Hoe DVB en ondertitels uit afbeeldingen te activeren

General Support / Questions Subtitles / Closed Captions
1

MCEBuddy kan op basis van afbeeldingen gemaakte ondertitels (zoals DVB of ingebrande ondertitels) automatisch omzetten naar een tekstondertitel (SRT) met behulp van OCR (Optical Character Recognition). Deze functie vereist dat aanvullende bestanden worden gedownload, omdat OCR-verwerking zeer grote gegevensbestanden vereist (~1 GB groot) die niet in het MCEBuddy-installatiebestand kunnen worden gebundeld.

MCEBuddy Versie 2.7.1 en nieuwer

De OCR-bestanden worden automatisch gedownload en geïnstalleerd als er een internetverbinding beschikbaar is nadat de MCEBuddy-installatie is voltooid.

MCEBuddy Versie 2.6.2 tot 2.6.6: Tijdens de installatie is de optie om de vereiste OCR-add-onbestanden automatisch te downloaden en te installeren standaard ingeschakeld. U kunt deze uitschakelen als u niet wilt dat de OCR-add-onbestanden automatisch worden gedownload en geïnstalleerd.

Als het downloaden is mislukt vanwege een gebrek aan internetverbinding of als u de automatische installatie tijdens de installatie niet hebt geselecteerd, kunt u op elk moment een automatische herinstallatie van de OCR-add-onbestanden activeren door op de koppeling Install OCR add-on te klikken op de pagina Conversietaak, zoals hieronder wordt weergegeven:

image
image462×948 23 KB

InstallOCR add-on in grijs betekent dat de add-onbestanden zijn geïnstalleerd. Klik op de tekst om ze opnieuw te downloaden en te installeren (~500MB download)
Install OCR add-on in rood betekent dat de add-onbestanden nog niet zijn geïnstalleerd. Klik op de tekst om ze te downloaden en te installeren (~500MB download)

Zorg ervoor dat de opties Ondertitels opslaan of Ondertitels insluiten zijn ingeschakeld in de Conversietaak → Geavanceerde instellingen om ondertitels met OCR te extraheren en te verwerken.

MCEBuddy Versies 2.4.7 tot 2.6.1

U moet de OCR-bestanden handmatig downloaden en installeren zoals hieronder beschreven.

Volg de onderstaande procedure om OCR en de conversie van afbeelding naar tekstondertitel in te schakelen om DVB- en andere op afbeeldingen gebaseerde ondertitels uit opnames te extraheren.

  1. Download de OCR-bestanden van https://github.com/tesseract-ocr/tessdata/archive/3.04.00.zip
  2. Pak de inhoud van het zip-bestand (tessdata-3.04.00.zip) uit. Dit zou een map met de naam tessdata-3.04.00 moeten aanmaken, met daarin meer dan 100 getrainde bestanden. Zorg ervoor dat er geen submappen zijn. Het zou eruit moeten zien als tessdata-3.04.00\<meer dan 100 getrainde bestanden>
  3. Verplaats de map tessdata-3.04.00 naar de ccextractor-map waar MCEBuddy is geïnstalleerd: <MCEBuddy installatiemap>\ccextractor\\
  4. Hernoem de map tessdata-3.04.00 naar tessdata. Belangrijk: Sla deze stap niet over anders werkt OCR niet

Dus uw uiteindelijke configuratie zou er als volgt uit moeten zien: <MCEBuddy installatiemap>\ccextractor\tessdata\<meer dan 100 getrainde bestanden>
Bijv. C:\Program Files\MCEBuddy2x\ccextractor\tessdata\<meer dan 100 getrainde bestanden>

Zorg ervoor dat u de optie Ondertitels en gesloten bijschriften extraheren hebt ingeschakeld in de geavanceerde instellingen van uw Conversietaak en dan bent u klaar! Het zal op afbeeldingen gebaseerde ondertitels extraheren en converteren naar een SRT-tekstbestand. Veel plezier!

Versies ouder dan 2.4.7 ondersteunen geen OCR

3

Wordt Tessdata 4.x of 5.x (alpha) ondersteund door MCEBuddy en kan het op dezelfde manier/locatie worden geïnstalleerd?

Er zijn aanvullende submappen in zowel de 4- als de 5-versies van de updates.

4

Tessdata wordt gebruikt door ccExtractor en het ondersteunt nog geen 4.x of 5.x

5

Goed om te weten, dank je. Dat heeft me veel tijd bespaard. :slight_smile:

6

Ik heb het zip-bestand gedownload en het is leeg. Ik probeer het opnieuw.

7

moest 7-zip downloaden. windows wilde het niet uitpakken

8

Vanaf versie 2.7.1 MCEBuddy zal tessdata ondersteunen voor tesseract 4.x en 5.x. De standaard gedownloade tessdata-bestanden zullen nog steeds voor 3.04 zijn, omdat we in onze tests hebben vastgesteld dat deze het beste zijn voor OCR in ingebrande video- en afbeeldingsondertitels, maar u kunt experimenteren met uw eigen getrainde tessdata-bestanden als u geïnteresseerd bent.

Punten om op te merken:

  • De standaardinstelling is altijd PSM-modus 3, maar de OEM-modus schakelt over naar LTSM bij gebruik van tessdata voor 4.x en 5.x en LEGACY bij gebruik van tessdata voor 3.x
  • De mapstructuur blijft voor alle versies hetzelfde; alle getrainde data-bestanden moeten in een map met de naam tessdata worden geplaatst, zoals beschreven in de bovenstaande instructies

Als u merkt dat het gebruik van een andere PSM- of OEM-modus beter werkt, laat het ons dan weten met details en voorbeelden, dan zullen we onderzoeken of we gebruikers de modi kunnen laten aanpassen.

Hier zijn enkele links naar de verschillende getrainde tessdata-bestanden die compatibel zijn met tesseract 4.x en 5.x en die met MCEBuddy zijn getest