太长不看：Subtitle Edit 最近新增了 Video OCR（Video → OCR burned-in subtitle…），这个免费开源的字幕编辑器现在也能从视频里提取烧录字幕了 — 是个实用的补充。差别在底层。Subtitle Edit 要你框选一个扫描矩形，再用一个通用 OCR 引擎逐帧识别（macOS 上用 Apple Vision；Windows/Linux 上用 Paddle OCR；或 GLM-OCR、PaddleOCR-VL 这类需下载的视觉模型）。GeekLink 则是自动识别出真正的字幕行，再用为字幕文字精调的模型去识别 — 因此快得多、也更不容易漏行 — 而且它开箱即用，无需你下载或安装任何 OCR 引擎或模型。如果你本来就在 Subtitle Edit 里干活、想在编辑器内做免费 OCR，它的 Video OCR 是个不错的选择。如果你要的是最快、最省事的烧录字幕提取，那正是 GeekLink 更强的地方。
想提取烧录字幕、又不想装任何东西？GeekLink 自动找出字幕行，并在你的电脑本地运行 OCR — 不用挑引擎，也不用下模型。有免费额度，无需注册。
Download FreeSubtitle Edit 的 Video OCR 是什么？
Subtitle Edit 是一款历史悠久、免费开源的字幕编辑器，最近新增了 Video OCR 功能，可以把视频里的烧录（硬）字幕提取成可编辑的文本行。你打开 Video → OCR burned-in subtitle…，找到一帧有字幕的画面，把扫描矩形调整到字幕所在的位置（默认是画面下三分之一），选择 OCR 引擎和语言，可选地测试当前帧，然后点击 Start OCR。识别出的行会出现在一个列表里，可以就地编辑。对于本来就用它做时间轴和校对的人来说，内置 OCR 确实很方便。
对这场对比来说，关键在于它怎么识别文字。Subtitle Edit 把这活交给一个通用 OCR 引擎，而按它自己的文档，可选项取决于你的平台：
- Apple Vision — 仅 macOS；本地、快速、无需下载。
- Paddle OCR — Windows 和 Linux；本地运行，自动下载。
- llama.cpp 视觉模型 — GLM-OCR 0.9B、PaddleOCR-VL 1.6（109 种语言）、HunyuanOCR、LightOnOCR；跨平台，引擎和模型自动下载。
- CrispEmbed 和 Ollama 视觉方案 — 另外两条本地视觉模型路径（Ollama 需单独安装），外加一个云端 GLM API 选项。
这些都是能力不错的通用识别器 — 尤其是视觉模型选项，纯字符识别很强，语言覆盖也广。但它们只是对着一个矩形、在抽样的帧上运行；那些字幕特有的活 — 判断哪些行才是真字幕、忽略台标和画面杂物、别在每一帧上重复识别同一条字幕 — 就都留给了你，以及你框得好不好。
GeekLink vs Subtitle Edit Video OCR：两者怎么比？
两者都能把烧录文字读成可编辑的字幕。差距在于 GeekLink 专为字幕打造的四点：自动字幕行识别、为字幕精调的识别、速度，以及零模型安装。
| 能力 | GeekLink | Subtitle Edit Video OCR |
|---|---|---|
| 烧录字幕 OCR → 可编辑字幕 | 是 — 核心功能 | 是 — 较新的内置功能 |
| 找出字幕行 | 自动字幕行识别 — 每一行都能找到，包括双行字幕里出现较少的顶行 | 你框选一个扫描矩形；通用引擎对框内的帧做 OCR |
| 识别模型 | 为屏幕字幕文字专门精调的模型 | 通用引擎（Apple Vision / Paddle OCR / 视觉大模型） |
| 模型下载 / 安装 | 无 — 开箱即用，模型已为你准备好 | 取决于引擎 — Paddle OCR 和视觉模型需下载（有些很大）；Ollama 需单独安装；Apple Vision 无需下载 |
| 速度 | 在 16 GB 内存的 Apple M4 Mac、默认设置下，一段 30 分钟的 1080p 英文字幕视频约 3 分钟（约 10× 实时速度） | 因引擎差异很大；Apple Vision 较快，而准确的视觉模型引擎逐帧都很重（没有高性能 GPU 会更慢） |
| 忽略台标、水印、画面文字 | 字幕行以外的内容自动过滤 | 凡是落在扫描框里的都会被 OCR；要排除就得重新框选 |
| 平台 | Mac 和 Windows 桌面应用 | Windows / Linux / macOS（各系统可用引擎不同） |
| 价格 | OCR 有免费额度；另有付费方案 — 最新价格详见主页 | 免费、开源 |
它替你找出字幕行
最大的区别是：GeekLink 把提取当成一个字幕问题，而不是一块像素矩形的问题。Subtitle Edit 的 Video OCR 要你先摆好扫描框，然后在每一抽样帧上识别框里出现的任何文字。这能用，但把判断都压在了你身上：框稍微紧一点，双行字幕里出现较少的顶行就可能被框在外面；框松一点，频道台标、水印或画面图形又会被当成字幕读进来。
GeekLink 会先识别出真正的字幕行 — 在识别文字之前 — 并且刻意设计成宁可多检、也不漏检（多出来的行一键就能删；从没被捕捉到的行则是无声的损失）。它会保住那些固定框选容易丢掉的低频行，同时让识别避开台标和杂物。你不用为了防这些情况去调框；识别本身就替你处理了。
它用为字幕精调的模型来识别
GeekLink 的识别是专门针对屏幕字幕文字精调的 — 那种带样式、带描边、有时还很小、压在动态画面上的文字 — 而不是把通用文档 OCR 或通用视觉模型套到一帧视频上。真实字幕上的准确率正来自这种精调：花式字幕上的乱码更少，密集的中日韩文字结果也更稳。
Subtitle Edit 的引擎在设计上就是通用的。Apple Vision 快、无需下载，但它是通用的系统 OCR，遇到花式或小号的中日韩字幕会吃力。视觉模型引擎（GLM-OCR、PaddleOCR-VL 等）确实是很强的识别器、语言覆盖也广 — 但它们是你对着一帧运行的通用模型，而非字幕专用的流水线，而且如下所述，它们属于又重、又要先下载的那类。
它快得多
在 16 GB 内存的 Apple M4 Mac、默认设置下，GeekLink 约 3 分钟就能提取完一段 30 分钟、带英文烧录字幕的 1080p 视频 — 大约 10× 实时速度。其中一部分原因是不做重复功：一条字幕会连续停留很多帧，所以对每一抽样帧都独立识别，等于把同一次读取一遍遍重复。GeekLink 会把同一条字幕的证据合并起来，并跳过画面没变化的帧，于是那些昂贵的识别运行的次数少得多。
Subtitle Edit 没有公布吞吐数字，说实话也很因引擎而异。Apple Vision 很快。但那些准确的选项 — llama.cpp 视觉模型、CrispEmbed、Ollama — 都是逐帧运行的重型视觉大模型，会很慢，尤其在没有高性能 GPU 时。所以在 Subtitle Edit 上，你往往在选引擎那一步就得在速度和准确率之间取舍；GeekLink 想做到的是，让你同时拥有精调准确率这条路和快速这条路。
无需下载或安装任何东西
GeekLink 开箱即用。开始前不用选 OCR 引擎，也不用先下模型：打开应用，指向视频，就能开跑。识别模型已经为你准备好了。
用 Subtitle Edit 的 Video OCR 时，模型安装取决于你选的引擎。Paddle OCR 在 Windows 和 Linux 上自动下载；视觉模型引擎要下一个引擎外加一个模型（有些很大）；Ollama 得你自己单独安装管理。在 macOS 上，Apple Vision 是唯一无需下载的路径 — 但它也是最通用的识别器，所以遇到更难、更花、或中日韩字幕，你又会被推向那些要先下载的视觉模型去把质量提上来。GeekLink 干脆没有这个岔路：一条路、已精调、无需下载。
什么时候 Subtitle Edit 更合适？
很多时候都合适。Subtitle Edit 是一款出色的免费开源字幕编辑器，它的 OCR 是实打实的加分项：
你本来就在 Subtitle Edit 里编辑。如果你的字幕就在 Subtitle Edit 里做时间轴和校对，那在同一个窗口里做 OCR — 再就地编辑识别出的行 — 既方便又不花钱。
你就是要免费且开源，没别的。Subtitle Edit 免费又开放。如果价格和开源比速度、比省心安装更重要，它是个很好的答案。
你想指定某个特定的 OCR 引擎。Subtitle Edit 让你在多个引擎间选择，如果你有理由偏好某个视觉模型（或云端引擎），也能换上。
两者也不是非此即彼：一种常见做法是先在 GeekLink 里快速、省心地提取，再把结果拿进 Subtitle Edit 做细致的时间轴。工具不同，各有所长。
常见问题
Subtitle Edit 有针对烧录字幕的 OCR 吗？
有。Subtitle Edit 最近新增了 Video OCR 功能（Video → OCR burned-in subtitle…），能把视频里的硬字幕提取成可编辑的行。你框选一个扫描矩形，选好 OCR 引擎和语言，然后开始 OCR。GeekLink 做的是同一件事，但它自动识别字幕行、并使用为字幕精调的模型，所以既不用调框，也不用下载引擎或模型。
OCR 谁更快，GeekLink 还是 Subtitle Edit？
这取决于 Subtitle Edit 用的引擎。Apple Vision 快；更准确的视觉模型引擎（llama.cpp 搭配 GLM-OCR 或 PaddleOCR-VL、CrispEmbed、Ollama）逐帧都很重，没有高性能 GPU 会很慢。GeekLink 在 16 GB 内存的 Apple M4 Mac 上约 3 分钟提取完一段 30 分钟的 1080p 英文字幕视频（约 10x 实时速度），部分原因是它会合并重复帧、跳过没变化的帧，而不是把每一帧都重读一遍。
用 Subtitle Edit 的 Video OCR 需要下载模型吗？
大多数引擎都需要。Paddle OCR 在 Windows 和 Linux 上自动下载，视觉模型引擎要下一个引擎外加一个模型（有些很大）；Ollama 需单独安装。在 macOS 上，Apple Vision 无需下载，但它是通用识别器。GeekLink 自带已准备好的识别模型，所以开始前既不用选、也不用下。
为什么 GeekLink 漏的字幕行更少？
Subtitle Edit 会对你框选的扫描矩形里出现的任何文字做 OCR，所以框稍紧就可能丢掉双行字幕里出现较少的顶行，框松了又会把台标或画面文字读进来。GeekLink 自动识别字幕行，并且设计成宁可多检、也不漏检 — 多余的行一键删掉，但没有一行会被无声丢掉 — 同时让识别避开水印和杂物。
Subtitle Edit 的 Video OCR 准吗？
可以很准，尤其是视觉模型引擎，它们是覆盖多语言的强通用识别器。代价是：快的那个（Apple Vision）是通用 OCR，遇到花式或小号中日韩字幕会吃力；而准的那些是逐帧运行的重型下载项。GeekLink 用的是专门针对屏幕字幕文字精调的模型，目标是在不牺牲速度和安装便利的前提下拿到那种准确率。
两个能一起用吗？
能。一种常见做法是：先在 GeekLink 里无需安装地快速提取烧录字幕，再把结果在 Subtitle Edit 里打开做细致的时间轴和校对。两者互补 — GeekLink 负责快速、省心的提取；Subtitle Edit 提供免费、深度的编辑环境。