论文部分内容阅读
前段时间我购入了新的MP4，结果发现从网上下载的视频内嵌字幕大多太小，很难看清楚，还是有必要再重新下载新的字幕文件。别人都说我事多，没办法，我一直就是个完美主义者。
字幕文件分为图片型和文本型两类，常见的图片型字幕由IDX和SUB两个文件构成，前者是时间轴导引文件，确定每段字幕的显隐时间，后者则是每段字幕的图片，即把每段文字转成图片的形式，再把IDX和SUB两个整合在一起而成。文本型最常见的是SRT和SSA两种：其中SRT文件可以直接用记事本程序打开编辑，而SSA文件必须用Sub Station Alpha等专门软件处理。
我那MP4支持的字幕格式是SRT，于是麻烦来了—从网上下载的字幕文件类型有很多，这意味着要将图片型字幕想转换为SRT格式，这是比较麻烦的过程。要用到两个软件:SubRip(下载地址:http://work.newhua.com/cfan/200806/SubRip.rar，快车代码:CF0806SZDM01)和SubToSrt(下载地址:http://work.newhua.com/cfan/200806/SubToSrt.rar，快车代码:CF0806SZDM02)
英文字幕的转换
1 打开SubRip，选择“文件→打开Vob文件”菜单项，在弹出窗口中，点击“打开文件目录”按钮，选择SUB文件，之后，将“语言数据流”设置为“English”，同时勾选“字幕图片通过OCR转换成文本”，点击“开始”(见图1)。
(1)
2 现在识别每个字符，即识别该图片中拆成单个字母的最小图片，我们只需要在首次识别该图片时输入相应字母，当这个图片再次出现时，就会自动识别了。其实还是靠人识别，由该软件建立起一个字符和图片的对应关系。而这个对应关系，在这个软件中被称为字符点阵(见图2)。
(2)
p字符点阵可以保存，但一般各部电影的点阵文件都不同，例外情况是，如果是系列的纪录片，那这个点阵文件就可以适用于这个系列中的所有英文字幕，即省去第一遍的字符输入
3 识别完成后，可单击下方的“文件→另存为SRT文件”菜单项，得到文本格式的英文字幕。
识别完成，得到SRT文件并非就万事大吉了，有个问题：在相当多的图片字幕中，图片字母的字体为Arial，该字体的“l”和大写的“I”外形相同！由于“l”的使用频率更高，且“I”往往是位于句首，后期修改较为方便，所以识别时应统一识别为“l”。可以想象：字幕中有若干个“我”被识别成“l”,还有lt、lts、lf、ln…如果用记事本逐行改那上千行的字幕文本，还不能误改其中正确的“l”，相当头大。这里可以用Word中的“全部替换”来帮忙：用Word打开转换后的SRT文件，点击菜单中的“编辑→替换”项，勾选高级中的“区分大小写”、“全字匹配”后，替换内容为“l”；替换为“I”，单击“全部替换”。接下来将lt替换为It，之后依次替换正确的Is、Its、If、In、Into（前面是出错频率最高的），常见的还有Instead、Inside、Including、Immediately等。完成后最好再把全文过一遍。因为在Word中，拼写错误都会有红色下划线标注，非常醒目，这样可以基本搞定像FBI、CIA这些漏网之鱼。最后保存即可。
中文字幕的转换
SubRip实际上也是可以直接转换中文字幕的，但是由于准确率和速度不及SubToSrt，因此总的转换步骤为:先用SubRip把那个SUB整文件拆成每行的单个图片字幕，再由SubToSrt识别为中文。
1运行SubRip，同样选择“文件→打开Vob文件”菜单项，在弹出窗口中，点击“打开文件目录”按钮，选择SUB文件，之后，将“语言数据流”设置为“Chinese”（有时也可能显示为gb、Chs等），同时勾选“字幕图片保存为4bit的BMP文件”，并勾选“加时间和尺寸”，“开始”即可(见图3)。
2输入任意文件名（最好新建一个文件夹，因为每段字幕将生成一个BMP文件，因此有可能有上千个小图片文件），“保存”即可（最终生成的中文字幕名称和现在的文件名称完全无关）。
(3)
3在弹出窗口中选择“I-Author”，勾选“Custom Colors and Contrast”，把颜色#1～#4全部选择成白色（#1～#4分别代表字芯、字框、背景、消除走样，不同电影字幕的#1～#4所代表的都不一样），以便测试出哪一个为字芯，将其设为黑色，其他3项全部设为白色（见图4）。
(4)
p这样可以使每段图片字幕的文字处于最容易识别的状态。要注意的一点就是在调整颜色时，必须要点“基本颜色”下的白色和黑色，“自定义颜色”中的黑色点击后无效，整个字幕段仍无法正常显示
4SubRip自动将每一幅图片保存为BMP，并且加上相应的时间顺序，再依次点击“输出格式→设置输出格式”下的“SubRip”，点击“转换成此格式”，“另存为→保存”即可(见图5)。
(5)
p此时弹出的对话框是提示你这种格式不是最好的选择。由于我们接下来要在SubToSrt中继续识别，所以不必理会，点击“确定”
(6)
p上图在窗口左下角依照字幕调节“空格检测设置”、“空格宽度设置”及“行高检测灵敏度”
5打开SubToSrt，选择“文件→打开SRT或SSA文件”菜单项，选取刚才保存的SRT文件。然后点击“图片处理→自动裁剪”菜单项(见图6)，最后点击“识别→开始识别”菜单项。该软件同样是把大图片拆成每个汉字的小图片，然后根据软件中已知的字库(图片和汉字的对应数据库，类似SubRip的字符点阵，但比后者复杂得多。网上可以下载到，最大的有50MB，这是因为英文变来变去就那52个形状，而中文的方块字字形就太复杂了)进行识别。当遇到不认识的字时，会自动跳出窗口要求丰富字库，输入该字，按回车即可。因此可能开始时很多内容要识别，但是随着识别的不断进行，字库文件中的内容不断增加，需要识别的内容会越来越少(见图7)。
(7)
p经过我“训练”的SubToSrt，现在识别一部电影平均只需输入两三个字。如果汉字分为左右部分，识别时有时会只显示半个字，按扩展(Alt+E)，即可显示全字
6识别完毕后，会自动替换已知错误词组。接着，可以看一下字幕，如有需要，可以略作修改（如原SUB字幕中就是错误的，部分繁体字的字幕由于习惯不同，质量不太好，可自行修改）。
7点击“文件→保存为SRT或SSA格式”菜单项，保存为SRT格式即可。注意，在保存好后退出SubtoSrt时，软件需要一定的时间去存储刚刚扩充到字库文件中的新内容，如果强行结束程序，将导致字库文件的损坏。
现在把转换好的SRT字幕和视频文件使用相同的文件名复制到MP4中，就可以在MP4的小屏幕看到清晰的字幕了。不错，很完美！我很满意！
字幕文件分为图片型和文本型两类，常见的图片型字幕由IDX和SUB两个文件构成，前者是时间轴导引文件，确定每段字幕的显隐时间，后者则是每段字幕的图片，即把每段文字转成图片的形式，再把IDX和SUB两个整合在一起而成。文本型最常见的是SRT和SSA两种：其中SRT文件可以直接用记事本程序打开编辑，而SSA文件必须用Sub Station Alpha等专门软件处理。
我那MP4支持的字幕格式是SRT，于是麻烦来了—从网上下载的字幕文件类型有很多，这意味着要将图片型字幕想转换为SRT格式，这是比较麻烦的过程。要用到两个软件:SubRip(下载地址:http://work.newhua.com/cfan/200806/SubRip.rar，快车代码:CF0806SZDM01)和SubToSrt(下载地址:http://work.newhua.com/cfan/200806/SubToSrt.rar，快车代码:CF0806SZDM02)
英文字幕的转换
1 打开SubRip，选择“文件→打开Vob文件”菜单项，在弹出窗口中，点击“打开文件目录”按钮，选择SUB文件，之后，将“语言数据流”设置为“English”，同时勾选“字幕图片通过OCR转换成文本”，点击“开始”(见图1)。
(1)
2 现在识别每个字符，即识别该图片中拆成单个字母的最小图片，我们只需要在首次识别该图片时输入相应字母，当这个图片再次出现时，就会自动识别了。其实还是靠人识别，由该软件建立起一个字符和图片的对应关系。而这个对应关系，在这个软件中被称为字符点阵(见图2)。
(2)
p字符点阵可以保存，但一般各部电影的点阵文件都不同，例外情况是，如果是系列的纪录片，那这个点阵文件就可以适用于这个系列中的所有英文字幕，即省去第一遍的字符输入
3 识别完成后，可单击下方的“文件→另存为SRT文件”菜单项，得到文本格式的英文字幕。
识别完成，得到SRT文件并非就万事大吉了，有个问题：在相当多的图片字幕中，图片字母的字体为Arial，该字体的“l”和大写的“I”外形相同！由于“l”的使用频率更高，且“I”往往是位于句首，后期修改较为方便，所以识别时应统一识别为“l”。可以想象：字幕中有若干个“我”被识别成“l”,还有lt、lts、lf、ln…如果用记事本逐行改那上千行的字幕文本，还不能误改其中正确的“l”，相当头大。这里可以用Word中的“全部替换”来帮忙：用Word打开转换后的SRT文件，点击菜单中的“编辑→替换”项，勾选高级中的“区分大小写”、“全字匹配”后，替换内容为“l”；替换为“I”，单击“全部替换”。接下来将lt替换为It，之后依次替换正确的Is、Its、If、In、Into（前面是出错频率最高的），常见的还有Instead、Inside、Including、Immediately等。完成后最好再把全文过一遍。因为在Word中，拼写错误都会有红色下划线标注，非常醒目，这样可以基本搞定像FBI、CIA这些漏网之鱼。最后保存即可。
中文字幕的转换
SubRip实际上也是可以直接转换中文字幕的，但是由于准确率和速度不及SubToSrt，因此总的转换步骤为:先用SubRip把那个SUB整文件拆成每行的单个图片字幕，再由SubToSrt识别为中文。
1运行SubRip，同样选择“文件→打开Vob文件”菜单项，在弹出窗口中，点击“打开文件目录”按钮，选择SUB文件，之后，将“语言数据流”设置为“Chinese”（有时也可能显示为gb、Chs等），同时勾选“字幕图片保存为4bit的BMP文件”，并勾选“加时间和尺寸”，“开始”即可(见图3)。
2输入任意文件名（最好新建一个文件夹，因为每段字幕将生成一个BMP文件，因此有可能有上千个小图片文件），“保存”即可（最终生成的中文字幕名称和现在的文件名称完全无关）。
(3)
3在弹出窗口中选择“I-Author”，勾选“Custom Colors and Contrast”，把颜色#1～#4全部选择成白色（#1～#4分别代表字芯、字框、背景、消除走样，不同电影字幕的#1～#4所代表的都不一样），以便测试出哪一个为字芯，将其设为黑色，其他3项全部设为白色（见图4）。
(4)
p这样可以使每段图片字幕的文字处于最容易识别的状态。要注意的一点就是在调整颜色时，必须要点“基本颜色”下的白色和黑色，“自定义颜色”中的黑色点击后无效，整个字幕段仍无法正常显示
4SubRip自动将每一幅图片保存为BMP，并且加上相应的时间顺序，再依次点击“输出格式→设置输出格式”下的“SubRip”，点击“转换成此格式”，“另存为→保存”即可(见图5)。
(5)
p此时弹出的对话框是提示你这种格式不是最好的选择。由于我们接下来要在SubToSrt中继续识别，所以不必理会，点击“确定”
(6)
p上图在窗口左下角依照字幕调节“空格检测设置”、“空格宽度设置”及“行高检测灵敏度”
5打开SubToSrt，选择“文件→打开SRT或SSA文件”菜单项，选取刚才保存的SRT文件。然后点击“图片处理→自动裁剪”菜单项(见图6)，最后点击“识别→开始识别”菜单项。该软件同样是把大图片拆成每个汉字的小图片，然后根据软件中已知的字库(图片和汉字的对应数据库，类似SubRip的字符点阵，但比后者复杂得多。网上可以下载到，最大的有50MB，这是因为英文变来变去就那52个形状，而中文的方块字字形就太复杂了)进行识别。当遇到不认识的字时，会自动跳出窗口要求丰富字库，输入该字，按回车即可。因此可能开始时很多内容要识别，但是随着识别的不断进行，字库文件中的内容不断增加，需要识别的内容会越来越少(见图7)。
(7)
p经过我“训练”的SubToSrt，现在识别一部电影平均只需输入两三个字。如果汉字分为左右部分，识别时有时会只显示半个字，按扩展(Alt+E)，即可显示全字
6识别完毕后，会自动替换已知错误词组。接着，可以看一下字幕，如有需要，可以略作修改（如原SUB字幕中就是错误的，部分繁体字的字幕由于习惯不同，质量不太好，可自行修改）。
7点击“文件→保存为SRT或SSA格式”菜单项，保存为SRT格式即可。注意，在保存好后退出SubtoSrt时，软件需要一定的时间去存储刚刚扩充到字库文件中的新内容，如果强行结束程序，将导致字库文件的损坏。
现在把转换好的SRT字幕和视频文件使用相同的文件名复制到MP4中，就可以在MP4的小屏幕看到清晰的字幕了。不错，很完美！我很满意！