打字機效果與動畫文字的字幕 OCR 辨識更好了

一句話總結：逐字出現的字幕對以影片影格為基礎的 OCR 來說很難處理。一般 OCR 可能先看到 W，接著看到 Wr，然後是 Wri，最後把每個暫時狀態都當成獨立字幕匯出。GeekLink 0.4.34 更擅長辨識這種變化模式：它會把不斷變化的字幕重建成一條更乾淨、可編輯的字幕條。同樣的改進也適用於淡入和其他寫字動畫，但過度裝飾或仍未寫完的手寫文字仍可能需要快速複查。

本文介紹的是 GeekLink 的燒錄字幕 OCR 功能。這不代表每一種動畫字幕或手寫字型都能完美辨識。

什麼是打字機效果字幕？

打字機效果字幕不是整行同時出現，而是逐步顯示文字。第一個影格可能只有一個字母，下一個影格多出幾個字母，最後才顯示完整句子。淡入字幕和某些寫字動畫也會產生類似過程：畫面上的像素正在變化，但背後其實是同一句話。

對觀眾來說，這是一條帶有進場動畫的字幕。對讀取影片影格的 OCR 來說，卻可能像是一長串不同的字幕。這種差異正是字幕檔裡出現大量細小、重疊碎片的原因。

為什麼一般 OCR 會把它拆碎

OCR 不會自動知道相鄰的幾個畫面屬於同一句動畫字幕。如果逐影格獨立讀取，就可能得到這樣的結果：

如果影片取樣時字母還在出現，結果會特別混亂：文字重複、字幕條過短、時間戳互相重疊，字幕檔看起來有內容，卻不適合編輯或翻譯。

GeekLink 在 0.4.34 做了哪些改進

GeekLink 現在會觀察相鄰 OCR 結果之間的關係，而不是把每個暫時出現的畫面狀態都當成獨立字幕。當一段短暫的殘缺文字明顯正在變成附近更完整的一行時，這個暫時狀態會被合併到穩定結果中。

實際來說，這代表：

• 零散的字母和單字較不容易變成獨立字幕條；
• 保留這一行最後可讀的版本作為字幕文字；
• 保留動畫過程對應的時間範圍和畫面依據；
• 匯出的 SRT 更容易複查、翻譯和再次使用。

這是一項建立在燒錄字幕 OCR 之上的重建改進。它不會改變影片、不會新增字幕效果，也不會把畫面字幕變成語音辨識。它只是讓 OCR 輸出更好地理解動畫文字是如何逐步出現在畫面中的。

手寫字和寫字動畫怎麼辦？

以下兩種情況很容易被混為一談：

• 手寫風格的文字：完整的單字以手寫體或書法字型顯示。只要字元夠大、夠清楚，而且在畫面上穩定，GeekLink 就可以讀取。
• 寫字動畫：字母或筆畫仍在被畫出來。當動畫形成從殘缺到完整、而且能夠辨認的連續過程時，新的重建邏輯會有所幫助；但一個尚未變得清晰可讀的字元無法被恢復。

低對比度、連筆字、移動文字、複雜裝飾、貼紙和雜亂背景，對任何影片 OCR 系統都很難。這裡更準確的承諾是：當同一條字幕逐步顯示時，GeekLink 更擅長返回一條可讀字幕，而不是所有中間狀態。

實際使用流程

要把影片裡的動畫燒錄字幕提取成一般字幕檔：

1. 把影片匯入 GeekLink。字幕必須已經顯示在畫面裡，不需要單獨的字幕軌道。
2. 選擇 OCR 並確認字幕區域。自動偵測可以給出區域建議；如果影片有需要，也可以調整或補充一行。
3. 執行提取。GeekLink 會掃描畫面中的文字，並把逐步出現的字幕狀態重建成帶時間軸的字幕條。
4. 複查標記的行。重點檢查手寫字、低對比度畫面、特殊字型，以及始終沒有完整顯示的動畫。
5. 匯出可編輯的 SRT。之後可以翻譯、調整時間軸，或把新的字幕軌道燒錄回影片。

如果想了解 TikTok、Reels、Shorts 以及其他帶燒錄字幕的短影片，可以閱讀短影片字幕 OCR 工作流程指南。

哪些情況仍需複查

動畫文字並不是單一的視覺樣式。字母位置固定、清晰顯示的打字機效果很適合新的重建行為。文字在畫面中滑動、每個單字都更換字型，或一直只顯示半個字的標題，仍可能得到不確定的 OCR 結果。

因此，輸出應被視為一份乾淨的初稿，而不是零複查的保證。目標是消除暫時動畫狀態造成的機械清理工作，讓你的注意力集中在真正困難的字幕行上。

常見問題

揭露：GeekLink 是我們自己的桌面應用程式。本文介紹的燒錄字幕 OCR、動畫字幕重建、複查流程和 SRT 匯出都是 GeekLink 的功能。