太长不看：Video-Subtitle-Extractor（VSE）是一款免费开源工具，通过 OCR 把视频里的硬编码（烧录）字幕提取成 SRT 文件。它确实很强大——支持 87 种语言、本地 OCR 无需 API 密钥、批量提取、GPU 加速——对于拥有 NVIDIA 显卡、想免费批量提取的开发者来说，很难被超越。但 VSE 基于 Python、面向 NVIDIA/CUDA（在 Mac 的 CPU 上很慢），而且它只做一件事：提取。它不会翻译字幕、不会把字幕烧录回视频，也不提供修正字幕的编辑器。GeekLink 是一款开箱即用的 macOS 应用，同样能做 OCR 提取，然后继续往下走——AI 翻译、一个会标记不确定行的编辑环节、以及烧录——全部在一个应用里完成，无需配置 Python。如果你是使用 NVIDIA 显卡的开发者，只需要免费的纯提取，VSE 非常出色；如果你用 Mac，想从烧录字幕一路走到翻译好、校对好、重新烧录的视频，而又不想碰命令行，那么 GeekLink 能跑通整条流水线。
想把烧录字幕提取、翻译、再重新烧录回去——还不用碰 Python？GeekLink 在你的 Mac 上本地跑完整条 OCR 流水线。有免费版，无需注册账号。
免费下载什么是 Video-Subtitle-Extractor（VSE）？
Video-Subtitle-Extractor（VSE）是一款免费开源（Apache 2.0）工具，从视频中提取硬编码字幕并输出 SRT 文件，使用本地 OCR，不依赖任何第三方 API。它拥有 9,000+ GitHub 星标，是这个类别里最受欢迎的工具，尤其在中文社区。
VSE 逐帧检测字幕区域，用本地 OCR 模型识别屏幕上的文字，过滤掉非字幕文字，对重复行去重，然后写出 SRT（或 TXT）。它支持 87 种语言，提供快速 / 自动 / 精确三种模式在速度和准确度之间权衡，只要多个视频分辨率和字幕区域相同，就能批量提取。
它真正的优势在于一切都在本地免费运行，在 NVIDIA 硬件上有 GPU 加速以获得更高的准确度和速度。它还搭配一个姊妹项目（video-subtitle-remover），如果你之后想抹掉旧的烧录文字。VSE 从设计上就是一款提取工具——它把烧录文字变成 SRT，任务到此为止。
它的取舍正是开源 Python 项目的另一面。它围绕 NVIDIA CUDA 构建，所以在 Mac 上会退回 CPU，运行缓慢。安装可能意味着下载发行版构建包，或者如果失败，就从源码安装一个 conda 环境。也存在一些小的体验尖角——例如，视频和程序路径不能包含空格或非 ASCII 字符。对技术用户来说这些都是小事；对不写代码的人来说，它们是实实在在的摩擦。
GeekLink vs VSE：它们如何对比？
它们只在一件事上重叠——把烧录字幕本地 OCR 成可编辑文件。之后的一切（翻译、编辑、烧录）都是 GeekLink 独有的，而在任意 GPU 上免费、可脚本化的一切，则是 VSE 胜出的地方。
| 功能 | GeekLink | Video-Subtitle-Extractor（VSE） |
|---|---|---|
| 烧录字幕 OCR → 可编辑 SRT | 是——核心功能 | 是——核心功能 |
| 平台 | macOS（原生，Apple Silicon） | Windows / Linux / macOS，但针对 NVIDIA GPU 调优（Mac = CPU，慢） |
| 安装 | 下载应用，打开即用——无需 Python | 下载发行版，或从源码安装 conda/Python 环境 |
| 界面 | 带编辑时间轴的原生 GUI | 用于提取的 GUI（应用内没有编辑器来修正结果） |
| 语言（OCR） | 覆盖主要的 CJK + 拉丁语系 + 更多 | 87 种语言 |
| 批量提取 | 是——一次处理多个视频 | 是——但要求整批视频分辨率和字幕区域完全相同 |
| 对提取出的字幕进行 AI 翻译 | 是——Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek（结合上下文，40+ 语言对） | 否——只做提取 |
| 应用内编辑 / 标记不确定行 | 是——编辑器标记低置信度行供复查 | 否——只能通过手动 JSON 映射做文本替换 |
| 把字幕烧录回视频 | 是——带样式的烧录 | 否——只输出 SRT/TXT |
| 去除旧的烧录文字 / 水印 | 否 | 通过一个独立的姊妹项目（video-subtitle-remover） |
| 价格 | 免费版；付费 $12.99/月、$99/年，或 $169 一次性终身 | 免费开源（Apache 2.0） |
关键要点：这是"免费提取引擎"对"开箱即用的提取到交付流水线"。VSE 和 GeekLink 都从画面帧上读取烧录文字，而 VSE 免费支持 87 种语言。但 VSE 止步于 SRT。GeekLink 是为那些需要把 SRT 翻译好、校对好、并烧录回成品视频的人打造的——在 Mac 上，无需安装任何东西。
各自要花多少钱？
VSE 在 Apache 2.0 下完全免费开源——没有付费档位，什么都不计量。这是实实在在的优势：如果你只需要提取，又有硬件、也乐意自己运行它，那么你的成本为零。
GeekLink 有一个永久免费版（完整的 OCR、语音识别、编辑、批量、SRT/ASS 导出；免费导出会带一个小的 GeekLink 标识）外加针对翻译与烧录流水线的一口价付费方案：
- 月付——$12.99/月
- 年付——$99/年（约 $8.25/月），含 1M AI 翻译 token（约 1,500 分钟）
- 终身——$169 一次性（早鸟）/ $199 常规，含 1M AI 翻译 token，无订阅
- 额外 AI 翻译 token——$6.99 每 1M token（超量部分）
你付钱给 GeekLink 其实不是为了 OCR——你付的是 VSE 不做的那些事。OCR 提取本身在 GeekLink 的免费版上就能用。付费方案涵盖的是 AI 翻译，以及开箱即用、免配置的 Mac 体验。如果你唯一的需求就是免费提取，VSE 是更便宜的答案；如果你本来要把 VSE 和一个单独的翻译器、一个烧录工具拼在一起，那么 GeekLink 的一口价能让你在一个应用里买下整条链路。
什么时候该用 VSE 而不是 GeekLink？
在以下几种情况下，VSE 是更好的选择：
你想要免费、不计量的提取，并且你熟悉 Python。VSE 不花一分钱，也没有 token 限制。如果你能运行发行版构建包或搭建 conda 环境，你想提取多少都可以。
你有一块 NVIDIA 显卡。VSE 围绕 CUDA 加速构建，所以在一块能干的 NVIDIA 显卡上，它在精确模式下能又快又准地提取。GeekLink 仅限 macOS，所以在 Windows/Linux 的 GPU 主机上它不是选项。
你需要 VSE 的 87 种语言里某种常见 CJK/拉丁语系之外的语言。VSE 的语言覆盖非常广。
你想要一款可以脚本化或修改的开源工具。VSE 是 Apache 2.0——你可以自动化它、把它集成进流水线、并修改它。GeekLink 是一款闭源桌面应用。
什么时候 GeekLink 是更好的选择？
当提取只是第一步，或者当你根本不打算碰命令行时，GeekLink 是更强的选择。
你用 Mac，希望它开箱即用。GeekLink 是一款原生 macOS 应用：下载、打开、在字幕区域画个框、运行。没有 Python、没有 conda、没有 CUDA，也没有"路径不能含空格"的坑。在 Apple Silicon 上，它就是为本地运行而生，无需 NVIDIA GPU。
你需要字幕被翻译，而不只是被提取。这是最大的差距。VSE 输出原语言的 SRT 就停下了。GeekLink 可以在提取之后立刻用 Claude 3.5 Haiku、GPT-4o、GPT-4o mini 或 DeepSeek 翻译那个 SRT——结合行与行之间的上下文，而不是逐字翻译。
你想在交付之前复查并修正 OCR。在风格化或画面繁杂的素材上，OCR 从来不可能完美。GeekLink 给你一个应用内编辑器，它会标记出它最没把握的行，这样你只需检查那少数几行，而不必逐条校对所有内容。VSE 唯一的纠错手段是手动编辑一个 JSON 替换映射。
你需要成品视频，而不只是一个文件。GeekLink 可以把校对好、翻译好的字幕带样式地烧录回视频。VSE 给你的是 SRT/TXT；把它烧录进去是另一个工具的另一份活。
VSE 能翻译或烧录它提取的字幕吗？
不能。VSE 把烧录字幕提取成 SRT（或 TXT）就到此为止——它没有翻译功能，也没有烧录功能。它的范围刻意就是"把画面文字读进一个文件"这一步。如果你需要另一种语言的结果，就把 VSE 的 SRT 拿去一个单独的翻译工具；如果你需要把它烧录回视频，就把它拿去一个单独的烧录工具（或视频编辑器）。
对于组装流水线的技术用户来说，这种模块化是没问题的——VSE 做 OCR，别的东西做翻译，ffmpeg 或某个编辑器做烧录。代价是你要维护三个工具、在它们之间搬运文件，而且翻译步骤通常不结合上下文，除非你自己接一个 LLM 进去。
GeekLink 把那条链路合并进一个应用：对烧录文字做 OCR，用一个能看到周围行的 LLM 翻译它，在编辑器里修正被标记的行，然后把结果烧录回去——全程不用离开应用，也不用写脚本。这个对比与其说是"哪个 OCR 更好"，不如说是"你想要一个 OCR 引擎，还是整条提取-翻译-交付流水线"。
两者甚至可以互补：开发者可以在 NVIDIA GPU 上用 VSE 做快速免费的批量提取，然后把 SRT 交给 Mac 上的 GeekLink 做 AI 翻译和带样式的烧录。不同的工具，不同的阶段。
常见问题
GeekLink 是 Video-Subtitle-Extractor 的付费替代品吗？
部分是。GeekLink 的烧录字幕 OCR 在免费版上就能用，所以基础提取不花任何钱。付费方案（$12.99/月、$99/年，或 $169 终身）涵盖的是 AI 翻译和开箱即用的 Mac 体验。VSE 完全免费开源，但它只做提取——它不翻译、不编辑、也不把字幕烧录回去。
Video-Subtitle-Extractor 在 Mac 上运行得好吗？
它能在 macOS 上运行，但 VSE 围绕 NVIDIA CUDA 加速构建，所以在 Mac 上会退回 CPU，提取缓慢。GeekLink 是一款为 Apple Silicon 打造的原生 macOS 应用，所以它在本地全速运行，无需 NVIDIA GPU，而且它作为普通应用安装，不需要 Python 或 conda 配置。
VSE 能翻译它提取的字幕吗？
不能。VSE 输出原语言的 SRT 或 TXT，没有翻译功能。要翻译的话，你得把那个文件拿去一个单独的工具。GeekLink 在应用内用 Claude 3.5 Haiku、GPT-4o、GPT-4o mini 或 DeepSeek 翻译提取出的字幕，并结合行与行之间的上下文。
VSE 能把字幕烧录回视频吗？
不能。VSE 只生成一个字幕文件；把它烧录进去是用另一个工具的另一个步骤。GeekLink 可以在同一个应用里把校对好、翻译好的字幕带着字体、颜色和位置样式烧录回视频。
哪个 OCR 更准确？
两者都用强大的本地 OCR。VSE 在 NVIDIA GPU 上的精确模式下可以非常准确，代价是速度。在风格化或画面繁杂的素材上，任何 OCR 工具的准确度都会有波动，这正是为什么 GeekLink 增加了一个编辑器，它会标记出最没把握的行，让你能快速复查——而 VSE 唯一的纠错路径是一个手动 JSON 替换映射。