区域的文本
去除重复字幕行，去除水印(台标)文本
生成srt字幕文件
多语言：支持中文、日语、韩语、法语、德语字幕的提取

下载地址：


Windows GPU版本：

国内：vse_windows_GPU.zip.001 (1/2)、vse_windows_GPU.zip.002

			
		

	





	

		

			

				
					
python 视频提取字幕

				
			

			

				

					jacke121的专栏
				

				

					12-23
					
					1952
					
				

			

		

		

			
				
python 视频提取字幕

			
		

	





	

		

			

				
					
Qwen3-ForcedAligner-0.6B实战案例：跨境电商产品视频多语字幕同步生成

				
			

			

				

					weixin_42513928的博客
				

				

					02-17
					
					107
					
				

			

		

		

			
				
本文介绍了如何在星图GPU平台自动化部署Qwen3-ForcedAligner-0.6B（内置模型版）v1.0镜像，实现高效音文对齐。该工具专为跨境电商产品视频设计，可快速生成多语字幕，自动为语音和文本匹配精确时间轴，大幅提升视频本地化效率，适用于多语言产品介绍视频的字幕同步生成。

			
		

	





	

		

			

				
					
Qwen3-ASR-0.6B真实案例：高校在线课程自动生成多语种字幕效果

				
			

			

				

					weixin_28746213的博客
				

				

					03-16
					
					349
					
				

			

		

		

			
				
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-0.6B轻量级高性能语音识别模型WeBUI，并将其应用于高校在线课程的多语种字幕自动生成场景。该方案能高效处理课程音频，快速生成中英等字幕，显著降低教育资源的本地化门槛与成本。

			
		

	





	

		

			

				
					
Qwen3-ASR-1.7B字幕生成神器：视频转文字一键搞定

				
			

			

				

					weixin_30700095的博客
				

				

					02-25
					
					107
					
				

			

		

		

			
				
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-1.7B 大模型驱动的语音识别镜像，实现视频转文字与字幕生成的一键处理。用户无需配置环境，通过WebUI点选或API调用，即可快速将会议录音、教学视频、采访音频等转化为高准确率、带标点与方言适配的可编辑文稿，显著提升内容生产效率。

			
		

	





	

		

			

				
					
Introduction to Advanced Machine Learning, 第六周，week6_final_project_image_captioning_clean(答案)

				
			

			

				

					Li Kang 笔记本
				

				

					06-01
					
					3109
					
				

			

		

		

			
				
这是俄罗斯高等经济学院的系列课程第一门，Introduction to Advanced Machine Learning，第六周编程作业。任务是利用pre-trained InceptionV3架构对图片进行编码，这个是预先训练好的架构。我们要使用的是通过这个编码训练一个RNN，来生成图片的标题，即描述图片的内容。其原理和机器翻译类似，相当于训练一个sequence model，输入和输出是不等长的。而这里输入是CNN的编码，输出是RNN的译码。

			
		

	





	

		

			

				
					
AutoCut：重新定义视频剪辑的文本驱动技术方案

					
最新发布

				
			

			

				

					gitblog_01199的博客
				

				

					06-08
					
					383
					
				

			

		

		

			
				
在视频内容创作日益普及的今天，剪辑效率成为创作者面临的核心挑战。传统视频编辑软件需要逐帧定位、手动剪切，耗时耗力且学习曲线陡峭。AutoCut通过将文本编辑与AI语音识别相结合，实现了用Markdown文件编辑视频的革命性方案，为开发者提供了全新的视频处理范式。

## 核心理念：文本即时间线

AutoCut的核心创新在于将视频剪辑抽象为文本编辑问题。传统剪辑中，时间线是连续的视觉界面，需要用户

			
		

	





	

		

			

				
					
Python使用PaddleOCR本地进行视频字幕识别

				
			

			

				

					cutenew52188的博客
				

				

					03-09
					
					1万+
					
				

			

		

		

			
				
本文简述了利用OpenCV库以及PaddleOCR库对视频预定位置进行字幕提取并整合识别，在实际工程中，可以调用OCR的识别输出接口进行识别内容的批量保存。

			
		

	





	

		

			

				
					
Python - 利用 OCR 技术提取视频台词、字幕

				
			

			

				

					BITDDD小栈
				

				

					11-09
					
					1万+
					
				

			

		

		

			
				
使用 MoviePy 与 PaddleOCR 实现视频字符识别与处理。

			
		

	





	

		

			

				
					
视频字幕python自动提取

				
			

			

				

					weixin_40101756的博客
				

				

					03-27
					
					894
					
				

			

		

		

			
				
5.根据新的字幕，生成新的音频（方法很多，另开贴，更新后网址会贴在这里），即可以将外文音频转为中文音频。功能是对字幕进行翻译，因此保存的字幕为双语字幕（解放字幕组劳动力o(*￣▽￣*)ブ）。翻译方法很多，简单提供一个基于ollama的翻译。写在前面：主要原理是提取视频中的音频，通过语音识别文字的方法完成字幕提取；因此，不支持没有声音的视频。github上有一些非常棒的类似项目，做完才看到，还没深入研究，大家可以上去多看看。将新的音频合并到视频内，即可完成音频替换。在上述功能的基础上，进阶两个功能。

			
		

	





	

		

			

				
					
python实现从英文视频中提取文字实现中文翻译

				
			

			

				

					qq_22941289的博客
				

				

					11-13
					
					1201
					
				

			

		

		

			
				
从youtube上下载的英文视频，你是怎么处理音轨字幕的呢？通过python显示英文语音提取并翻译转化成中文

			
		

	





	

		

			

				
					
如何用python实现视频字幕提取？

				
			

			

				

					weixin_35748962的博客
				

				

					02-16
					
					1881
					
				

			

		

		

			
				
要用Python实现视频字幕提取，需要用到一些第三方库。以下是一种使用Python和FFmpeg和pytesseract的方法：
1.安装FFmpeg和pytesseract
首先需要安装FFmpeg和pytesseract。在Windows上，可以从官方网站下载FFmpeg二进制文件并将其添加到PATH环境变量中。要安装pytesseract，可以使用pip：
pipinstall pytess...

			
		

	





	

		

			

				
					
吴恩达深度学习课程笔记之卷积神经网络（1st week）

				
			

			

				

					liuqihang11的博客
				

				

					08-11
					
					694
					
				

			

		

		

			
				
0 参考资料

[1]【中英字幕】吴恩达深度学习课程第四课 — 卷积神经网络_哔哩哔哩_bilibili

[2] 02-吴恩达深度学习系列课程/04卷积神经网络/PDFs · 大大鹏/Bilibili资料 - 码云 - 开源中国       (gitee.com)

[3] 深度学习笔记 (ai-start.com)

1计算机视觉（Computer vision）

计算机视觉中有个问题叫做目标检测，比如在一个无人驾驶项目中，你不一定非得识别出图片中的物体是车辆，但你需要计算...

			
		

	





	

		

			

				
					
yt-dlp

				
			

			

				

					qq_39622709的博客
				

				

					08-18
					
					966
					
				

			

		

		

			
				
常规参数网络参数地理IP视频下载选项文件参数缩略图快捷方式其他模式解决方法视频格式字幕选项身份验证。

			
		

	





	

		

			

				
					
Qwen3-ForcedAligner-0.6B惊艳效果展示：中英粤三语混说音频的毫秒级字对齐

				
			

			

				

					weixin_42393362的博客
				

				

					03-15
					
					997
					
				

			

		

		

			
				
本文介绍了如何在星图GPU平台自动化部署Qwen3-ForcedAligner-0.6B镜像，实现多语言音频的毫秒级字对齐。该工具能精准处理中英粤混合语音，自动生成带时间戳的文本，适用于会议记录转录、字幕制作等场景，提升音频处理效率与准确性。

			
		

	





	

		

			

				
					
程序员副业推荐专题—如何利用AI高效制作视频号

				
			

			

				

					远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享
				

				

					02-05
					
					2725
					
				

			

		

		

			
				
通过系统化应用这些AI工具，可将视频号运营效率提升5-10倍。建议先从单环节自动化开始（如自动生成字幕），逐步扩展到全流程智能化。记住核心逻辑：AI处理重复劳动，人类专注创意决策。

			
		

	



              




          





        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值