[本站原创]SubtitleOCR字幕工具 v1.1.3 --图形字幕OCR识别，支持百度云、千问VL-OCR和Google Gemini

慕静安

SubtitleOCR字幕工具 保姆级使用教程

═══════════════════════════════════════════════

一、前言

本工具全称 SubtitleOCR 字幕工具·整合版，由 慕静安 开发（网站：www.yzyy.org）。它是一款 绿色单文件 字幕处理工具，集成了两种工作模式，支持 百度云OCR 、 千问VL-OCR 和 Google Gemini(v1.1.3版本新增 )三大云端识别引擎，无需本地安装任何 OCR 程序。

特别适合以下场景：

• 处理 Blu-ray 光盘提取的 SUP 格式字幕和从DVD提取的sub+idx格式字幕。
• 字幕文字模糊、嵌入图片，需要 OCR 重新识别
• 批量处理大量字幕文件
• 精细校对双语字幕的换行符位置
  

（截图位置1：程序主界面全貌，窗口大小约 1400x900，包含工具栏和模式一表格）

═══════════════════════════════════════════════

二、安装与启动

2.1 下载与解压

下载压缩包 SubtitleOCR_v113_Portable.zip，解压到任意位置即可使用。注意路径中 不要包含中文和空格，建议直接放在桌面或 D 盘根目录。

文件夹结构如下：

SubtitleOCRTool_v113.exe	主程序（双击运行）
启动程序.bat	带 Java 检测的启动脚本（初次推荐使用）
BDSup2Sub.jar	Blu-ray SUP 字幕转换工具（可选）
Java/	Java 运行时环境（可选，如处理 SUP 字幕需安装）
logs/	日志目录，程序运行后自动创建
README.md	使用说明

2.2 启动方式

方式一（初次推荐）：双击 启动程序.bat
方式二：双击 SubtitleOCRTool_v113.exe

首次使用 Blu-ray SUP 字幕功能时，脚本会提示安装 Java。

（截图位置2：双击"启动程序.bat"后的弹窗，提示"Java 检测中..."或"Java 已就绪"）

═══════════════════════════════════════════════

三、界面布局总览

（截图位置3：标注各区域名称的界面截图）

区域	说明
① 模式切换	切换"模式一"和"模式二"
② 工具栏	打开字幕、OCR引擎选择、字号调节、API设置、开始OCR、导出SRT等
③ 主表格	显示字幕内容的核心区域
④ 状态栏	显示当前状态和日志路径

═══════════════════════════════════════════════

四、OCR 引擎配置（必须先完成）

重要提示：在开始 OCR 识别之前，必须先配置至少一个 OCR 引擎的 API 密钥，否则所有 OCR 功能都无法使用。

4.1 点击工具栏的"API设置"按钮

点击后，工具栏下方会展开 API 设置面板：

（截图位置5：展开后的API设置面板，包含OCR引擎选择、AK/SK/Key输入框）

4.2 选择 OCR 引擎

在 OCR 下拉框中选择 百度云OCR 、 千问VL 或 Google Gemini 。

引擎	需要的密钥	申请地址
百度云OCR	API Key（AK）和 Secret Key（SK）	百度智能云控制台 console.bce.baidu.com
千问VL	DashScope Key	阿里云百炼平台 dashscope.console.aliyun.com
Google AI Studio	API Key	Google Gemini aistudio.google.com/apikey

4.3 填写密钥并保存

百度云 OCR 配置步骤：

• 在百度智能云注册并登录
• 进入"安全认证"创建 Access Key，获得 AK 和 SK
• 将 AK 填入"百度 AK"输入框
• 将 SK 填入"百度 SK"输入框
  

千问 VL-OCR 配置步骤：

• 在阿里云百炼平台注册并登录
• 开通"视觉理解"服务创建
• 获取 DashScope API Key
• 将 Key 填入"千问 DashScope Key"输入框
  

Google Gemini  配置步骤：

• 在Google AI Studio平台注册并登录
• 创建或选择一个项目
• Get API Key
• 将 Key 填入"Gemini Key"输入框
  

密钥填写完成后，程序会 自动保存，下次启动时自动恢复，无需重复填写。

4.4 验证密钥是否有效

配置好密钥后，可以直接尝试加载一个字幕文件，然后点击"开始OCR"。如果提示"百度云认证失败"或"千问 Key 无效"，说明密钥有误，请检查填写是否正确。


（截图位置6：认证失败的错误弹窗）

═══════════════════════════════════════════════

五、字幕文件加载

点击工具栏的 打开字幕 按钮，选择需要处理的字幕文件。

支持加载的文件格式：

• Blu-ray SUP：蓝光碟提取的字幕（.sup），需要 Java 环境
• VobSub（SUB/IDX）：DVD 提取的字幕格式（需 .sub 和 .idx 成对存在）
  

注意：本工具专为图片型字幕设计，用于对嵌入图片进行 OCR 识别。不支持纯文字型字幕（如 SRT、ASS、SSA）。加载字幕后，工具栏上的"开始OCR"按钮会变为可用状态。如果按钮仍然是灰色，请检查 OCR 引擎密钥是否已配置。

（截图位置7："打开字幕"对话框，筛选器显示支持的格式）

═══════════════════════════════════════════════

六、模式一：表格编辑模式

6.1 适用场景

模式一是 精细校对模式，适合以下情况：

• 字幕量不多，需要逐条认真校对
• 需要精确调整每条字幕的换行符位置
• 需要频繁使用"查找替换"功能
• 只需要对部分字幕进行 OCR，其余手动编辑
  

6.2 表格列说明

（截图位置8：模式一加载字幕后的表格全貌，标注各列名称）

列名	说明	可编辑
序号	字幕条目的序号（1, 2, 3...）	否
开始时间	字幕开始时间（HH:MM:SS,mmm）	否
结束时间	字幕结束时间	否
时长	该条字幕的持续时长（计算得出）	否
图片	字幕对应的图像预览缩略图	否
校对	可编辑的文字内容，即最终导出内容	是

小提示：对于 VobSub 格式字幕，程序会自动提取嵌入的图片并显示在该列；如果没有图片，则显示为空白。

6.3 右键菜单功能

在表格任意位置右键点击，会弹出快捷菜单：

（截图位置9：模式一右键菜单截图）

菜单项	功能说明
↩ 插入换行符 //	在当前行末尾插入双斜线分隔符（用于标注双行字幕时的换行位置）
清空校对文字	将校对列清空
插入单音符	在字幕开头插入音符
插入双音符	在字幕首尾分别插入音符
删除音符	在已经插入音符的字幕上再次点击插入音符，即可删除

6.4 在校对列编辑状态下插入 //

重要新功能（v1.0.9）：双击校对列的单元格进入编辑模式后，在编辑状态下右键点击，同样会弹出自定义中文菜单，第一项就是"↩ 插入换行符 //"。

（截图位置10：双击进入编辑模式后，右键菜单显示自定义内容，含"插入换行符 //"选项）

如果选中了部分文字，点击"插入换行符 //"会将选中文本替换为" //"；如果没有选中文本，则在光标位置插入" //"。

6.5 单条 OCR

如果只需要对某一条字幕进行识别，可以：

• 在表格中选中该行
• 右键点击，选择"OCR 识别（当前条）"
  

该功能无需提取全部图片，响应更快，适合少量修正。

6.6 查找替换

右键选择"查找..."或"替换..."，弹出对话框：

（截图位置11：查找替换对话框截图）

对话框字段	说明
查找内容	输入要搜索的文字
替换为	输入替换后的文字
区分大小写	勾选后区分大小写
区分全半角	勾选后区分全角和半角字符

点击"查找下一个"高亮定位，点击"全部替换"批量处理。

6.7 字体大小调节

工具栏右侧有字号下拉框，可以调整表格内文字的大小（10~20pt），默认12pt。此设置只影响校对列，不影响时间戳和小标题显示。

（截图位置12：字号下拉框的位置和可选字号列表）

═══════════════════════════════════════════════

七、模式二：批量OCR模式

7.1 适用场景

模式二是 效率优先模式，适合以下情况：

• 字幕量大，需要快速批量处理
• 所有字幕都需要 OCR 识别
• 希望一键完成提取图片+OCR+填入表格
  

7.2 表格列说明

（截图位置13：模式二加载字幕后的表格全貌，6列布局）

列名	说明
序号	字幕条目序号
开始时间	开始时间戳
结束时间	结束时间戳
时长	持续时长
图片	字幕图片预览（可拖拽调整列宽）
校对	OCR 识别结果，双击可编辑

7.3 工作流程

第一步：切换到模式二

点击"模式二"单选按钮，界面会切换到模式二的表格布局。

（截图位置14：切换到模式二后，工具栏多出"提取图片"按钮）

第二步：点击"提取图片"

点击后，程序会从字幕文件中批量提取所有嵌入的图片。进度条会显示提取进度：

（截图位置15：提取图片进度条，显示"正在提取图片... X%"）

提取完成后，图片列会自动填充缩略图，表格变为6列完整状态。此时"开始OCR"按钮变为可用状态。

第三步：点击"开始OCR"

程序会依次对所有图片进行 OCR 识别。识别过程中：

• 进度条显示整体进度（批量OCR）
• 表格中每条字幕的"校对"列会实时显示识别结果
• 千问引擎每识别10条会休息3秒，防止接口限流
  

（截图位置16：批量OCR进行中的截图，进度条在某百分比，校对列已有文字填充）

OCR 完成后，弹出提示框"OCR 批量识别完成！"。

7.4 识别结果修正

批量 OCR 完成后，如果发现某条识别结果不准确：

• 双击该行的"校对"列，直接编辑文字
• 在编辑状态下，右键可使用"插入换行符 //"功能（v1.0.9 新增）
  

7.5 再次提取图片（刷新）

如果加载字幕后想重新提取图片（字幕文件被外部修改过），直接再次点击"提取图片"即可覆盖。

═══════════════════════════════════════════════

八、关于 // 换行符的说明

8.1 什么是双斜线 //

很多双语字幕中，一行显示两句话，中间用 // 分隔，表示"上半行显示A，下半行显示B"。例如：

我在优秀的父母面前 // 默默接受了这一切

在 Subtitle Edit 中打开时，会显示为：

我在优秀的父母面前

默默接受了这一切

8.2 工具自动处理

OCR 引擎返回的图片如果是多行文字，程序会自动清理返回的换行符，并插入 // 作为双行分隔符。对于千问引擎，如果返回了 `// //` 这样的重复斜线，程序会自动合并为单个 //。

8.3 手动插入 //

在模式一或模式二中，可以：

• 右键菜单 → ↩ 插入换行符 //：在行末追加 //
• 编辑模式下右键菜单 → ↩ 插入换行符 //：在光标处插入（或替换选中文本）
  

═══════════════════════════════════════════════

九、导出 SRT

完成所有校对后，点击工具栏的 导出SRT 按钮。

（截图位置17：导出SRT对话框）

对话框字段	说明
保存位置	默认保存在原字幕文件所在目录
文件名	默认使用原字幕文件名，末尾自动加"_ocr"后缀

点击保存后，程序将校对列的文字按 SRT 格式输出（保留原时间轴），覆盖保存到指定位置。

重要：校对列有内容的行才导出，完全空白的行会被跳过。

═══════════════════════════════════════════════

十、 Blu-ray SUP 字幕特殊说明

如果需要处理 Blu-ray 光盘提取的 SUP 格式字幕：

第一步：安装 Java

SUP 字幕的解码依赖 BDSup2Sub.jar，该工具需要 Java 环境才能运行。

• 运行"启动程序.bat"，如果检测到未安装 Java，会提示下载
• 点击提示中的下载链接，前往 java.com 下载并安装
• 安装完成后重启电脑
  

第二步：加载 SUP 文件

点击"打开字幕"，选择 .sup 文件。程序会自动调用 BDSup2Sub.jar 将其转换为 VobSub 格式，然后解码显示图片。

SUP 字幕处理流程：

步骤	说明
1	调用 BDSup2Sub.jar 转换为 VobSub
2	程序内置 Python 解码器读取 VobSub
3	提取 SPU 图像数据，渲染显示
4	生成字幕条目列表

注意：如果程序目录中有 Java 文件夹（便携版自带），程序会优先使用自带的 Java，无需额外安装。如果未检测到 Java，则跳过 BDSup2Sub 转换，直接提示 SUP 解码失败。

（截图位置18：成功加载 SUP 字幕后的界面，显示 Blu-ray 格式识别成功）

═══════════════════════════════════════════════

十一、常见问题

Q1：提示"百度云认证失败"
A：请检查 AK 和 SK 是否填写正确，密钥是否有权限，建议到百度云控制台重新创建一对密钥再试。

Q2：提示"请填写百度云 API Key"
A：这是因为 OCR 引擎选择为"百度云OCR"，但没有填写密钥。请先展开"API设置"面板，正确填写 AK 和 SK。

Q3：SUP 字幕加载失败
A：请确认是否已安装 Java。如果未安装，运行"启动程序.bat"按提示下载安装。

Q4：OCR 识别结果出现乱码
A：可能是图片分辨率过低或文字过小，可以尝试换用另一个 OCR 引擎（百度→千问，或反之）对比效果。

Q5：表格列宽不适应，图片显示不全
A：可以直接拖拽列标题边缘调整宽度，程序会自动缩放图片以适应列宽。

Q6：批量OCR中途停止后，想重新开始
A：点击工具栏的"停止"按钮，然后再次点击"开始OCR"即可重新开始。

═══════════════════════════════════════════════

十二、版本历史

版本	日期	更新内容
v1.1.6	2026-04-08	修复百度云 OCR 换行问题
v1.1.4	2026-04-08	新增音乐符号插入功能。
v1.1.3	2026-04-08	1.支持鼠标拖入字幕；2.OCR模型新增Google Gemini 3.修复百度云识别Bug。
v1.1.2	2026-04-04	增加对英文字幕的识别
v1.1.1	2026-04-03	修复Bug
v1.1.0	2026-04-02	修复1.模式二式二字号设置无效；2.编辑状态字号不跟随；3.模式二初始填充字号不对
v1.0.9	2026-04-02	修复模式二序号两列显示问题；修复千问OCR双斜线残留问题；新增编辑状态自定义右键菜单（含插入 // 功能）
v1.0.8	2026-04-02	修复 // // 双斜线清理逻辑；新增查找替换功能；模式一时长列加宽；批量OCR增加休息机制
v1.0.7	2026-04-02	新增千问OCR双斜线清理后处理
v1.0.6	2026-04-02	图片智能裁剪优化；批量OCR多行分组逻辑增强
v1.0.5	2026-04-02	新增右键"插入换行符 //"；行高增大
v1.0.3	2026-04-02	模式一切换优化；加载进度条；修复模式二闪退
v1.0.1	2026-04-02	修复 PyQt6 导入问题；清理临时文件夹
v1.0.0	2026-04-01	整合版发布，模式一+模式二双模式

下载链接

https://115cdn.com/s/swf88wi335y#
SubtitleOCR_Portable

游客，如果您要查看本帖隐藏内容请回复

『来自123云盘用户的分享』SubtitleOCR_Portable
链接：https://www.123912.com/s/CJe6jv-tsmhh

游客，如果您要查看本帖隐藏内容请回复

通过网盘分享的文件：SubtitleOCR_Portable
链接: https://pan.baidu.com/s/1449nD1ICet3SaXO2ZMXXkA

游客，如果您要查看本帖隐藏内容请回复

═══════════════════════════════════════════════

技术支持

开发者：慕静安
网站：www.yzyy.org
如有问题请前往网站发帖反馈。

感谢使用 SubtitleOCR 字幕工具，祝使用愉快！

空蝉

不错不错，支持！！！

慕静安

Google AI Studio API Key（需要登录）

• 地址：https://aistudio.google.com/apikey
• 用 Google 账号登录即可免费生成 Key
• 免费额度很大：gemini-2.0-flash 每分钟 15 次、每天 1500 次，字幕工具完全够用
• 这就是我们 v1.1.3 已经添加的 Gemini 引擎
  

TOP

感谢分享实用工具

mrchildren

感謝分享