视频字幕提取工具 — 从视频中提取硬编码字幕，输出 SRT / VTT / ASS / JSON 等多种格式。
每个字幕精确映射到视频帧，时间线悬停预览实际画面。
j/k键快速跳转，带预览浮层- 置信度过滤（全部 / 高 / 中 / 低）
- 字幕文本搜索
- 1000+ 字幕虚拟滚动，流畅不卡顿
| 引擎 | 技术 | 精度 | 速度 | 语言 |
|---|---|---|---|---|
| PaddleOCR | PP-OCRv5 深度学习 | 优秀 | 快（GPU） | 80+ |
| EasyOCR | PyTorch | 优秀 | 中等 | 80+ |
| Tesseract.js | LSTM + WASM | 良好 | 最快 | 100+ |
- 多轮 OCR — 同一区域识别多次，取最优结果
- 文本正则化 — 全角/半角标点规范化
- 置信度校准 — 混语/短文本/重复字符自动降权
- 字幕合并 — Levenshtein 相似度智能去重
- 场景检测 — 直方图 + 卡方检验跳过无字幕帧
| 格式 | 帧映射 | 适用场景 |
|---|---|---|
| SRT | — | 通用播放器 |
| WebVTT | — | Web 视频 |
| ASS | — | 动漫字幕，高级样式 |
| SSA | — | 传统字幕格式 |
| JSON | ✅ | 帧级精确编辑 |
| CSV | ✅ | 电子表格分析 |
| TXT | — | 纯文本 |
| LRC | — | 歌词同步 |
| SBV | — | YouTube 字幕 |
| MD | — | Markdown 文档 |
| STL | — | Spruce 字幕 |
| TTML | — | Timed Text ML |
底部 · 顶部 · 左侧 · 右侧 · 中间 · 自定义 — 一键切换
MP4 · MKV · AVI · MOV · WebM · M4V · WMV · FLV · 3GP
# 克隆仓库
git clone https://github.com/Agions/SubLens.git
cd SubLens
# 安装前端依赖
pnpm install
# 开发模式运行（Rust 后端首次自动编译）
pnpm tauri dev
# 构建生产包
pnpm tauri build| 依赖 | 版本 | 说明 |
|---|---|---|
| Node.js | 18+ | 前端构建 |
| Rust | 1.70+ | Tauri 后端 |
| pnpm | 8+ | 包管理器 |
| FFmpeg | 最新 | 视频帧提取 |
| 层级 | 技术 |
|---|---|
| 桌面框架 | Tauri 2.x |
| 前端 | Vue 3 + TypeScript |
| 后端 | Rust |
| OCR 引擎 | Tesseract.js (WASM)、PaddleOCR (Native)、EasyOCR |
| 状态管理 | Pinia |
| 构建工具 | Vite |
SubLens/
├── src/ # Vue 3 前端
│ ├── components/ # Vue 组件
│ │ ├── common/ # Button、Modal、Tooltip 等通用组件
│ │ ├── layout/ # ToolBar、SidePanel、VideoPreview
│ │ │ └── tabs/ # Files/Progress/ROI/OCR/Export/Settings 标签页
│ │ ├── video/ # ROISelector、Timeline（缩略图预览）
│ │ └── subtitle/ # SubtitleList、ExportDialog
│ ├── composables/ # 17 个组合式函数（逻辑/UI 分离）
│ │ ├── useSubtitleList.ts # 字幕过滤、搜索、分页
│ │ ├── useVideoPlayer.ts # 播放控制、帧捕获
│ │ ├── useOCREngine.ts # OCR 引擎抽象 + 后处理
│ │ ├── useSubtitleExtractor.ts
│ │ └── useBatchProcessor.ts
│ ├── stores/ # Pinia 状态管理
│ │ ├── subtitle.ts # 字幕列表、导出格式、过滤器
│ │ ├── project.ts # 视频状态、元数据、ROI
│ │ └── settings.ts # 主题、语言、OCR 偏好
│ └── core/ # 核心业务逻辑（纯函数，无 Vue 依赖）
│ ├── SubtitlePipeline.ts # 4 阶段 OCR 后处理管道
│ ├── SubtitleExporter.ts # 12 格式导出器
│ ├── SceneDetector.ts # 直方图 + 卡方场景检测
│ └── ConfidenceCalibrator.ts
│
├── src-tauri/ # Rust 后端
│ └── src/
│ ├── commands/ # Tauri IPC 命令
│ │ ├── video.rs # FFmpeg 帧提取、元数据
│ │ ├── ocr.rs # EasyOCR / Tesseract.js
│ │ ├── ocr_engine.rs # PaddleOCR Python 桥接
│ │ ├── scene.rs # 场景检测
│ │ ├── export.rs # 格式写入
│ │ ├── file.rs # 文件对话框
│ │ └── system.rs # 系统依赖诊断
│ └── main.rs # Tauri 应用入口
│
├── docs/ # 在线文档（VitePress）
│ ├── index.md # 文档首页
│ ├── guide/
│ │ ├── getting-started.md # 安装与首次提取
│ │ ├── architecture.md # 项目架构与设计
│ │ ├── cli.md # CLI 参考
│ │ ├── export-formats.md # 导出格式详解
│ │ ├── keyboard-shortcuts.md
│ │ ├── faq.md # 常见问题
│ │ └── troubleshooting.md # 故障排除
│ └── .vitepress/ # VitePress 配置
│
└── cli/ # Node.js CLI 工具
└── src/
├── extract.ts
├── formats.ts
└── index.ts
四阶段纯函数管道，输入原始 OCR 结果，输出清洗后的字幕：
Stage 0: normalize → 文本正则化（CRLF 合并、全角/半角规范化）
Stage 1: filterJitter → 移除单帧 OCR 噪声
Stage 2: mergeSplit → 合并因场景跳跃而分裂的相同字幕
Stage 3: mergeSimilar → 合并时间接近的相似字幕
Stage 4: computeEndTime → 根据下一条字幕计算精确 endTime
每阶段独立可测试，textSimilarity 结果按 (文本长度前缀 + 首尾各4字) 缓存，O(n log n) 复杂度。
基于语言脚本（CJK / Latin）的多信号加权校准：
- 惩罚信号：混语、短文本（<3字）、重复字符、孤立 CJK 字符、引号不平衡、大写误识、尾随逗号
- 奖励信号：字符多样性、句子完整结尾、合理字幕长度
基于量化 RGB 直方图 + 卡方距离，每帧 O(n) 时间复杂度和 48 计数器内存占用，对光照渐变鲁棒。