TL;DR： 3つのツールはすべてハードサブ（焼き込み字幕）から編集可能なテキストを取り出しますが、それぞれ異なるセットアップに適しています。VideoSubFinder（無料、Windows/Linux）はそれ自体では OCR をしません — 字幕フレームとタイミングを検出し、Subtitle Edit や FineReader のような別の OCR ツールに渡すクリーニング済みのテキスト画像を出力します。VideOCR（無料、オープンソース、Windows/Linux）はエンド・トゥ・エンドです：PaddleOCR でローカルにテキストを読み取り（またはハイブリッドなクラウドモードで Google Lens で）、タイムスタンプ付きの SRT を書き出します。GeekLink は macOS の選択肢です：枠を描く領域選択を備えたエンド・トゥ・エンドのローカル OCR、自信のない行をフラグ表示するエディタ、そして同じアプリでの AI 翻訳と焼き込み。Windows または Linux では、VideOCR が最良の無料の選択肢です。完全なコントロールを持つ定番の2ステップ字幕制作ワークフローが欲しいなら VideoSubFinder。Mac では、または字幕を翻訳して焼き戻す必要があるなら GeekLink。
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VideOCR とは？
VideOCR は Windows と Linux 向けの無料のオープンソース（MIT）ツールで、PaddleOCR をローカルで、またはハイブリッドなクラウドモードで Google Lens を使って、動画からハードサブを SRT ファイルに抽出します。 GUI と CLI の両方に加え CPU 版と NVIDIA GPU 版の Docker イメージを備えた活発な GitHub プロジェクトです（2026年7月時点でスター約 680）。
ワークフローはシンプルです：動画を読み込み、字幕エリアを切り抜き、OCR エンジンを選び、実行します。ローカルモードは PaddleOCR モデルを使い（README には 200 以上の対応言語が記載）、ハイブリッドモードはテキスト検出をローカルで行いますが認識を Google Lens に送ります。これは難しい映像での精度と引き換えに、プライバシーとオフライン利用を手放します。NVIDIA CUDA アクセラレーション、設定可能な信頼度閾値、間隔の問題への後処理に対応しています。
主な注意点は、自身のドキュメントに直接書かれています：CPU でのローカル OCR は遅い（GPU 版があるのには理由があります）、そして macOS 版がありません — Windows と Linux 版のみを提供しています。認識されたテキストをレビューまたは修正する内蔵エディタもなく、翻訳も焼き込みもありません。出力は SRT で、残りのパイプラインはあなた次第です。出典：GitHub の VideOCR。
VideoSubFinder とは？
VideoSubFinder は無料（GPLv2）の Windows/Linux ツールで、ハードサブを含むフレームとそのタイミングを見つけます — しかしそれ自体は OCR を行いません。 代わりに「クリアされた」テキスト画像（背景から分離された字幕行）を出力し、それを Subtitle Edit、ABBYY FineReader、Google Drive の OCR のような別の OCR プログラムに通して実際のテキストを取得します。
これは字幕制作の世界の定番で — SourceForge で配布され、いまだ週に数百のダウンロードがあります — この2ステップの設計は意図的です。VideoSubFinder は本当に難しい動画特有の問題（どのフレームに字幕テキストがあるか、各行がいつ現れいつ消えるか、背景をクリーニングすること）を解決し、文字認識は専用の OCR ソフトウェアに任せます。丁寧に行えば結果は優秀で、だからこそ VideoSubFinder + Subtitle Edit の組み合わせは動画フォーラムで今も標準的なレシピなのです。
その力の代償はワークフローの摩擦です：2つのプログラムを管理し、それらの間で画像バッチを転送し、最後にテキストをタイミングに縫い合わせます。そして VideOCR と同様、macOS ビルドがありません — Windows と Linux を対象としています。出典：SourceForge の VideoSubFinder。
VideOCR vs VideoSubFinder vs GeekLink：どう比較する？
一行版：VideoSubFinder は2つ目の OCR ツールを必要とする字幕フレーム検出器、VideOCR は Windows/Linux 向けの完全な無料抽出ツール、GeekLink は macOS 向けの抽出＋パイプラインの完全版です。
| 機能 | GeekLink | VideOCR | VideoSubFinder |
|---|---|---|---|
| プラットフォーム | macOS（ネイティブ、Apple Silicon） | Windows / Linux / Docker — Mac ビルドなし | Windows / Linux — Mac ビルドなし |
| 自前で OCR | あり — ローカル、エンド・トゥ・エンド | あり — PaddleOCR ローカル、または Google Lens ハイブリッド（クラウド） | なし — 外部 OCR ツール向けにクリーニング済みテキスト画像を出力 |
| 完成した SRT までのステップ | 1つのアプリ：インポート → 枠を描く → 実行 → SRT | 1つのアプリ：切り抜き → 実行 → SRT | 2つのアプリ：ここでフレームを検出、画像を別の場所で OCR（例：Subtitle Edit） |
| 字幕領域の選択 | あり — 枠を描く。加えてロゴ＆ウォーターマーク用のサイズ／色フィルター | あり — 切り抜き設定 | あり — 検索領域の設定 |
| アプリ内で結果をレビュー／修正 | あり — エディタが最も自信のない行をフラグ表示 | なし — SRT は別の場所で編集 | なし — 修正は OCR ツールで行う |
| 抽出した字幕の AI 翻訳 | あり — Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek（文脈考慮、40 以上の言語） | なし | なし |
| 字幕を動画に焼き戻す | あり — スタイル付き焼き込み | なし | なし |
| 完全オフラインで動作 | あり — OCR は 100% ローカル | ローカルモードは可、Google Lens ハイブリッドモードはインターネットが必要 | 可（OCR ステップは組み合わせるツールに依存） |
| GPU アクセラレーション | Apple Silicon 上でローカルに動作 | NVIDIA CUDA ビルド | CPU 志向、マルチスレッド |
| 価格／ライセンス | 無料プラン、有料は月額 $12.99、年額 $99、または買い切りライフタイム $169 | 無料、オープンソース（MIT） | 無料、オープンソース（GPLv2） |
要点：まず OS で選び、次にワークフローで選ぶ。 VideOCR も VideoSubFinder も Mac ビルドを提供しておらず、GeekLink も Windows ビルドを提供していません — だからほとんどの人にとって OS が決め手です。選択肢がある場合の問いは、無料の生の抽出が欲しいのか（VideOCR）、2ステップでの最大限のコントロールが欲しいのか（VideoSubFinder）、それとも抽出に加えてレビュー、翻訳、焼き込みを1つのアプリで欲しいのか（GeekLink）です。
PaddleOCR、Tesseract、Google Lens を直接使える？
使えますが、それらは OCR エンジンであって動画字幕ツールではありません — 単体では画像を読み取るだけで、動画の部分は誰かが処理しなければなりません：フレームのサンプリング、字幕の位置検出、繰り返しの行の重複除去、タイムスタンプの構築。 それこそ上記のツールがそれらの周りに包み込んでいる作業です。
| エンジン | 何であるか | 字幕での強み | 動画に足りないもの |
|---|---|---|---|
| PaddleOCR | オープンソースのディープラーニング OCR ツールキット（Python ライブラリ） | 最新の精度、特に中国語やその他の CJK テキストに強い、ローカルで動作 | 動画ではなく画像を読み取る — フレーム抽出、領域切り抜き、重複除去、SRT 組み立てを自分でスクリプト化する（本質的に VideOCR がその周りに包み込んでいるもの） |
| Tesseract | ベテランのオープンソース OCR エンジン、多くの文書ツールや Subtitle Edit の画像 OCR で使われている | 成熟、無料、非常に幅広い言語カバー、クリーンで高コントラストなテキストには十分 | 印刷文書向けに設計 — 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、だからこそ VideoSubFinder の背景クリーニング工程が存在する |
| Google Lens | Google のクラウドテキスト認識 | 非常に高精度、乱雑またはスタイリッシュなテキストでも | バッチ動画ワークフローもタイミングもない — 手作業ではスクリーンショット1枚ずつ、VideOCR のハイブリッドモードがこれを自動化するが、フレームを Google に送る代償を伴う |
つまり「どの OCR エンジンが最良か」は、たいてい最初の問いとして間違っています。字幕では、ツールの動画レイヤー — フレーム検出、タイミング、重複除去、領域とノイズのフィルタリング — が、あなたが目にする実用的な品質差のほとんどを決めます。
どれを選ぶべき？
Windows または Linux で、無料のエンド・トゥ・エンドの抽出が欲しい場合： VideOCR。1つのアプリ、ローカルの PaddleOCR、SRT 出力。NVIDIA GPU があるなら GPU 版を使ってください — CPU モードは自認どおり遅いです。ここで GeekLink は選択肢になりません：macOS 専用です。
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が欲しい場合： VideoSubFinder + Subtitle Edit（または FineReader）。2ステップのワークフローは遅く手作業も多いですが、背景クリーニングの工程は本当に優秀で、すべての段階が検査可能です。これは伝統的な字幕制作者のルートです。
Mac では： GeekLink が実用的な選択肢です — 他の2つは Mac ビルドを提供しておらず、エミュレーションやソースから実行するのは素早い抽出の意味を失わせます。GeekLink の OCR はローカルで動作し、枠を描く操作とサイズ／色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、抽出は無料プランに含まれます。
抽出があなたにとって最初のステップにすぎない場合： 本当の仕事が「焼き込みの中国語字幕を入れて、翻訳した英語字幕を焼き戻す」なら、GeekLink だけが全チェーンをカバーします — OCR、チェックすべき行をフラグ表示するエディタ、文脈を考慮した AI 翻訳、スタイル付き焼き込みが1つのアプリに。VideOCR や VideoSubFinder では、そのパイプラインを3つか4つの別々のツールから組み立てることになります。
いくらかかる？
VideOCR（MIT）と VideoSubFinder（GPLv2）はどちらも完全に無料でオープンソースです — 有料階層も従量課金もありません。 Windows/Linux で抽出が作業のすべてなら、ソフトウェアのコストはゼロです。
GeekLink には永続的な無料プラン（フルの OCR、音声認識、編集、バッチ、SRT/ASS エクスポート。無料エクスポートには小さな GeekLink クレジットが入ります）に加え、翻訳と焼き込みのパイプライン向けの定額有料プランがあります：
- 月額 — $12.99/月
- 年額 — $99/年（約 $8.25/月）、100万 AI 翻訳トークン（約 1,500 分）を含む
- ライフタイム — 買い切り $169（早期割引）／通常 $199、100万 AI 翻訳トークンを含み、サブスクリプションなし
- 追加の AI 翻訳トークン — 100万トークンあたり $6.99（超過分）
OCR のために GeekLink にお金を払うわけではありません — 抽出は無料です。 有料プランは AI 翻訳と完成動画のパイプラインをカバーします。Windows での無料抽出だけが必要なら、VideOCR が正しい答えで、費用はかかりません。
よくある質問
VideoSubFinder は自前で OCR をする？
いいえ。VideoSubFinder はハードサブを含むフレームを検出し、そのタイミングを記録し、クリーニング済みのテキスト画像を出力します。実際のテキストを得るには、それらの画像を別の OCR プログラムに通します — 一般的には Subtitle Edit（Tesseract ベースの画像 OCR）、ABBYY FineReader、Google Drive OCR。VideOCR と GeekLink はどちらも自前で OCR を行います。
VideOCR や VideoSubFinder に Mac 版はある？
いいえ。2026年7月時点で、VideOCR は Windows、Linux、Docker 版を提供し、VideoSubFinder は Windows と Linux 版を提供しています。macOS では、ハードサブを OCR で抽出するネイティブな選択肢は GeekLink です。
ハードサブを最も正確に抽出するツールは？
ツールよりも映像に依存します：解像度、コントラスト、フォントスタイルが支配的です。3つとも最新のアプローチを取ります — VideOCR は PaddleOCR または Google Lens を使い、VideoSubFinder は組み合わせる OCR 向けにクリーニング済み画像を生成し、GeekLink は領域とノイズのフィルタリングを備えたローカル OCR を実行します。GeekLink はさらに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をレビューできます。
VideOCR や VideoSubFinder は字幕を翻訳できる？
いいえ。どちらも元言語のテキストで止まります — VideOCR は SRT で、VideoSubFinder は画像とタイミングで。翻訳には別のツールが必要です。GeekLink は抽出した字幕を Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek でアプリ内で翻訳し、行をまたぐ文脈を活用し、結果を動画に焼き戻せます。
字幕 OCR には Tesseract と PaddleOCR のどちらが良い？
動画字幕では、PaddleOCR のようなディープラーニングエンジンが、クリーンな印刷文書向けに設計された Tesseract よりも、低解像度、スタイリッシュ、CJK のテキストを一般に上手く扱います。とはいえ、VideoSubFinder の背景クリーニング工程は Tesseract にずっとクリーンな画像を渡すことでその差を縮めます。いずれにせよ、エンジンはその周りの動画レイヤー — フレーム検出、タイミング、重複除去 — ほど重要ではありません。
これらのツールはオフラインで動作する？
VideoSubFinder：はい（その OCR ステップは組み合わせるツールに依存します）。VideOCR：ローカルの PaddleOCR モードではい、Google Lens ハイブリッドモードはインターネットが必要でフレームを Google に送ります。GeekLink：はい — OCR は Mac 上で 100% ローカルに動作し、オプションの AI 翻訳ステップだけがモデル API を呼びます。