从TS文件中提取DVB Subtitle字幕的简要教程

韦斌

欧洲发达国家和地区（包括我国香港特区），其数字电视广播的字幕普遍采用欧洲DVB Subtitling标准，在卫星电视、有线电视及地面数字电视广播上大量采用。目前国内的观众可以从香港地面数字电视广播或亚洲3S卫星4000MHz频点凤凰卫视那组码流里接触到该字幕系统。DVB Subtitling系统具有可显示、可关闭字幕的功能，还可以选择多种文字字幕服务（前提是运营商提供多语种字幕广播），这是一种比较人性化的字幕系统，也称Close Caption。而我们国内电视上常见的内嵌字幕（也称Open Caption开放型字幕），字幕与图像是一体的，无法分离，更无法关闭或选多语种，两者的优劣对比，高下立判。图（1-3）

使用码流分析软件，可以看到采用DVB Subtitling标准制作字幕的节目，有DVB Subtitles字样的TS私有流，即为DVB字幕。

用 VLC media player 等软件播放能显示 DVB Subtitles字幕。DVB Subtitles为图形字幕，内含时间轴，不能直接提取为文本格式。

提取这种字幕，可以用OCR光学字符识别软件，把字幕提取出来成为 SUP 或 IDX/SUB 字幕文件。目前能提取DVB字幕的文件为ProjectX及DVBSub2Text，前者可将DVB中的中文及其他文字字幕提取转换为SUB文件，而DVBSub2Tex暂不支持中文识别，但识别及提取英文或拉丁文字幕却非常准确便捷，准确率接近100%，可一次性直接转换为Srt字幕文件。现我们分别介绍两种软件的使用方法。

使用DVBSub2Text

提取英文或拉丁文字幕

1、启动DVBSub2Text程序。由于目前DVBSub2Text对中文及日文等的支持不理想，识别出来的都是乱码，我们只用它来OCR识别英文字幕。

2、点击左上角File Open MPEG -TS，打开电脑中的DVB TS流文件

3、我们要选的是英文字幕转换，故将前面两条轨道的勾选框去掉（见图8）

用记事本直接打开，可以看到我们已经得到一个完整的Srt文件，英文字母的识别率几乎为100%（当然也偶有错误，故最好检查一遍），但有一些特殊符号，如分隔行的“-”，识别出来的却变成，我们需要用替换的办法把它替换为“-”。在记事本中点击编辑-替换-将替换为-，最后点击“全部替换”，即可得到一个合格的Srt字幕文件。如果替换效果不佳，还需要人工检查一下，将乱码的符号删除或替换掉。

用这种方法提取DVB Subtitles英文字幕是目前最为便捷高效的办法。如果我们收录到国外无中文字幕的DVB节目，可先用此法分离提取Srt格式字幕，并可在此字幕基础上，根据英文内容及时间轴制作中文字幕，就要比根据图像声音听译记录字幕的方法快捷准确得多了。我不知道网络上那些美剧字幕组是否是用此法来制作中文字幕，我用此法测试制作的中文版Srt字幕，一部电影只需一个上午就完成字幕翻译制作工作，连视频及声音都不需要打开。

有时会出现字幕时间轴整体提前或滞后几百毫秒的问题，只需用其他Srt字幕编辑软件调整一下即可（如SrtEdit2012等），在此不再赘述。

使用ProjectX提取中文字幕

对于非英文或拉丁文的汉语阿拉伯语日语等图形字幕，目前用DVBSub2Text做OCR识别，还是很不成熟的，出来的都是乱码，这主要是软件暂时缺乏字库支持，如果以后能支持汉字等字库， DVBSub2Text将是很好用的一款DVB字幕提取软件，故目前我们只能选用另一种方法。我们这里借助的是ProjectX_0.91.0软件版本，它是运行在JAVA环境下的，故需要先下载JAVA软件，可到其官方网站免费下载。推荐下载脱机版，方便以后在无网络的地方使用。

ProjectX_0.91.0.zip下载地址为

http：//sourceforge.net/projects/project-x/

直接下载地址：

http：//sourceforge.net/projects/ ... download？_test=goal

JAVA脱机安装WIN版的直接下载地址

http：//sdlc-esd.sun.com/ESD6/JSC ... Host=javadl.sun.com

这两款软件下载安装完毕后，即可运行ProjectX_0.91.0

现在，需要用另外一个软件，把提取出来的时间轴及图形字幕，通过OCR光学字符识别软件识别出来，这里我们选用国内网友马健编写的免费软件IdxSubOcr，这是目前对汉字OCR识别率最高的软件。该软件需要跟微软Office2003或2007版本的MODI一起使用才有效。我们可以在安装Offices时选择安装MODI（在Office工具选项中选，见图25），这样才能有效利用Office自带的OCR光学识别程序，帮助我们对图形字幕进行识别。

用IdxSubOcr打开其中一个sub.idx文件。见下图。这样可以OCR出繁体字幕。

提取出来的字幕，最好再进行校对，即可完成DVB字幕的抽取。Srt字幕可转换成多种字幕格式，适合各种用途。

另外，我们在录制DVB数字电视广播节目时，为保证节目的完整性，往往连片头、片尾及片中插播的广告等节目也录了进去。在对节目进行编辑时，需要用其他TS流处理软件进行分割，舍弃无用的内容后再合并。这其中最重要的是要保留TS流中的原始数据，而有些TS流复用软件会把DVB Subtitle字幕数据丢失掉（如tsMuXerGui等）。

由于DVB Subtitle字幕制作技术目前仅为个别英国专业公司所掌握，我们对其代码还未完全了解，暂时无法提供与DVB Subtitle字幕完全兼容的字幕制作技术。电视机构对外节目交流如果使用DVB Subtitle字幕，还是需要购买英国某公司的专业字幕设备。笔者现在找到另外一种非常简单的DVB字幕制作及播出、解码的解决方案，可以将Srt字幕直接编码为TS私有流，与视频音频（可以是多音轨）封装为一套节目的TS流，在数字电视广播通道中传输与解码，用户终端电视机上展现的效果与DVB Subtitling几乎完全一致，可自由选择显示或关闭台词字幕，可选多种语种字幕（如果TS流中有多语种字幕），可以认为是目前所知的最简单实用的DVB字幕系统，而且完全是免费的。此字幕系统已经进行内部多次内部测试，效果相当好。我将于近期公开其制作方法，供有兴趣的读者参考，也欢迎广电同行进行相关测试。