+- OurDVD - Forum (http://bt.ourdisc.net/forum)
+-- 论坛: 影视资源与软硬件经验分享区 (/forumdisplay.php?fid=4)
+--- 论坛: 高清DVD软硬件 技术学院 (/forumdisplay.php?fid=6)
+--- 帖子: IdxSubOcr使用報告 (/showthread.php?tid=1148)
IdxSubOcr使用報告 - bigcondor - 07-04-2013 05:34 PM
昨天在聊天室，得悉這個程式，於是便往相關網頁下載並試用，今天剛好要製作Time Traveler's Wife這片，以前製作的BD-9的字幕並不是官方的，今次特意從射手網下載了一個idx+sub來測試一下…
首先要多謝巴比、大搜查線和why1812等兄台的幫忙；多些交流，也可以減少失敗的機會！
這個字幕，我最初用SubToSrt來做，由於這個字幕是較粗體的楷書，所以SubToSrt完全沒法辨識，所以鍵入幾個字後我便放棄，然後轉用IdxSubOcr。
根據大搜查線兄的提供，我用了IdxSubOcr v1.11正體中文版：-
http://www.hd.club.tw/thread-161823-1-1.html
將idx+sub輸入後，IdxSubOcr後快便能辨識字幕來，辨識率也十分高，下列是我的一些發現：-
1. 中文的標點符號很多時候都會被加多了一個空格，所以可以先將它們用輔助功能除掉(，、！？“”等)。
2. 有時程式會誤加換行。
3. 辨認錯誤當然無可避免，發現後可以用輔助功能來搜尋取代；所以逐行檢查會較穩妥。
4. 有些單字就完全辨認不到。
5. 有些地方居然連先後次序也弄錯了！
整體來說，程式已經很不錯，比起SubToSrt要逐個字鍵入功夫會少很多；也希望大家也來發表一下心得，謝謝！
RE: IdxSubOcr使用報告 - why1812 - 07-04-2013 07:12 PM
OCR一般分字库和引擎两种。
最起初做DVD的OCR一般使用SubToSrt和SubOcr。
不过SubToSrt和字库量的关系很大，比如，像DVD时代，华纳用微软雅黑，华纳的DVD就很容易OCR。
而其他家所用的字体就不那么容易OCR，如迪士尼专用的楷体字体。
而到了BD时代，各家用的字体SubToSrt字库基本上没有。比如新线华纳用的是加粗的标准楷，环球和派拉蒙用的是旧版本的黑体。RBD经常直接用DVD字幕直接转BD SUP，SubToSrt字库不足，都要一个字一个字的键入，所以我就弃用SubToSrt。换用OCR引擎的SubOcr，也曾安装过IdxSubOcr，不过IdxS ubOcr没成功，事实上是因为我使用的office的原因。
使用IdxSubOcr一定要安装正式完整版office2003或2007，而大陆很多人安装的office都不是完整版，我这次也是看到BC大成功后说到office 版本的问题（BC大用的是英语版本），受此启发，所以重新下了MSDN版的office才搞定的。
相对来说IdxSubOcr程式小而简便，因为用的是微软的OCR引擎，因此完成率相当高。当然前提是office安装好，还要安装相应的MODI。
个人的心得是IdxSubOcr和SubOcr都是很好的软件，可以把IdxSubOcr做为主力使用。
RE: IdxSubOcr使用報告 - bigcondor - 07-05-2013 07:42 PM
今天再用這個程式辨識Cypher這個片，以前這個idx+sub檔用SubToSrt辨認困難而停止了，今天用IdxSubOcr就頗順利，不過有一些地方還是要注意： -
字幕不能讀進Subtitle Workshop…
其實昨天也發現這個問題，只不過未有時間去探究。我喜歡用Subtitle Workshop來校正一些字幕的格式(用慣了！)，但IdxSubOcr產生的字幕就未能被Subtitle Workshop所接受。今天我用SubResync將字幕讀入再儲存，然後比對兩個字幕，就發現問題所在：-
時間的格式最後的千份之一秒應該是用“,”來分隔，而不是用“.”。
此外，1和l很難辨識，要小心核對。
這個又來了次序錯誤的問題，所以還是小心逐行檢查較好；而空行也不單單在單字出現！
RE: IdxSubOcr使用報告 - bebolan - 07-06-2013 07:15 PM
這個正體中文化版本似乎有點問題，字幕內容ocr次序錯誤有遇過，但不應該這麼頻繁。
另外顯示卡等級似乎對ocr識別率有影響，這還有待驗證，請bc大ocr一片字幕，不作任何修正，小弟也ocr一次，看看內容是否有異。
至於srt格式錯誤，致sw無法讀取，用srtedit讀取，修正任一內容後存檔，sw就能讀了。
RE: IdxSubOcr使用報告 - bigcondor - 07-06-2013 07:33 PM
我用SubResync將字幕讀入再儲存就可以解決…
一會我將這個字幕打包連同辨認出來的檔電郵給你。
RE: IdxSubOcr使用報告 - why1812 - 07-07-2013 11:50 AM
按IdxSubOcr作者的说法旧版本OCR的字幕格式是正确的，不知道为什么最新版本改了，Subtitle Workshop不能读，但其他字幕软件都可以。所以随便用个字幕软件如aegisub等过一遍就可以了。相对来说Subtitle Workshop对字幕也比较挑。
显卡应该对OCR识别率影响不大。
不过我发现用IdxSubOcr来OCR同一个字幕，重新OCR会和上次不同。
除了1和l识别问题，还发现！经常被误认为是分行符，且分的很随意。这个可以供大家OCR时参考。
BC大也可以把SUB字幕发上来，我用简体版本看看。我也准备找旧版本的IdxSubOcr测试看看。
RE: IdxSubOcr使用報告 - sony188 - 07-07-2013 11:58 AM
這個目前也是我最主力的OCR軟體，之前用丹青也是後續的校正很花時間，且非常佔用資源
大鵰兄發生過的問題，我幾乎也都發生過，不過有的時候辨識能力又非常好（錯誤很少），可能和字幕的製作有關，最嚴重的是整篇幾乎重打
昨天在OCR Something Wild 錯誤就很少，但是有些地方錯誤看不出來，例如口氣的『口』，這個軟體幾乎都辨識為符號『□』（大小樣子幾乎一樣），校正也都看不出來
這軟體有個好處，就是前面辨識錯誤的字，後面若再出現一樣會辨識錯誤，所以記錄之後可以使用『取代』，一次把錯誤更正
另外少部份的字，像是心（太分散且多點）、順、辨（可三拆的字）、特定部首會出現特定的錯誤
RE: IdxSubOcr使用報告 - bigcondor - 07-07-2013 01:48 PM
檔案內包含原idx+sub檔，ocr後的原始和修正檔…
[attachment=410]
RE: IdxSubOcr使用報告 - why1812 - 07-08-2013 10:47 AM
在简体系统下OCR的结果和繁体系统是一样的。
下载了1.05版，文字OCR辨识率和1.11一样，且字幕格式也是一样。但1.05的标点符号是正确的，1.11会在标点符号前面后面加空格。不过1.05在SrtEdit打开是乱码，但用记事本和aegisub打开是正常的。不知道繁体系统情况如何。
RE: IdxSubOcr使用報告 - why1812 - 07-08-2013 11:16 AM
sony188 写:
這個目前也是我最主力的OCR軟體，之前用丹青也是後續的校正很花時間，且非常佔用資源
大鵰兄發生過的問題，我幾乎也都發生過，不過有的時候辨識能力又非常好（錯誤很少），可能和字幕的製作有關，最嚴重的是整篇幾乎重打
昨天在OCR Something Wild 錯誤就很少，但是有些地方錯誤看不出來，例如口氣的『口』，這個軟體幾乎都辨識為符號『□』（大小樣子幾乎一樣），校正也都看不出來
這軟體有個好處，就是前面辨識錯誤的字，後面若再出現一樣會辨識錯誤，所以記錄之後可以使用『取代』，一次把錯誤更正
另外少部份的字，像是心（太分散且多點）、順、辨（可三拆的字）、特定部首會出現特定的錯誤
大鵰兄發生過的問題，我幾乎也都發生過，不過有的時候辨識能力又非常好（錯誤很少），可能和字幕的製作有關，最嚴重的是整篇幾乎重打
昨天在OCR Something Wild 錯誤就很少，但是有些地方錯誤看不出來，例如口氣的『口』，這個軟體幾乎都辨識為符號『□』（大小樣子幾乎一樣），校正也都看不出來
這軟體有個好處，就是前面辨識錯誤的字，後面若再出現一樣會辨識錯誤，所以記錄之後可以使用『取代』，一次把錯誤更正
另外少部份的字，像是心（太分散且多點）、順、辨（可三拆的字）、特定部首會出現特定的錯誤
对，比如“讓”就会被拆成“言襄”。
用OCR引擎的都会有这问题。好在摸熟规律后其实以后就直接全部替换
RE: IdxSubOcr使用報告 - bigcondor - 07-08-2013 11:43 AM
why1812 写:
在简体系统下OCR的结果和繁体系统是一样的。
可以推論辨認最重要的因素就是OCR ENGINE，程式主要是執行週邊的工作…
辨認錯誤，要改進就一定要從根源的OCR ENGINE著手，看來都沒有什麼解救了！
SubToSrt在這方面加進了學習功能，所以將新的字加進字庫便可以改善辨認效果，這是比這個程式優勝的地方。
至於一個字變成多個字的情況，其實應該可以解決；因為中文字是方塊字，基本上都是等寬的，所以OCR ENGINE應該從這個方向去改善(我猜這是因為其他語言沒有這個特性，所以編寫程式的都沒有去考慮這個方向)，就不會將一個字變成幾個了。
在繁體系統下，如果用未經漢化的版本，一定要對程式相當熟悉，因為我們看不到那些說明呢！
RE: IdxSubOcr使用報告 - why1812 - 07-09-2013 11:12 PM
bigcondor 写:
今天再用這個程式辨識Cypher這個片，以前這個idx+sub檔用SubToSrt辨認困難而停止了，今天用IdxSubOcr就頗順利，不過有一些地方還是要注意： -
字幕不能讀進Subtitle Workshop…
其實昨天也發現這個問題，只不過未有時間去探究。我喜歡用Subtitle Workshop來校正一些字幕的格式(用慣了！)，但IdxSubOcr產生的字幕就未能被Subtitle Workshop所接受。今天我用SubResync將字幕讀入再儲存，然後比對兩個字幕，就發現問題所在：-
時間的格式最後的千份之一秒應該是用“,”來分隔，而不是用“.”。
此外，1和l很難辨識，要小心核對。
這個又來了次序錯誤的問題，所以還是小心逐行檢查較好；而空行也不單單在單字出現！
字幕不能讀進Subtitle Workshop…
其實昨天也發現這個問題，只不過未有時間去探究。我喜歡用Subtitle Workshop來校正一些字幕的格式(用慣了！)，但IdxSubOcr產生的字幕就未能被Subtitle Workshop所接受。今天我用SubResync將字幕讀入再儲存，然後比對兩個字幕，就發現問題所在：-
時間的格式最後的千份之一秒應該是用“,”來分隔，而不是用“.”。
此外，1和l很難辨識，要小心核對。
這個又來了次序錯誤的問題，所以還是小心逐行檢查較好；而空行也不單單在單字出現！
BC大，软件默认是帧，可以设置为毫秒。
RE: IdxSubOcr使用報告 - bigcondor - 09-14-2013 09:01 AM
謝謝why1812兄…
今天做“貓”的時候，又發現了一個問題…
字幕裡有些沒有字幕的空行，我便使用“刪除當前行”的按鈕把那行字幕刪除…
在此以後，當我使用取代功能時，畫面和顯示出來的字幕並不同步…
所以要刪除整行字幕應該在編輯完才進行吧！