164 lines
3.2 KiB
Markdown
164 lines
3.2 KiB
Markdown
|
# 视频字幕OCR提取器 - CnOCR集成
|
|||
|
|
|
|||
|
|
## 概述
|
|||
|
|
|
|||
|
|
字幕提取器现在支持三种OCR引擎：
|
|||
|
|
- **PaddleOCR**: 百度开源OCR引擎
|
|||
|
|
- **EasyOCR**: 轻量级OCR引擎
|
|||
|
|
- **CnOCR**: 中文OCR专用引擎（新增）
|
|||
|
|
|
|||
|
|
## CnOCR安装和配置
|
|||
|
|
|
|||
|
|
### 1. 自动安装（推荐）
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
cd code
|
|||
|
|
python install_cnocr.py
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 2. 手动安装
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
# 安装CnOCR
|
|||
|
|
pip install cnocr[ort-cpu] -i https://pypi.tuna.tsinghua.edu.cn/simple
|
|||
|
|
|
|||
|
|
# 创建模型目录
|
|||
|
|
mkdir -p /root/autodl-tmp/llm/cnocr
|
|||
|
|
|
|||
|
|
# 设置环境变量
|
|||
|
|
export CNOCR_HOME=/root/autodl-tmp/llm/cnocr
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 使用方法
|
|||
|
|
|
|||
|
|
### 1. 单独使用CnOCR
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
python ocr_subtitle_extractor.py your_video.mp4 -e cnocr
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 2. 使用所有OCR引擎
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
python ocr_subtitle_extractor.py your_video.mp4 -e all
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 3. 完整参数示例
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
python ocr_subtitle_extractor.py your_video.mp4 \
|
|||
|
|
-e cnocr \
|
|||
|
|
-l ch \
|
|||
|
|
-i 30 \
|
|||
|
|
-c 0.5 \
|
|||
|
|
-o results \
|
|||
|
|
-f json \
|
|||
|
|
--position bottom
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 参数说明
|
|||
|
|
|
|||
|
|
- `-e, --engine`: OCR引擎选择
|
|||
|
|
- `paddleocr`: 仅使用PaddleOCR
|
|||
|
|
- `easyocr`: 仅使用EasyOCR
|
|||
|
|
- `cnocr`: 仅使用CnOCR（新增）
|
|||
|
|
- `all`: 使用所有三种引擎
|
|||
|
|
|
|||
|
|
- `-l, --language`: 语言设置
|
|||
|
|
- `ch`: 中文
|
|||
|
|
- `en`: 英文
|
|||
|
|
- `ch_en`: 中英文混合
|
|||
|
|
|
|||
|
|
- `-i, --interval`: 帧采样间隔（默认30帧）
|
|||
|
|
- `-c, --confidence`: 置信度阈值（默认0.5）
|
|||
|
|
- `-o, --output`: 输出目录
|
|||
|
|
- `-f, --format`: 输出格式（json/txt/srt）
|
|||
|
|
- `--position`: 字幕区域位置（full/center/bottom）
|
|||
|
|
|
|||
|
|
## CnOCR特点
|
|||
|
|
|
|||
|
|
1. **专为中文优化**: 对中文识别效果更好
|
|||
|
|
2. **轻量级**: 模型体积较小，运行速度快
|
|||
|
|
3. **易于部署**: 安装简单，依赖少
|
|||
|
|
4. **多种模型**: 支持多种检测和识别模型
|
|||
|
|
|
|||
|
|
## 测试CnOCR集成
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
python test_cnocr.py
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
这个脚本会：
|
|||
|
|
1. 测试CnOCR安装
|
|||
|
|
2. 测试模型下载
|
|||
|
|
3. 测试字幕提取器集成
|
|||
|
|
4. 显示测试结果
|
|||
|
|
|
|||
|
|
## 模型存储位置
|
|||
|
|
|
|||
|
|
所有CnOCR模型文件都会下载到：
|
|||
|
|
```
|
|||
|
|
/root/autodl-tmp/llm/cnocr/
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
首次使用时会自动下载所需模型，请耐心等待。
|
|||
|
|
|
|||
|
|
## 输出格式
|
|||
|
|
|
|||
|
|
使用CnOCR时，识别结果中的`engine`字段会标记为`"CnOCR"`，便于区分不同引擎的结果。
|
|||
|
|
|
|||
|
|
## 性能对比
|
|||
|
|
|
|||
|
|
| 引擎 | 中文识别 | 英文识别 | 速度 | 模型大小 |
|
|||
|
|
|------|----------|----------|------|----------|
|
|||
|
|
| PaddleOCR | 优秀 | 优秀 | 中等 | 大 |
|
|||
|
|
| EasyOCR | 良好 | 优秀 | 较慢 | 大 |
|
|||
|
|
| CnOCR | 优秀 | 良好 | 较快 | 中等 |
|
|||
|
|
|
|||
|
|
## 故障排除
|
|||
|
|
|
|||
|
|
### 1. 安装失败
|
|||
|
|
```bash
|
|||
|
|
# 更新pip
|
|||
|
|
pip install --upgrade pip
|
|||
|
|
|
|||
|
|
# 使用国内源
|
|||
|
|
pip install cnocr[ort-cpu] -i https://pypi.tuna.tsinghua.edu.cn/simple
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 2. 模型下载失败
|
|||
|
|
```bash
|
|||
|
|
# 检查网络连接
|
|||
|
|
# 确保有足够的磁盘空间
|
|||
|
|
# 重新运行安装脚本
|
|||
|
|
python install_cnocr.py
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
### 3. 环境变量问题
|
|||
|
|
```bash
|
|||
|
|
# 在脚本开头添加
|
|||
|
|
export CNOCR_HOME=/root/autodl-tmp/llm/cnocr
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
## 示例输出
|
|||
|
|
|
|||
|
|
```json
|
|||
|
|
{
|
|||
|
|
"video_path": "test_video.mp4",
|
|||
|
|
"subtitles": [
|
|||
|
|
{
|
|||
|
|
"timestamp": 1.5,
|
|||
|
|
"text": "这是一个测试字幕",
|
|||
|
|
"confidence": 0.95,
|
|||
|
|
"bbox": [[10, 20], [200, 20], [200, 50], [10, 50]],
|
|||
|
|
"engine": "CnOCR"
|
|||
|
|
}
|
|||
|
|
],
|
|||
|
|
"stats": {
|
|||
|
|
"total_detections": 150,
|
|||
|
|
"filtered_detections": 120,
|
|||
|
|
"unique_texts": 50,
|
|||
|
|
"average_confidence": 0.87
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
```
|