VobSub2SRT 技术文档
本文档将详细介绍如何安装、使用以及API调用 VobSub2SRT 项目。VobSub2SRT 是一个简单的命令行程序,用于将 VobSub 格式的字幕(.idx/.sub)转换为文本格式(.srt)的字幕,使用 OCR 技术进行转换。
1. 安装指南
1.1 安装依赖
在 Ubuntu 12.10 上,您可以通过以下命令安装依赖:
sudo apt-get install libtiff5-dev libtesseract-dev tesseract-ocr-eng build-essential cmake pkg-config
您还应安装您要使用的语言的 Tesseract 数据!
1.2 编译与安装
./configure
make
sudo make install
这将把程序 vobsub2srt 安装到 /usr/local/bin 目录。您可以通过以下命令卸载 vobsub2srt:
sudo make uninstall
1.3 静态二进制文件
建议使用动态二进制文件!如果您确实需要静态二进制文件,可以在 ./configure 调用中添加 -DBUILD_STATIC=ON 标志。但请注意,构建静态二进制文件可能会有些麻烦。
1.4 Ubuntu PPA 和 .deb 包
作者创建了一个 PPA(Personal Package Archive),使得在 Ubuntu 上的安装变得简单。只需将 PPA 添加到您的 apt-get 源,并运行更新,然后就可以安装 vobsub2srt 包:
sudo add-apt-repository ppa:ruediger-c-plusplus/vobsub2srt
sudo apt-get update
sudo apt-get install vobsub2srt
1.5 Homebrew
VobSub2SRT 包含了一个 Homebrew 的公式(一个 OS X 的包管理器)。可以通过以下命令安装:
brew install --with-all-languages tesseract
brew install --HEAD https://github.com/ruediger/VobSub2SRT/raw/master/packaging/vobsub2srt.rb
1.6 Gentoo ebuild
Gentoo Linux 也提供了一个 ebuild 文件。您可以按照以下步骤使其可用于 emerge:
sudo mkdir -p /usr/local/portage/media-video/vobsub2srt/
wget https://github.com/ruediger/VobSub2SRT/raw/master/packaging/vobsub2srt-9999.ebuild
sudo mv vobsub2srt-9999.ebuild /usr/local/portage/media-video/vobsub2srt/
cd /usr/local/portage/media-video/vobsub2srt/
sudo ebuild vobsub2srt-999.ebuild digest
现在您应该可以通过 emerge vobsub2srt 安装 VobSub2SRT。
1.7 Arch AUR
Arch Linux 在 AUR 中也有一个 PKGBUILD 文件:
https://aur.archlinux.org/packages/vobsub2srt-git
2. 项目使用说明
VobSub2SRT 将 VobSub 格式(.idx/.sub)的字幕转换为 .srt 格式。VobSub 字幕通常由两个或三个文件组成,分别为 Filename.idx、Filename.sub 和可选的 Filename.ifo。要转换字幕,只需调用:
vobsub2srt Filename
其中 Filename 是字幕文件名(不带扩展名 .idx/.sub)。vobsub2srt 会将字幕写入 Filename.srt 文件。
如果字幕文件包含多种语言,可以使用 --lang 参数设置正确语言(使用 --langlist 查找文件中的语言)。对于某些语言,可能需要手动设置 Tesseract 语言(例如,使用 chi_tra/chi_sim 进行繁体或简体中文字符识别)。大多数情况下,这应该可以自动检测。
如果想要将字幕作为图像输出(例如,检查 OCR 是否正确),可以使用 --dump-images 标志。
使用 --help 或阅读 man 页面以获取更多关于 vobsub2srt 选项的信息。
3. 项目 API 使用文档
本项目中未提供传统意义上的 API 文档,因为它是作为命令行工具设计的。所有的命令行参数和选项都可以通过运行 vobsub2srt --help 获取。
4. 项目安装方式
请参考上文“安装指南”部分,了解详细的安装步骤和方法。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00