太长不看：硬字幕（烧录字幕）是视频画面的一部分，所以要把可编辑的文字还原出来就得靠 OCR — 而选哪款工具，主要取决于你的操作系统，以及提取之后你还要走多远。在 Windows 或 Linux 上，VideOCR 是最好的免费选择：一个程序，视频进、带时间轴的 SRT 出。想要极致掌控，经典的两步路线是 VideoSubFinder（帧检测 + 清理后的图片）喂给 RapidVideOCR 或 Subtitle Edit。在 Mac 上，GeekLink 是唯一的原生选择 — 也是本文中唯一一款在导出 SRT 之后还能在同一个 App 里继续做审校、AI 翻译和烧录的工具。下文：五款专用工具加三条 DIY 引擎路线（PaddleOCR、Tesseract、Google Lens），全部汇总在一张表里对比。
核心要点
- 先由你的操作系统决定。在 Windows 或 Linux 上，VideOCR 是最好的免费端到端提取器。在 Mac 上，GeekLink 是唯一的原生一体化选择 — 开源提取器没有一款提供 Mac 版本。
- VideoSubFinder 自己不做 OCR。它负责找出带字幕的帧并清理图片；你要搭配 RapidVideOCR 或 Subtitle Edit 才能得到真正的文字。掌控力最强，但是两步工作流。
- Video-Subtitle-Extractor（VSE）是最热门的开源选择（GitHub 9,000+ stars），但它偏向 NVIDIA/CUDA — 在没有兼容 GPU 的机器上很慢。
- PaddleOCR、Tesseract 和 Google Lens 是引擎，不是工具。它们读取图片；视频层（帧检测、时间轴、去重）才是上面那些工具在引擎之上加的东西。
- 只有 GeekLink 会走到提取之后 — 审校（标出没把握的行）、AI 翻译和烧录都在同一个 App 里完成。
用 Mac？GeekLink 在本地提取烧录字幕 — 框选区域、运行 OCR、得到带时间轴的 SRT。免费档，无需账号。
免费下载第一部分：专用字幕提取工具
这五款是专门为从视频中提取硬字幕（烧录字幕）而打造的。它们主要在平台、工作流需要几步、以及拿到 SRT 之后会发生什么这几点上有区别。
1. VideOCR — Windows 和 Linux 上最好的免费端到端提取器
价格：免费，开源（MIT）
平台：Windows、Linux、Docker（CPU 与 NVIDIA GPU 版本）
VideOCR 是从带烧录字幕的视频到成品 SRT，最简单的免费一站式方案。载入视频、裁剪字幕区域、运行 — 它用本地的 PaddleOCR，或在混合云模式下用 Google Lens 读取文字，并写出带时间轴的 SRT。项目活跃，截至 2026 年 7 月约 680 个 GitHub stars。
亮点：
- 真正的一步工作流：视频进、SRT 出
- 本地 PaddleOCR 模式（其 README 列出 200+ 种语言）或更高准确率的 Google Lens 混合模式
- 图形界面和命令行，外加 Docker 镜像；支持 NVIDIA CUDA 加速
局限：
- 没有 macOS 版本
- 按它自己的文档说明，在 CPU 上很慢 — 你真的会想要 GPU 版本
- 没有可以审校结果的编辑器，没有翻译，没有烧录
最适合：想要免费、省心提取，拿到 SRT 就完事的 Windows/Linux 用户。
2. Video-Subtitle-Extractor（VSE）— 最热门的开源提取器
价格：免费，开源（Apache 2.0）
平台：Windows、Linux、macOS（为 NVIDIA GPU 调优；CPU 回退很慢）
Video-Subtitle-Extractor 是这一类里最热门的工具 — GitHub 9,000+ stars — 用本地 OCR 把烧录字幕提取成 SRT，支持 87 种语言。它逐帧检测字幕区域，对重复行去重，并提供 Fast/Auto/Precise 三种模式。在中文社区尤其强势。
亮点：
- 87 种语言，完全本地，无需 API key
- 可跨多个视频批量提取（同分辨率/同区域）
- 姊妹项目（video-subtitle-remover）可以抹掉旧的烧录字幕文字
局限：
- 偏向 NVIDIA/CUDA — 在 Mac 上会回退到很慢的 CPU 处理
- 如果发布版本对你不好使，就得走 Python/conda 配置；路径不能包含空格或非 ASCII 字符
- 没有内置编辑器、翻译或烧录
最适合：有 NVIDIA GPU、想要免费批量提取的技术型用户，尤其是中文内容。完整对比：GeekLink 对比 VSE。
3. GeekLink — 最适合 Mac，也是唯一的一体化方案（提取 → 审校 → 翻译 → 烧录）
价格：免费档（含 OCR 提取）；Pro 每月 $12.99、每年 $99（约 $8.25/月），或一次性终身 $169
平台：macOS（原生，Apple Silicon）
GeekLink 是本文列表里唯一在 Mac 上原生运行的工具 — 也是唯一一款把提取当作第一步、而不是全部工作的工具。导入视频，在字幕区域画一个框，它就在本地把文字 OCR 成一份带时间轴、可编辑的字幕列表。尺寸和颜色过滤器把 logo 和水印挡在结果之外，编辑器还会把它最没把握的行标出来，让你只审校少数几行、而不是逐条校对全部。接下来你可以翻译（Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek — 结合上下文，支持 40+ 种语言）并把结果烧录回视频，全部在同一个 App 里完成。
亮点：
- 原生 macOS App — 无需 Python、无需 conda、无需 CUDA；OCR 100% 在本地运行
- 画框式区域选择，外加尺寸/颜色杂物过滤
- 编辑器标出没把握的行 — 本文所有工具中最快的审校流程
- 同一个 App 继续做 AI 翻译和带样式的烧录；内置批量处理
局限：
- 仅限 macOS — 没有 Windows 或 Linux 版本
- 闭源；AI 翻译是付费（Pro）功能 — 提取本身在免费档
最适合：Mac 用户，以及任何真正的活儿是「一种语言的烧录字幕 → 另一种语言的成品视频」的人。分步指南：如何用 OCR 提取硬字幕。
4. VideoSubFinder — 最好的字幕帧检测（经典两步工作流）
价格：免费，开源（GPLv2）
平台：Windows、Linux
VideoSubFinder 完全不做 OCR — 它把问题的视频那一半解决得比谁都好：找出带字幕文字的帧、记录精确时间轴，并输出去掉背景、清理干净的图片。然后你把这些图片交给一个 OCR 工具（RapidVideOCR、Subtitle Edit、FineReader）来得到文字。字幕组的经典之作，在 SourceForge 上仍有每周数百次下载。
亮点：
- 出色的背景清理 — 交给你的 OCR 工具的图片要好认得多
- 每一行精确的出现/消失时间轴
- 每个阶段都可检视、可调
局限：
- 自己不做 OCR — 需要第二个程序
- 没有 macOS 版本
- 本文中最手动的工作流：两个 App，中间还夹着一批图片
最适合：想要极致掌控、并要给 OCR 提供尽可能最好的原始图片的字幕组成员和完美主义者。
5. RapidVideOCR — VideoSubFinder 最好的 OCR 搭档
价格：免费，开源（Apache 2.0）
平台：Windows、Linux、macOS（Python/pip；Windows 有桌面版 EXE）
RapidVideOCR 是专为 VideoSubFinder 工作流打造的后半段：它接收 VideoSubFinder 清理好的图片文件夹（RGBImages/TXTImages），把它们 OCR 成 SRT、ASS 或 TXT。它基于 RapidOCR 引擎，维护活跃（约 500 个 GitHub stars）。
亮点：
- 专门为 VideoSubFinder 的输出设计 — 时间轴能干净地传过来
- 支持 SRT、ASS 和 TXT 输出
- 可用 pip 安装，跨平台工作
局限：
- 不是独立提取器 — 没有 VideoSubFinder 的图片就没用（而 VideoSubFinder 本身没有 Mac 版本，所以这一对仍然被绑在 Windows/Linux 上）
- 以命令行为主；更友好的桌面版仅限 Windows
最适合：在不用 ABBYY FineReader、也不用手动跑 Subtitle Edit OCR 的情况下，把 VideoSubFinder 的流水线补完。
第二部分：DIY 路线 — 你可以在其上搭建的 OCR 引擎
这些不是字幕工具 — 它们是识别引擎。单独用时它们只读图片；你（或上面某个工具）必须负责帧采样、字幕检测、去重和时间轴。值得了解，因为「用哪个引擎」能解释第一部分里的很多差异。
6. PaddleOCR — 自建流水线时 CJK 的最佳引擎
价格：免费，开源
平台：Python 库（任意操作系统）
PaddleOCR 是一套深度学习 OCR 工具包，具备现代级别的准确率，在中文及其他 CJK 文字上尤其强 — 它就是 VideOCR 本地模式里用的引擎。把它指向图片，它就返回文字；要在视频上用它，你得自己脚本化帧提取、裁剪、去重和 SRT 组装。
最适合：搭建自定义提取流水线的开发者，尤其是中文/日文/韩文内容。
7. Tesseract OCR — 老牌引擎（Subtitle Edit 用的就是它）
价格：免费，开源
平台：库/命令行（任意操作系统）
Tesseract 是经典的开源 OCR 引擎 — 成熟、免费、语言覆盖广，但它是为印刷文档设计的。低分辨率、有样式的视频文字对它来说是个难题，这正是 VideoSubFinder 的背景清理步骤存在的原因：喂给 Tesseract 干净、高对比度的图片（例如通过 Subtitle Edit 的图片 OCR），它就能表现得像样。
最适合：在清理过的图片上走 Subtitle Edit 路线；不建议直接对视频帧硬跑。
8. Google Lens — 最准的识别，但没有视频工作流
价格：免费（云端）
平台：云服务
面对杂乱的画面，Google Lens 可以说是你能用上的最准的文字识别 — 但它没有批量视频工作流，也没有时间轴。手动做就是一张截图一张截图地来。VideOCR 的混合模式把它自动化了（本地检测、Lens 识别），代价是需要联网并把你的画面帧发给 Google。
最适合：抽查几个难帧，或在准确率胜过隐私时通过 VideOCR 的混合模式使用。
8 款方案怎么比？
| 工具 | 平台 | 自带 OCR | 到 SRT 的步数 | 翻译 / 烧录 | 价格 |
|---|---|---|---|---|---|
| VideOCR | Windows / Linux / Docker | 是（PaddleOCR 或 Google Lens） | 1 | 否 | 免费（MIT） |
| Video-Subtitle-Extractor | Win / Linux / macOS（为 NVIDIA 调优） | 是（本地） | 1 | 否 | 免费（Apache 2.0） |
| GeekLink | macOS（Apple Silicon） | 是（本地） | 1 | 是 — AI 翻译 + 带样式烧录 | 免费档；Pro 每月 $12.99、每年 $99、终身 $169 |
| VideoSubFinder | Windows / Linux | 否 — 只出图片 | 2（需要 OCR 工具） | 否 | 免费（GPLv2） |
| RapidVideOCR | Win / Linux / macOS（pip） | 是（RapidOCR）— 处理 VideoSubFinder 的图片 | 2（配合 VideoSubFinder） | 否 | 免费（Apache 2.0） |
| PaddleOCR | Python 库 | 仅引擎 | DIY 脚本 | 否 | 免费 |
| Tesseract | 库 / 命令行 | 仅引擎 | DIY / 通过 Subtitle Edit | 否 | 免费 |
| Google Lens | 云端 | 仅引擎（云端） | 手动 / 通过 VideOCR 混合模式 | 否 | 免费 |
你该选哪个？
你在 Windows 或 Linux 上，提取就是全部工作：VideOCR（一步，免费），或者如果你有 NVIDIA GPU 且有批量需求，选 Video-Subtitle-Extractor — 尤其是中文内容。
你想要掌控力最强、质量尽可能最好的路线，也不介意两步：用 VideoSubFinder 做检测 + RapidVideOCR（或 Subtitle Edit）做识别。这是传统字幕组的配方。
你在 Mac 上：GeekLink。开源提取器要么不提供 Mac 版本，要么回退到很慢的 CPU 处理；GeekLink 的 OCR 是原生、本地的，而且在免费档里。
提取是第一步，不是目标：如果字幕需要被审校、翻译，再烧录回成品视频，GeekLink 是本文中唯一在一个 App 里全部搞定的工具 — 其他所有工具都只是把 SRT 交给你，然后祝你好运。
你是要自建东西的开发者：用 PaddleOCR 做识别（尤其是 CJK），并研究 VideOCR 和 VSE 是如何组织它们的帧检测和去重层的 — 那个视频层才是真正下功夫的地方。
常见问题
提取硬字幕最好的免费工具是哪个？
在 Windows 或 Linux 上：VideOCR — 免费、开源，从视频到 SRT 只需一步。在 Mac 上：GeekLink 的免费档涵盖完整的 OCR 提取和 SRT 导出。如果你想要极致的质量掌控、也不介意两步工作流，VideoSubFinder + RapidVideOCR 同样完全免费。
我在 Mac 上怎么提取硬字幕？
GeekLink 是本文列表里唯一的原生 Mac 选择 — 开源提取器要么只出 Windows/Linux 版本（VideoSubFinder、VideOCR），要么在 Mac 的 CPU 上跑得很慢（Video-Subtitle-Extractor）。GeekLink 在 Apple Silicon 上本地运行 OCR：导入、在字幕区域画框、运行、导出 SRT。
提取硬字幕需要 GPU 吗？
对于开源提取器，想要合理速度实际上是需要的 — VideOCR 和 Video-Subtitle-Extractor 都是围绕 NVIDIA CUDA 构建的，在 CPU 上很慢。在 Mac 上，GeekLink 在 Apple Silicon 上原生运行它的 OCR，不需要独立 GPU。
这些工具里有能翻译提取出来的字幕的吗？
只有 GeekLink。其他工具都停在原语言的 SRT（或图片）。GeekLink 在 App 内用 Claude 3.5 Haiku、GPT-4o、GPT-4o mini 或 DeepSeek 翻译，跨行使用上下文，并能把翻译后的字幕烧录回视频。
我该用 VideoSubFinder 还是 VideOCR？
想要一个程序、一步搞定就用 VideOCR — 它在一次运行里完成检测和 OCR。想要极致的掌控和质量就用 VideoSubFinder：它产出尽可能干净的文字图片和精确的时间轴，然后你用 RapidVideOCR 或 Subtitle Edit 对它们做 OCR。平台相同（Windows/Linux），理念不同。
为什么不直接用 Google Lens 或 Tesseract？
它们是 OCR 引擎，不是视频工具 — 它们读取单张图片。从视频中提取字幕还需要找出哪些帧含有文字、跨帧对重复行去重，并构建时间轴。那个视频层正是 VideOCR、VSE、VideoSubFinder 和 GeekLink 在引擎之上提供的东西。