Hướng dẫn sử dụng VideoSubFinder và cấu hình OCR

Bước 1 -  CHUẨN BỊ:

Tải và cài đặt VideoSubFinder 6.10 : https://www.videohelp.com/software/VideoSubFinder
Tải python 3.12.2 hoặc bản mới nhất có thể tại địa chỉ: https://www.python.org/
Chạy lệnh:

• pip install --upgrade google-api-python-client google-auth-httplib2 google-auth-oauthlib
• pip install oauth2client

Cấu hình sẵn cho 2 trang phim JAV vietsub: Copy file javhd.cfg, vlxx.cfg vào thư mục \VideoSubFinder_6.10\settings, đối với phim khác có thể tự điều chỉnh theo ý muốn cho hợp lý.

 Bước 2 - CÀI ĐẶT, OCR:

Chạy chương trình VideoSubFinder 6.10
 Nhấp đúp chuột vào VideoSubFinderWXW --> File  --> Open Video (OpenCV). Có thể sử dụng Open Video (FFMPEG) nhưng bài này mình thấy nếu chạy bằng FFMPEG nó rất chậm nên vẫn khuyên là dùng OpenCV.

Vào File → Load Settings.. Và chọn javhd.cfg hoặc vlxx.cfg

Tại cửa sổ Video Box kéo 2 thanh kẻ trắng làm sao cho bao được vùng có hiện phụ đề. Chú ý phụ đề thường có 2 line thì phải tăng chỉnh 2 thanh sao cho bao được hết phụ đề. Nếu không khi chạy sẽ bị thiếu.

 

Nhấn vào Run Search để bắt đầu quá trình extract hình có chứa phụ đề

Quá trình chạy, sau khi xong tất cả ảnh có phụ đề sẽ nằm trong thư mục \VideoSubFinder\RGBImages

776 là số vị trí phụ đề cứng mà chương trình tìm được (đôi khi chương trình nhận diện nhầm ký tự)
Vào tab OCR → Chạy lệnh Create Cleared Text Images. Mục đích việc này là xoá nền của ảnh raw thành ảnh trắng đen và xoá những ảnh không có chứa phụ đề (tỷ lệ..).

Thực tế thì chỉ cần thư mục RGBImages là Google Docs nó cũng OCR ổn rồi, tuy nhiên vì google docs OCR quá mạnh nên đôi khi những hình ảnh có chữ chìm kiểm như watermark nó cũng nhận diện được luôn thành ra nó lại thành “rác” không mong muốn, RGBImages ->TXTImages mục đích sẽ loại bỏ được mấy cái watermark này…

Copy toàn bộ file trong VideoSubFinder_6.10\TXTImages sang 1 thư mục đặt theo tên phim cho dễ thao tác.

Chạy file RUN.bat để tiến hành OCR phụ đề dựa vào dịch vụ Google Docs.

Sau khi chạy xong, ứng dụng tự thoát chương trình, vào thư mục /sub sẽ thấy file [Vietsub]WAAA-053.srt hoặc là tên-file.srt theo tự đặt

BƯỚC 3 – FINE TUNNING:

Có 1 điểm hạn chế là script python này chưa được tối ưu trong việc sửa lỗi xuống dòng với các phụ đề 2 dòng. Ví dụ:

Do vậy nếu muốn đc tối ưu chỗ này, chúng ta cần thực hiện vài bước thêm nữa.
Mở Subtitle Edit --> New --> File --> Import --> Plain text…

Duyệt tới thư mục /raw_texts chứa text raw từ OCR. Chọn tất cả các file txt.

Nhấn OK để về màn hình soạn thảo.

Nó sẽ bị như vầy ( có them phần ________________).

Chỉ cần Edit à Multiple replace… Tìm và xoá đoạn ________________ là xong.

Lưu lại và mở lên nó sẽ như vầy

Dọn các line có time nhỏ và câu trùng lặp.

----------------------------------------------------

for %i in (C:\Users\epubc\Desktop\OK\*.mp4) do VideoSubFinderWXW -c -r -ccti -i %i -o "%~dpni" -te 0.139 -be 0.00589 -le 0 -re 1

----------------------------------------------------

Sử dụng %% trong trường hợp tệp .bat thay vì %.

Để phụ đề được quét đầy đủ không bị thiếu thì quan tâm vài tham số:
Min Sum Color Diff: Bình thường số càng cao thì càng giảm lượng ảnh trống, khuyến khích từ 500-800
VEdges Points Line Error: Mặc định là 0.3 hoạt động với hầu hết các Video nhưng đôi khi có những phụ đề hiện chớp nhoáng thì mình chỉnh xuống 0.15 sẽ quét được luôn, nhưng số càng thấp thì càng sinh ra nhiều hình trống (rác..).

Moderate  Threshold: Liên quan tới video có độ phân giải thấp, tăng giảm cho hợp lý.

bottom_video_image_percent_end

top_video_image_percent_end

left_video_image_percent_end

right_video_image_percent_end

Liên quan tới vùng Video được quét phụ đề. Ví dụ:

Sử dụng nút TEST để kiểm tra sau khi thay đổi các thông số để tìm thấy thông số thích hợp nhất.

Bạn cũng có thể đọc \Docs\readme_eng.txt để biết chi tiết.