太长不看：这三款工具都能从硬字幕（烧录字幕）中得到可编辑的文字，但它们适合不同的配置。VideoSubFinder（免费，Windows/Linux）自己不做 OCR — 它检测字幕帧和时间轴，然后输出清理好的文字图片，供你喂给 Subtitle Edit 或 FineReader 之类的独立 OCR 工具。VideOCR（免费，开源，Windows/Linux）是端到端的：它用本地的 PaddleOCR（或混合云模式下的 Google Lens）读取文字，并写出带时间轴的 SRT。GeekLink 是 macOS 的选择：端到端本地 OCR，带画框式区域选择、一个会标出没把握行的编辑器，接着在同一个 App 里做 AI 翻译和烧录。在 Windows 或 Linux 上，VideOCR 是最好的免费选择；如果你想要经典、掌控力十足的两步字幕组工作流，就用 VideoSubFinder；在 Mac 上，或者如果你需要把字幕翻译好再烧回去，就用 GeekLink。
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VideOCR 是什么？
VideOCR 是一款面向 Windows 和 Linux 的免费开源（MIT）工具，用本地的 PaddleOCR 或混合云模式下的 Google Lens，把视频里的硬字幕提取成 SRT 文件。它是一个活跃的 GitHub 项目（截至 2026 年 7 月约 680 stars），同时有图形界面和命令行，外加 CPU 和 NVIDIA GPU 的 Docker 镜像。
工作流很直接：载入视频、裁剪字幕区域、选一个 OCR 引擎、运行。本地模式用 PaddleOCR 模型（其 README 列出 200+ 种支持语言）；混合模式在本地做文字检测、但把识别发给 Google Lens，用隐私和离线能力换取难素材上的准确率。它支持 NVIDIA CUDA 加速、可配置的置信度阈值，以及针对间距问题的后处理。
主要的注意事项，直接来自它自己的文档：CPU 上的本地 OCR 很慢（GPU 版本的存在是有原因的），而且没有 macOS 版本 — 它只出 Windows 和 Linux 版本。它也没有内置编辑器来审校或纠正识别出的文字，没有翻译，没有烧录；输出就是 SRT，流水线的其余部分由你自己来。来源：GitHub 上的 VideOCR。
VideoSubFinder 是什么？
VideoSubFinder 是一款免费（GPLv2）的 Windows/Linux 工具，它找出含有硬字幕的帧及其时间轴 — 但它自己不做 OCR。它输出的是「清理后」的文字图片（字幕行从背景里分离出来），然后你把这些图片喂给 Subtitle Edit、ABBYY FineReader 或 Google Drive 的 OCR 之类的独立 OCR 程序来得到实际文字。
它是字幕组世界的经典之作 — 在 SourceForge 上分发，至今仍有每周数百次下载 — 而这种两步设计是刻意为之的。VideoSubFinder 解决了真正困难的、视频特有的问题（哪些帧有字幕文字、每一行何时出现和消失、把背景清理干净），把字符识别留给专门的 OCR 软件。做得仔细的话，结果非常出色，这就是为什么 VideoSubFinder + Subtitle Edit 组合至今仍是视频论坛上的标准配方。
这种强大的代价是工作流上的摩擦：你要管理两个程序、在它们之间传输一批批图片，并在最后把文字和时间轴缝合起来。而且和 VideOCR 一样，它没有 macOS 版本 — 它面向 Windows 和 Linux。来源：SourceForge 上的 VideoSubFinder。
VideOCR 对比 VideoSubFinder 对比 GeekLink：它们怎么比？
一句话版本：VideoSubFinder 是一个需要第二个 OCR 工具的字幕帧检测器，VideOCR 是一款面向 Windows/Linux 的完整免费提取器，而 GeekLink 是一款面向 macOS 的完整「提取器 + 流水线」。
| 功能 | GeekLink | VideOCR | VideoSubFinder |
|---|---|---|---|
| 平台 | macOS（原生，Apple Silicon） | Windows / Linux / Docker — 无 Mac 版本 | Windows / Linux — 无 Mac 版本 |
| 自己做 OCR | 是 — 本地，端到端 | 是 — PaddleOCR 本地，或 Google Lens 混合（云端） | 否 — 为外部 OCR 工具输出清理好的文字图片 |
| 到成品 SRT 的步数 | 一个 App：导入 → 画框 → 运行 → SRT | 一个 App：裁剪 → 运行 → SRT | 两个 App：在这里检测帧，去别处（如 Subtitle Edit）OCR 图片 |
| 字幕区域选择 | 是 — 画一个框；外加针对 logo 和水印的尺寸/颜色过滤 | 是 — 裁剪设置 | 是 — 搜索区域设置 |
| 在 App 内审校 / 纠正结果 | 是 — 编辑器标出它最没把握的行 | 否 — 去别处编辑 SRT | 否 — 纠正在你的 OCR 工具里进行 |
| 对提取出的字幕做 AI 翻译 | 是 — Claude 3.5 Haiku、GPT-4o、GPT-4o mini、DeepSeek（结合上下文，40+ 种语言） | 否 | 否 |
| 把字幕烧回视频 | 是 — 带样式烧录 | 否 | 否 |
| 完全离线运行 | 是 — OCR 100% 本地 | 本地模式可以；Google Lens 混合模式需要联网 | 可以（OCR 步骤取决于你搭配的工具） |
| GPU 加速 | 在 Apple Silicon 上本地运行 | NVIDIA CUDA 版本 | 面向 CPU；多线程 |
| 价格 / 授权 | 免费档；付费每月 $12.99、每年 $99，或一次性终身 $169 | 免费，开源（MIT） | 免费，开源（GPLv2） |
核心要点：先按操作系统选，再按工作流选。VideOCR 和 VideoSubFinder 都没有 Mac 版本，而 GeekLink 没有 Windows 版本 — 所以对大多数人来说，操作系统就决定了。当你确实有得选时，问题在于你想要免费的原始提取（VideOCR）、两步的极致掌控（VideoSubFinder），还是在一个 App 里完成提取加审校、翻译和烧录（GeekLink）。
你能直接用 PaddleOCR、Tesseract 或 Google Lens 吗？
可以，但它们是 OCR 引擎，不是视频字幕工具 — 单独用时它们只读图片，还是得有人来处理视频那部分：采样帧、检测字幕在哪里、对重复行去重，并构建时间戳。这正是上面那些工具围绕它们所做的工作。
| 引擎 | 它是什么 | 做字幕的强项 | 做视频时缺什么 |
|---|---|---|---|
| PaddleOCR | 开源深度学习 OCR 工具包（Python 库） | 现代级准确率；在中文及其他 CJK 文字上尤其强；本地运行 | 读图片，不读视频 — 你要自己脚本化帧提取、区域裁剪、去重和 SRT 组装（本质上就是 VideOCR 围绕它做的事） |
| Tesseract | 老牌开源 OCR 引擎，被许多文档工具以及 Subtitle Edit 的图片 OCR 使用 | 成熟、免费、语言覆盖非常广；在干净、高对比度的文字上表现不错 | 为印刷文档设计 — 低分辨率、有样式的视频文字是个难题，这就是 VideoSubFinder 背景清理步骤存在的原因 |
| Google Lens | Google 的云端文字识别 | 极其准确，即使在杂乱或有样式的文字上 | 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；VideOCR 的混合模式把它自动化，代价是把你的画面帧发给 Google |
所以「哪个 OCR 引擎最好」通常是错误的第一个问题。对字幕来说，工具的视频层 — 帧检测、时间轴、去重、区域和杂物过滤 — 才决定了你会看到的大部分实际质量差距。
你该选哪个？
在 Windows 或 Linux 上，你想要免费的端到端提取：VideOCR。一个 App，本地 PaddleOCR，SRT 出。如果你有 NVIDIA GPU，用 GPU 版本 — 按它自己的说法，CPU 模式很慢。GeekLink 在这里不是选项：它仅限 macOS。
你想要极致掌控和给 OCR 提供尽可能最好的原始图片：VideoSubFinder + Subtitle Edit（或 FineReader）。两步工作流更慢、更手动，但背景清理步骤是真的好，而且每个阶段都可检视。这是传统字幕组的路线。
在 Mac 上：GeekLink 是实用的选择 — 另外两款没有 Mac 版本，靠模拟运行或从源码跑违背了快速提取的初衷。GeekLink 的 OCR 在本地运行，画框和尺寸/颜色过滤把 logo 和水印挡在结果之外，而且提取在免费档里。
提取对你来说只是第一步：如果真正的活儿是「进来烧录的中文字幕，翻译好的英文字幕烧回去」，只有 GeekLink 覆盖整条链 — OCR、一个标出值得检查的行的编辑器、结合上下文的 AI 翻译，以及带样式的烧录，全在一个 App 里。用 VideOCR 或 VideoSubFinder，你得用三四款独立工具拼出那条流水线。
它们各多少钱？
VideOCR（MIT）和 VideoSubFinder（GPLv2）都完全免费且开源 — 没有付费档，没有按量计费。如果你在 Windows/Linux 上、提取就是全部工作，你的软件成本为零。
GeekLink 有一个永久免费档（完整 OCR、语音识别、编辑、批量、SRT/ASS 导出；免费导出带一个小的 GeekLink 署名），外加针对翻译和烧录流水线的固定付费计划：
- 月付 — 每月 $12.99
- 年付 — 每年 $99（约 $8.25/月），含 100 万 AI 翻译 tokens（约 1,500 分钟）
- 终身 — 一次性 $169（早鸟）/ $199 常规，含 100 万 AI 翻译 tokens，无订阅
- 额外 AI 翻译 tokens — 每 100 万 tokens $6.99（超量部分）
你不是为 OCR 付钱给 GeekLink — 提取是免费的。付费计划覆盖 AI 翻译和成品视频流水线。如果你只需要 Windows 上的免费提取，VideOCR 就是正确答案，而且不花一分钱。
常见问题
VideoSubFinder 自己做 OCR 吗？
不。VideoSubFinder 检测含有硬字幕的帧、记录它们的时间轴，并输出清理好的文字图片。要得到实际文字，你要把这些图片喂给一个独立的 OCR 程序 — 常见的是 Subtitle Edit（基于 Tesseract 的图片 OCR）、ABBYY FineReader 或 Google Drive OCR。VideOCR 和 GeekLink 都自己做 OCR。
VideOCR 或 VideoSubFinder 有 Mac 版本吗？
没有。截至 2026 年 7 月，VideOCR 出 Windows、Linux 和 Docker 版本，VideoSubFinder 出 Windows 和 Linux 版本。在 macOS 上，GeekLink 是用 OCR 提取硬字幕的原生选择。
哪款工具提取硬字幕最准？
这更多取决于你的素材而非工具：分辨率、对比度和字体样式占主导。三款都采用现代方法 — VideOCR 用 PaddleOCR 或 Google Lens，VideoSubFinder 为你搭配的任何 OCR 产出清理好的图片，而 GeekLink 运行带区域和杂物过滤的本地 OCR。GeekLink 还额外标出它最没把握的行，让你只审校少数几行、而不是逐条校对全部。
VideOCR 或 VideoSubFinder 能翻译字幕吗？
不能。两者都停在原语言文字 — VideOCR 停在 SRT，VideoSubFinder 停在图片加时间轴。GeekLink 在 App 内用 Claude 3.5 Haiku、GPT-4o、GPT-4o mini 或 DeepSeek 翻译提取出的字幕，跨行使用上下文，并能把结果烧回视频。
做字幕 OCR，Tesseract 还是 PaddleOCR 更好？
对视频字幕来说，PaddleOCR 这类深度学习引擎通常比为干净印刷文档设计的 Tesseract 更能处理低分辨率、有样式和 CJK 文字。话虽如此，VideoSubFinder 的背景清理步骤通过给 Tesseract 交上干净得多的图片，缩小了这个差距。无论哪种，引擎都不如它周围的视频层重要 — 帧检测、时间轴和去重。
这些工具能离线工作吗？
VideoSubFinder：能（它的 OCR 步骤取决于你搭配的工具）。VideOCR：在本地 PaddleOCR 模式下能；它的 Google Lens 混合模式需要联网并把画面帧发给 Google。GeekLink：能 — OCR 在你的 Mac 上 100% 本地运行；只有可选的 AI 翻译步骤会调用模型 API。