flowocr

把视频里出现过的所有文字读出来——不只是底部字幕，还有对话框、名牌、画面上的标注——每条带起止时间（精确到帧）， 并按位置自动分成若干条"文字轨"（对白、字幕、界面、水印……）。产物是 SRT，或叠加在原画面上、每条字留在原位的 ASS 字幕。

用来做什么

• 画面文字翻译：画面各处的文字都读出来、按位置分好轨；在字幕稿里把原文改成译文，叠加时每条译文留在它原来的位置上。
• 字幕与原文对齐：游戏、影视常常能找到原文剧本。把读到的字幕对上原文，拿到准确的文本和时间轴，用来做翻译字幕。 原神、崩坏：星穹铁道、绝区零有现成的提取工具，按它的说明自己打出文本包（见相关项目）。

能读什么、在哪跑

• 文字：识别模型是 PaddlePaddle 的 PP-OCRv6（官方称支持约 50 种语言）。实际验证过的是日文（几十小时实况录像和四款游戏的直播录像）与简体中文； 英文只做过零星试跑；竖排文字没测过。
• 系统：Windows 10 / 11。有 NVIDIA 显卡时走显卡；没有也能跑，用 CPU，慢一到两个数量级。
• 另要 ffmpeg（完整构建）。

快速开始

要先装 uv 和完整版 ffmpeg；从源码装、参数和产物说明都在 使用手册。

uv tool install "flowocr[nvidia]"                   # 没有 NVIDIA 显卡用 "flowocr[cpu]"
uv tool update-shell                                # 第一次用 uv tool 时，然后重开终端

有原文剧本时，推荐开启匹配器，使用默认配置，先做到阶段 3 的字幕稿；导入 Aegisub 并加载视频，检查文字、时间和位置，改好保存后再跑阶段 4 渲染特效。 下面以星穹铁道为例，先按 game-text-data 的说明准备文本包，放进 gametext\：

flowocr-ocr video.mp4 --out out\v\v.jsonl           # 阶段 1：读字
flowocr-gamescript out\v\v.jsonl --out out\v\v-ref.json --game starrail
flowocr-tracks out\v\v.jsonl --outdir out\v --tag v --matcher gametext --matcher-ctx game=starrail
flowocr-match out\v\v-tracks.json --matcher gametext --ctx ref=out\v\v-ref.json --out out\v\v-matched.json
flowocr-render out\v\v-matched.json --preset script # 阶段 3：只写 v-jp-main.script.ass，默认画匹配器声明的默认组（台词、名牌、选项…）

在 Aegisub 中检查并保存 out\v\v-jp-main.script.ass，然后用 default 预设出特效字幕：

flowocr-typeset out\v\v-jp-main.script.ass --preset default # 阶段 4：写 v-jp-main.ass

原神 / 绝区零把 starrail 换成 genshin / zzz；没有剧本时省略剧本提取与匹配，用 flowocr-tracks 不带匹配参数建轨，再对 v-tracks.json 运行阶段 3，字幕稿为 v-main.script.ass。

相关项目

• game-text-data：从原神、崩坏：星穹铁道、绝区零的社区解包数据里提取对白文本（中日英对齐）， 打成 flowocr 能直接读的文本包。它只公开提取代码，文本本身不分发——要用的话按它的说明自己打包。

问题与参与

• 用起来有问题、或者在别的显卡 / 机器上跑出了结果，欢迎开 issue。
• Pull request 请以 main 为目标。开发环境、代码结构和验证方法见 开发指南，全部文档见 文档地图。
• 版本变化见 CHANGELOG。

许可

GPL-3.0-or-later，全文见 LICENSE。识别用的 PP-OCRv6 模型由 PaddlePaddle 以 Apache-2.0 发布，来源与我们的改动见 LICENSES/。可选的 TensorRT 后端由用户自己从 NVIDIA 下载、按 NVIDIA 的许可协议使用，flowocr 不分发它（说明）。