প্রকল্প সম্পর্কে

Video-subtitle-extractor (VSE) হলো একটি ওপেন-সোর্স টুল যা ভিডিওতে বার্ন করা হার্ড সাবটাইটেলকে এক্সটার্নাল সাবটাইটেল ফাইল (SRT বা TXT) হিসেবে বের করে, Apache 2.0 লাইসেন্সে প্রকাশিত, Python 3.12+ দিয়ে তৈরি, এবং Windows, macOS ও Linux তিনটি প্ল্যাটফর্ম সমর্থন করে। মূল প্রসেসিং ফ্লো: ভিডিও থেকে কী-ফ্রেম নেওয়া, ফ্রেমে টেক্সটের অবস্থান শনাক্ত করা, টেক্সট কনটেন্ট চেনা, অ-সাবটাইটেল অঞ্চল ফিল্টার করা, ডুপ্লিকেট সাবটাইটেল লাইন মুছে ফেলা, এবং শেষে সময়-সারিবদ্ধ SRT সাবটাইটেল ফাইল আউটপুট করা। প্রকল্পের সাথে video-subtitle-remover (VSR) ও আছে, যা ওয়াটারমার্ক, স্টেশন লোগো এবং মূল ভিডিওর হার্ড সাবটাইটেল মুছে ফেলতে ব্যবহৃত হয়। বৈশিষ্ট্য হাইলাইট: - সম্পূর্ণ লোকাল OCR, তাই Baidu, Alibaba-এর মতো তৃতীয় পক্ষের অনলাইন OCR API-এর দরকার নেই, গোপনীয়তা ও খরচ নিয়ন্ত্রণযোগ্য। - GPU এক্সিলারেশন (CUDA, DirectML, ONNX) এবং খাঁটি CPU রানিং সমর্থন করে, NVIDIA, AMD, Intel ও Apple Silicon হার্ডওয়্যার কভার করে। - তিনটি শনাক্তকরণ মোড: দ্রুত (হালকা মডেল, দ্রুত কিন্তু কিছু অক্ষর হারাতে বা ভুল হতে পারে), স্বয়ংক্রিয় (হার্ডওয়্যার অনুযায়ী মডেল বেছে নেয়, প্রস্তাবিত), নির্ভুল (ফ্রেম-বাই-ফ্রেম পরীক্ষা, প্রায় কিছু হারায় না কিন্তু খুব ধীর)। - ৮৭টি ভাষার সাবটাইটেল এক্সট্রাকশন সমর্থন করে, যার মধ্যে সরলীকৃত চীনা, ঐতিহ্যবাহী চীনা, ইংরেজি, জাপানি, কোরিয়ান, ভিয়েতনামী, আরবি, ফরাসি, জার্মান, রুশ, স্প্যানিশ, পর্তুগিজ, ইতালীয় ইত্যাদি। - ব্যাচ এক্সট্রাকশন সমর্থন করে, তবে একই ব্যাচে ভিডিও রেজোলিউশন ও সাবটাইটেল অঞ্চল একই হতে হবে। - typoMap.json কনফিগারেশন আছে, যা শনাক্তকরণ ফলাফলে টেক্সট প্রতিস্থাপন বা পুরো অংশ মুছতে পারে, যেমন "威筋" কে "威胁" দিয়ে প্রতিস্থাপন, বা "性感荷官在线发牌"-এর মতো বিজ্ঞাপন টেক্সট খালি করা। - GUI ইন্টারফেস (python gui.py) এবং CLI কমান্ড (python ./backend/main.py) দুটি উপায়ে ব্যবহারযোগ্য, GUI-তে সরাসরি সাবটাইটেল অঞ্চল নির্বাচন করে এক ক্লিকে চালানো যায়। ডিপ্লয়মেন্ট: প্রকল্পটি Release জিপ ফাইল দেয় যা সরাসরি আনজিপ করে চালানো যায়; সোর্স ইনস্টলেশনের জন্য Python ভার্চুয়াল এনভায়রনমেন্ট তৈরি করতে হবে এবং হার্ডওয়্যার অনুযায়ী CUDA 11.8 + cuDNN 8.6.0, DirectML, ONNX বা CPU-এর মধ্যে একটি রানটাইম নির্বাচন করে PaddlePaddle 3.3.1 ও নির্ভরতা ইনস্টল করতে হবে। খেয়াল রাখতে হবে ভিডিও ও প্রোগ্রাম পাথে চীনা অক্ষর বা স্পেস না থাকে, নাহলে অজানা ত্রুটি হতে পারে; NVIDIA 50 সিরিজের GPU-তে Paddle 3.3.1 এখনও CUDA 12.8 সমর্থন করে না, তাই DirectML জেনারিক ভার্সন ব্যবহার করার পরামর্শ দেয়া হয়। প্রকল্পটি অনেকগুলো QQ প্রশ্নোত্তর গ্রুপও রক্ষণাবেক্ষণ করে, এবং Issues ও Discussions-এ উন্নতির পরামর্শ দিতে উৎসাহিত করে। সামগ্রিকভাবে এটি ব্যক্তিগত ব্যবহারকারী ও সাবটাইটেল প্রেমীদের জন্য একটি লোকালাইজড হার্ড-সাবটাইটেল এক্সট্রাকশন টুল, যা সাবটাইটেলহীন বা বার্নকৃত সাবটাইটেল ভিডিওর জন্য সম্পাদনাযোগ্য এক্সটার্নাল সাবটাইটেল যোগ করতে উপযুক্ত।