你是不是也这样：想给老电影加中文字幕，结果发现字幕是“焊”在画面上的——没法导出，只能暂停、截图、OCR、对时间轴、导出srt……一集40分钟的剧，光扒字幕就得两小时。
市面上能干这活的工具，要么要注册账号、等API配额，要么按月收钱，还动不动就识别错字、漏行、把台标当字幕。
其实不用这么折腾。有个本地跑的免费工具，不联网、不传视频、不绑手机，装上就能用。
它不依赖云端服务器，所有识别都在你自己的电脑里完成。连截图都不用另存，程序内部直接读取视频帧数据。
你选好一个MP4或MKV文件，拖动鼠标框定字幕常出现的位置，点运行——十几秒到几分钟后，同目录下就多了一个标准srt文件。
时间轴自动对齐，换行逻辑合理，中英混排不串行，连日语假名和阿拉伯数字都能分清。
能替代什么 / 能省多少钱
它取代的不是某一款具体软件，而是你为「硬字幕转外挂字幕」付过的所有钱和时间：比如某款收费OCR桌面版（年费398元）、某在线字幕提取服务（单视频15元起）、还有你反复试错花掉的两三个晚上。
字幕全程在你电脑里识别，连截图都不用存。
官方没提定价，但功能对标的是付费OCR+字幕对齐+批量处理三合一服务。按保守估算，一年省下至少400元，还不算你省下的时间成本。
价格直接砍到零。
它也不需要你学命令行。没有“conda install”、没有“pip install -e .”，更不用查显卡型号配CUDA版本，这些都留给源码用户。
普通用户下载解压后，双击就能打开图形界面。菜单栏只有四个按钮：【打开】【运行】【设置】【帮助】，每个功能都直白对应一件事。
它能干什么
- 从视频画面里自动框出字幕区域，不用你一帧一帧调，哪怕字幕位置不固定、偶尔跳动，也能跟住；程序默认检测视频前30秒的关键帧，自动聚类出最常出现文字的矩形区域，你只需微调蓝色边框的上下左右边界即可；
- 把框出来的字幕内容准确识别成文字，支持简体中文、英文、日语等87种语言，中英双语混排也能分清；识别时会保留原始换行，比如字幕分两行显示，输出srt里就是两行，不会强行合并成一句；
- 自动过滤水印、台标、角标、弹幕残留，还能自定义删掉“性感荷官在线发牌”这种乱码；编辑
backend/configs/typoMap.json后，下次运行自动生效，替换规则支持正则表达式语法； - 合并重复出现的字幕行，智能判断哪几帧属于同一句，再按标准srt格式生成带时间轴的文件；例如连续12帧显示同一句字幕，程序只保留起始和结束时间戳，不生成12条重复条目；
- 一次选多个视频，只要分辨率和字幕位置一致，就能批量跑完，10个视频，点一次运行就行；程序会逐个处理，每个视频生成独立srt，文件名自动追加
_sub后缀； - 有GPU就用GPU加速，没GPU也能跑，只是慢一点；Windows/macOS/Linux全支持，界面是中文的，点哪看哪；GUI顶部状态栏实时显示当前帧数、OCR模型加载进度、剩余预估时间。
三步上手
- 去GitHub的Release页面下载最新版压缩包，解压后双击
video-subtitle-extractor.exe（Windows）或对应可执行文件；Mac用户注意选择.dmg包，Linux用户选.AppImage； - 点击【打开】按钮，选一个视频（单个或多个），程序会自动预览关键帧，你只需拖动蓝色框线，把字幕区域圈准；如果字幕在画面底部居中，通常框高约80像素、宽占画面90%，位置偏右时可单独调整右边界；
- 选好模式（推荐“快速”或“自动”），点【运行】，等进度条走完，srt文件就生成在原视频同目录下了，整个过程不需要输命令、不装Python、不配环境；生成失败时，界面底部会提示具体原因，比如“路径含中文”或“ffmpeg未找到”。
