Help
关于此工具
硬字幕是直接烧录在画面像素里的字幕——播放器关不掉、也提取不出字幕轨的那种。这个工具在浏览器本地逐帧扫描画面的字幕区域，把每句话按真实出现时间识别成文本：先框出字幕区（默认底部，可拖拽缩放），工具用传统图像处理逐帧定位字幕行的出现与消失，再只对「一句话」调用 OCR 模型识别，因此速度远快于逐帧 OCR。识别结果以字幕列表呈现，可搜索、就地修改、删除、把被切碎的相邻两条合并，也可点击时间点跳回画面核对。支持一次选择多个视频排队处理，每个视频独立出稿。可切换识别模型档位（Tiny 快 / 高精度慢）与扫描密度档位，也可用吸管从画面上取字幕颜色，遇到亮背景干扰时比单纯亮度阈值更稳。导出 SRT / VTT / TXT / JSON，多文件可打包 ZIP。全部处理都在你的设备上完成：视频只以内存引用参与解码，不写入浏览器存储，也不上传服务器。
使用方法
- 把视频拖进来或点击选择（可一次选多个，支持 MP4 容器，H.264 / H.265）。
- 在预览画面上调整虚线「OCR 区」，让它框住字幕所在的位置（默认已经框在底部）。
- 按需调参：亮背景干扰字幕时用吸管吸取字幕颜色改用颜色模式；长视频可切到快速档；识别不准可切高精度模型。
- 点击「开始识别」，等待逐帧扫描与识别完成。
- 在字幕列表里核对、修改文本，点时间点可跳回画面比对。
- 导出 SRT / VTT / TXT / JSON；多个视频都识别完可一次打包 ZIP。
硬字幕和软字幕有什么区别？
软字幕是独立字幕轨（可用播放器关闭、也能直接抽取），硬字幕是烧进画面像素的字幕，播放器关不掉，只能靠图像识别读出来。这个工具做的是后者；如果你的文件带软字幕轨，用常规字幕提取工具即可，不需要 OCR。
视频会被上传或存进浏览器吗？
都不会。视频只以内存引用参与解码，不写入 IndexedDB / OPFS 等任何浏览器存储，处理结束立即释放；整个过程没有任何网络请求发送视频或字幕内容。识别结果在你点击导出前也只存在于当前页面内存中。
支持哪些视频格式？
目前支持 MP4 容器（H.264 / H.265，即 .mp4 / .m4v）。MKV / AVI / WebM 暂不支持，遇到时会给出提示。用较新的 Chrome 或 Edge 打开最稳。
识别不准怎么办？
先确认 OCR 区是否只框住字幕；再试颜色模式（用吸管吸取字幕颜色），它对亮背景、花哨背景的抗干扰更好；仍不理想就切到「高精度」模型档位，代价是首次要多下载约 20 MB、速度也更慢。字幕列表里可以直接改文本，相邻两条被切碎时用合并按钮。
为什么处理一个视频要花几十秒甚至更久？
为了拿到准确的出现/消失时间，工具需要按真实帧率逐帧扫描字幕区域。浏览器无法只解码画面局部，所以解码本身是主要开销：视频越长、分辨率越高越慢。急着出稿可以把扫描密度切到「快速」。
能识别综艺花字、全屏乱飞的歌词那种字幕吗？
不能。这类字幕位置和样式变化极大，需要全屏文本检测与多目标跟踪，浏览器端准确率没有保障，本工具目前面向位置相对固定的字幕（底部字幕为主）。
字幕时间轴准确吗？
时间来自视频帧本身的呈现时间戳（不是估算的采样点），精确档为逐帧判定，边界误差在 0.2 秒以内；快速档隔帧分析，误差约 0.5 秒。