TL;DR： ハードサブ（焼き込み字幕）は動画の映像そのものの一部なので、編集可能なテキストとして取り戻すには OCR が必要です。そして最適なツールは、主にお使いの OS と、抽出後にどこまで作業を進めたいかで決まります。Windows または Linux なら、VideOCR が最良の無料の選択肢です。1つのプログラムで、動画を入れればタイムスタンプ付きの SRT が出てきます。最大限のコントロールが欲しいなら、定番の2ステップルートである VideoSubFinder（フレーム検出＋クリーニングした画像）を RapidVideOCR や Subtitle Edit に渡す方法です。Mac では GeekLink が唯一のネイティブな選択肢であり、SRT の先にあるレビュー・AI 翻訳・焼き込みまで同じアプリで続けられる唯一のツールでもあります。 以下では、専用ツール5つと自作エンジンルート3つ（PaddleOCR、Tesseract、Google Lens）を、1つの表ですべて比較します。
要点
- まずお使いの OS が決め手になります。 Windows または Linux では、VideOCR が最良の無料エンド・トゥ・エンド抽出ツールです。Mac では GeekLink が唯一のネイティブなオールインワンの選択肢です。オープンソースの抽出ツールはどれも Mac ビルドを提供していません。
- VideoSubFinder はそれ自体では OCR をしません。 字幕フレームを見つけて画像をクリーニングし、実際のテキストは RapidVideOCR や Subtitle Edit と組み合わせて取得します。最大限のコントロールが得られる2ステップのワークフローです。
- Video-Subtitle-Extractor（VSE）は最も人気のあるオープンソースの選択肢です（GitHub スター 9,000 以上）が、NVIDIA/CUDA 向けであり、互換 GPU のないマシンでは遅くなります。
- PaddleOCR、Tesseract、Google Lens はツールではなくエンジンです。 これらは画像を読み取るだけで、動画レイヤー（フレーム検出、タイミング、重複除去）は上記のツールがその上に加えているものです。
- 抽出の先まで進むのは GeekLink だけです。 不確かな行をフラグ表示するレビュー、AI 翻訳、焼き込みがすべて同じアプリで行えます。
Mac をお使いですか？ GeekLink は焼き込み字幕をローカルで抽出します。枠を描いて、OCR を実行すれば、タイムスタンプ付きの SRT が得られます。無料プランあり、アカウント不要。
無料ダウンロードパート1：専用の字幕抽出ツール
この5つは、動画からハードサブ（焼き込み字幕）を取り出すために専用設計されています。主な違いは、プラットフォーム、ワークフローに要するステップ数、そして SRT を得た後に何ができるかです。
1. VideOCR — Windows・Linux 向けの最良の無料エンド・トゥ・エンド抽出ツール
価格： 無料、オープンソース（MIT）
プラットフォーム： Windows、Linux、Docker（CPU 版 & NVIDIA GPU 版）
VideOCR は、焼き込み字幕付きの動画から完成した SRT まで、1つのプログラムで到達できる最もシンプルな無料の方法です。 動画を読み込み、字幕エリアを切り抜き、実行します。ローカルの PaddleOCR、またはハイブリッドなクラウドモードで Google Lens を使ってテキストを読み取り、タイムスタンプ付きの SRT を書き出します。2026年7月時点で GitHub スター約 680 の活発なプロジェクトです。
優れている点：
- 真の1ステップワークフロー：動画を入れれば SRT が出る
- ローカル PaddleOCR モード（README には 200 以上の言語が記載）、またはより高精度な Google Lens ハイブリッドモード
- GUI と CLI、さらに Docker イメージ、NVIDIA CUDA アクセラレーション
制約：
- macOS ビルドなし
- 自身のドキュメントによれば CPU では遅い。GPU 版が本当に必要
- 結果をレビューするエディタがなく、翻訳も焼き込みもなし
おすすめの用途： 無料で手間のかからない抽出を求め、SRT が得られればそれで完了する Windows/Linux ユーザー。
2. Video-Subtitle-Extractor（VSE）— 最も人気のあるオープンソース抽出ツール
価格： 無料、オープンソース（Apache 2.0）
プラットフォーム： Windows、Linux、macOS（NVIDIA GPU 向けに最適化。CPU フォールバックは遅い）
Video-Subtitle-Extractor はこのカテゴリで最も人気のあるツールで（GitHub スター 9,000 以上）、87 言語にわたるローカル OCR で焼き込み字幕を SRT に抽出します。 フレームごとに字幕領域を検出し、繰り返しの行を重複除去し、Fast/Auto/Precise モードを提供します。特に中国語圏のコミュニティで強力です。
優れている点：
- 87 言語、完全ローカル、API キー不要
- 複数の動画にわたるバッチ抽出（同一解像度／領域）
- 姉妹プロジェクト（video-subtitle-remover）で古い焼き込みテキストを消去できる
制約：
- NVIDIA/CUDA 向け。Mac では遅い CPU 処理にフォールバックする
- リリースビルドが動かない場合は Python/conda のセットアップが必要。パスにスペースや非 ASCII 文字を含められない
- アプリ内エディタ、翻訳、焼き込みなし
おすすめの用途： NVIDIA GPU を持ち、無料で大量抽出をしたいテクニカルユーザー、特に中国語コンテンツ向け。詳しい比較：GeekLink vs VSE。
3. GeekLink — Mac に最適、そして唯一のオールインワン（抽出 → レビュー → 翻訳 → 焼き込み）
価格： 無料プラン（OCR 抽出を含む）、Pro 月額 $12.99、年額 $99（約 $8.25/月）、または買い切りライフタイム $169
プラットフォーム： macOS（ネイティブ、Apple Silicon）
GeekLink はこのリストで唯一 Mac 上でネイティブに動くツールであり、抽出が作業のすべてではなく最初のステップである唯一のツールです。 動画をインポートし、字幕エリアを枠で囲むと、テキストをローカルで OCR し、タイムスタンプ付きの編集可能な字幕リストにします。サイズと色のフィルターがロゴやウォーターマークを結果から除外し、エディタが最も自信のない行をフラグ表示するので、すべてを校正する代わりに数行だけをレビューできます。そこから翻訳（Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek。文脈を考慮し、40 以上の言語に対応）を行い、結果を動画に焼き込むところまで、すべて同じアプリで行えます。
優れている点：
- ネイティブな macOS アプリ。Python も conda も CUDA も不要。OCR は 100% ローカルで実行
- 枠を描く領域選択に加え、サイズ／色によるノイズフィルタリング
- エディタが不確かな行をフラグ表示。ここにあるどのツールよりも速いレビューが可能
- 同じアプリで AI 翻訳とスタイル付き焼き込みまで続けられる。バッチ処理も内蔵
制約：
- macOS 専用。Windows や Linux 版はなし
- クローズドソース。AI 翻訳は有料（Pro）機能。抽出自体は無料プランに含まれる
おすすめの用途： Mac ユーザー、そして本当のゴールが「ある言語の焼き込み字幕 → 別の言語の完成動画」であるすべての人。ステップバイステップガイド：OCR でハードサブを抽出する方法。
4. VideoSubFinder — 最良の字幕フレーム検出（定番の2ステップワークフロー）
価格： 無料、オープンソース（GPLv2）
プラットフォーム： Windows、Linux
VideoSubFinder は OCR をまったく行いませんが、問題の動画側の半分を誰よりも上手く解決します。字幕テキストのあるフレームを見つけ、正確なタイミングを記録し、背景を取り除いたクリーニング済みの画像を出力します。 その画像を OCR ツール（RapidVideOCR、Subtitle Edit、FineReader）に通してテキストを取得します。字幕制作の定番で、いまだ SourceForge で週に数百のダウンロードがあります。
優れている点：
- 優れた背景クリーニング。OCR ツールにずっと扱いやすい画像を渡せる
- 行ごとの正確な表示／消失タイミング
- すべての段階を検査・調整可能
制約：
- OCR 機能を持たない。2つ目のプログラムが必要
- macOS ビルドなし
- ここで最も手作業の多いワークフロー。2つのアプリと、その間に画像バッチが挟まる
おすすめの用途： 最大限のコントロールと、OCR のための可能な限り最良の生画像を求める字幕制作者や完璧主義者。
5. RapidVideOCR — VideoSubFinder に最適な OCR の相棒
価格： 無料、オープンソース（Apache 2.0）
プラットフォーム： Windows、Linux、macOS（Python/pip、Windows 向けにデスクトップ EXE）
RapidVideOCR は VideoSubFinder ワークフローの後半を担う専用ツールです。VideoSubFinder のクリーニング済み画像フォルダ（RGBImages/TXTImages）を受け取り、SRT、ASS、または TXT に OCR します。 RapidOCR エンジンをベースにしており、活発にメンテナンスされています（GitHub スター約 500）。
優れている点：
- VideoSubFinder の出力向けに特別設計。タイミングがきれいに引き継がれる
- SRT、ASS、TXT 出力
- pip でインストール可能、クロスプラットフォームで動作
制約：
- 単体の抽出ツールではない。VideoSubFinder の画像なしでは使えない（そして VideoSubFinder 自体に Mac ビルドがないため、このペアはやはり Windows/Linux に縛られる）
- CLI 優先。使いやすいデスクトップ版は Windows 専用
おすすめの用途： ABBYY FineReader や Subtitle Edit の手動 OCR パスなしで VideoSubFinder のパイプラインを完成させたい人。
パート2：自作ルート — 土台にできる OCR エンジン
これらは字幕ツールではなく、認識エンジンです。単体では画像を読み取るだけで、フレームのサンプリング、字幕検出、重複除去、タイミングはあなた（または上記のツール）が処理しなければなりません。「どのエンジンか」がパート1の違いの多くを説明するので、知っておく価値があります。
6. PaddleOCR — 自作パイプラインを組むなら CJK に最適なエンジン
価格： 無料、オープンソース
プラットフォーム： Python ライブラリ（任意の OS）
PaddleOCR は最新の精度を持つディープラーニング OCR ツールキットで、特に中国語やその他の CJK テキストに強く、VideOCR のローカルモードの内部エンジンです。 画像を指定するとテキストを返します。動画で使うには、フレーム抽出、切り抜き、重複除去、SRT 組み立てを自分でスクリプト化する必要があります。
おすすめの用途： カスタム抽出パイプラインを構築する開発者、特に中国語／日本語／韓国語コンテンツ向け。
7. Tesseract OCR — ベテランエンジン（Subtitle Edit が使うもの）
価格： 無料、オープンソース
プラットフォーム： ライブラリ/CLI（任意の OS）
Tesseract は定番のオープンソース OCR エンジンで、成熟し、無料で、幅広い言語をカバーしますが、印刷された文書向けに設計されています。 低解像度でスタイリッシュな動画テキストは苦手な対象であり、まさにそのために VideoSubFinder の背景クリーニング工程が存在します。Tesseract にクリーンで高コントラストな画像を渡せば（たとえば Subtitle Edit の画像 OCR 経由で）、それなりに機能します。
おすすめの用途： クリーニング済み画像に対する Subtitle Edit ルート。動画フレームに生で使うのは非推奨。
8. Google Lens — 最も高精度な認識、ただし動画ワークフローなし
価格： 無料（クラウド）
プラットフォーム： クラウドサービス
Google Lens は、乱雑なフレームに向けられる中でおそらく最も高精度なテキスト認識ですが、バッチ動画ワークフローもタイミングもありません。 手作業ではスクリーンショット1枚ずつになります。VideOCR のハイブリッドモードはこれを自動化します（ローカル検出、Lens 認識）が、インターネット接続と、フレームを Google に送ることが代償になります。
おすすめの用途： 難しいフレームを数枚チェックするとき、または精度がプライバシーに勝る場合に VideOCR のハイブリッドモード経由で。
8つの選択肢を比較すると？
| ツール | プラットフォーム | 自前で OCR | SRT までのステップ | 翻訳／焼き込み | 価格 |
|---|---|---|---|---|---|
| VideOCR | Windows / Linux / Docker | あり（PaddleOCR または Google Lens） | 1 | なし | 無料（MIT） |
| Video-Subtitle-Extractor | Win / Linux / macOS（NVIDIA 最適化） | あり（ローカル） | 1 | なし | 無料（Apache 2.0） |
| GeekLink | macOS（Apple Silicon） | あり（ローカル） | 1 | あり — AI 翻訳 + スタイル付き焼き込み | 無料プラン、Pro 月額 $12.99、年額 $99、ライフタイム $169 |
| VideoSubFinder | Windows / Linux | なし — 画像のみ | 2（OCR ツールが必要） | なし | 無料（GPLv2） |
| RapidVideOCR | Win / Linux / macOS（pip） | あり（RapidOCR）— VideoSubFinder の画像に対して | 2（VideoSubFinder と併用） | なし | 無料（Apache 2.0） |
| PaddleOCR | Python ライブラリ | エンジンのみ | 自作スクリプト | なし | 無料 |
| Tesseract | ライブラリ / CLI | エンジンのみ | 自作 / Subtitle Edit 経由 | なし | 無料 |
| Google Lens | クラウド | エンジンのみ（クラウド） | 手動 / VideOCR ハイブリッド経由 | なし | 無料 |
どれを選ぶべき？
Windows または Linux で、抽出が作業のすべての場合： VideOCR（1ステップ、無料）、または NVIDIA GPU があってバッチ量が多いなら Video-Subtitle-Extractor。特に中国語コンテンツ向け。
最大限のコントロールと可能な限り高い品質を求め、2ステップも厭わない場合： 検出に VideoSubFinder ＋ 認識に RapidVideOCR（または Subtitle Edit）。伝統的な字幕制作者のレシピです。
Mac をお使いの場合： GeekLink。オープンソースの抽出ツールは Mac ビルドを提供していないか、遅い CPU 処理にフォールバックします。GeekLink の OCR はネイティブ、ローカル、そして無料プランに含まれます。
抽出はゴールではなく最初のステップの場合： 字幕をレビューし、翻訳し、完成した動画に焼き戻す必要があるなら、GeekLink はここでそのすべてを1つのアプリで行える唯一のツールです。それ以外はすべて SRT を渡して幸運を祈るだけです。
カスタムなものを構築する開発者の場合： 認識には PaddleOCR（特に CJK）、そして VideOCR と VSE がフレーム検出と重複除去のレイヤーをどう構成しているかを研究してください。その動画レイヤーこそが本当の作業がある場所です。
よくある質問
ハードサブを抽出する最良の無料ツールは？
Windows または Linux では VideOCR。無料、オープンソースで、動画から SRT まで1ステップです。Mac では GeekLink の無料プランが OCR 抽出と SRT エクスポートを完全にカバーします。最大限の品質管理を求め、2ステップのワークフローも厭わないなら、VideoSubFinder + RapidVideOCR も完全に無料です。
Mac でハードサブを抽出するには？
GeekLink はこのリストで唯一のネイティブな Mac の選択肢です。オープンソースの抽出ツールは Windows/Linux ビルド（VideoSubFinder、VideOCR）か、Mac の CPU で遅く動く（Video-Subtitle-Extractor）ものです。GeekLink は Apple Silicon 上でローカルに OCR を実行します：インポートして、字幕エリアを枠で囲み、実行して、SRT をエクスポート。
ハードサブの抽出に GPU は必要？
オープンソースの抽出ツールでは、まともな速度のためには事実上必要です。VideOCR と Video-Subtitle-Extractor はどちらも NVIDIA CUDA を中心に作られており、CPU では遅くなります。Mac では、GeekLink は独立した GPU なしで Apple Silicon 上にネイティブに OCR を実行します。
これらのツールで抽出した字幕を翻訳できる？
GeekLink だけです。他は元言語の SRT（または画像）で止まります。GeekLink は Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek を使ってアプリ内で翻訳し、行をまたぐ文脈を活用します。そして翻訳した字幕を動画に焼き戻すこともできます。
VideoSubFinder と VideOCR、どちらを使うべき？
1つのプログラムで1ステップが欲しいなら VideOCR。1回の実行で検出と OCR をします。最大限のコントロールと品質が欲しいなら VideoSubFinder。可能な限りクリーンなテキスト画像と正確なタイミングを生成し、それを RapidVideOCR または Subtitle Edit で OCR します。同じプラットフォーム（Windows/Linux）、異なる思想です。
Google Lens や Tesseract を直接使えばいいのでは？
それらは OCR エンジンであって動画ツールではなく、単一の画像を読み取るだけです。動画からの字幕抽出には、どのフレームにテキストがあるかを見つけ、フレームをまたいで行を重複除去し、タイムスタンプを構築することも必要です。その動画レイヤーこそ、VideOCR、VSE、VideoSubFinder、GeekLink がエンジンの上に提供しているものです。