视频字幕去除器webUI二次修改汉化版

交流加群

bug反馈可以加入科哥专属群交流➕ 广告勿进！

• 已经设置开机运行 首次开机 1-2分钟

• 已经设置开机运行 首次加载大模型时间比较久1-2分钟左右

• 1、打开 【WebUI】即可进入使用界面；

• 2、模型及源码更新地址：

• 原项目地址：https://github.com/YaoFANGUK/video-subtitle-remover

• 改版webUI项目新地址：https://github.com/kegeai888/video-subtitle-remover-WebUI

---

【插入一个小广告 给需要做ai视频漫画短剧ai香蕉🍌出图朋友多一个选择】：

• 在线图片、视频生成网站哈基米AI聚合平台：https://link8.lk888.ai
• ✅ai大模型：gpt，claude，gemini，deepseek...数百种主流模型
• ✅最新图片模型：gpt-image2，香蕉2，香蕉pro，即梦，豆包，万相...
• ✅最新视频模型：sd2，快乐马，grok，veo3，sora2，vidu，可灵...
• ✅并发高，收费合理（价格优先速度优先）
• 以上模型均支持API，龙虾CLI接入，web浏览器在线使用！

---

✅📢【好消息】不要任何电脑配置打开即可使用sora，veo3，grok3出主流ai视频， ✅📢谷歌香蕉🍌2➕pro低至五分钱，500+大模型接口免费体验2次！欢迎免费测试使用！ ✅1.api中转站【推荐】，全球最卷，有些比官网便宜90+%： ✅https://ai.kegeai.top/register?aff=78Gs

✅链接: https://pan.baidu.com/s/1CsVlXWRMxgvV2r_G9oXwgg?pwd=8888 提取码: 8888 ✅使用教程帮助主目录： https://g1hzbw0p4dd.feishu.cn/docx/TBeZdghZhoG9yzxju06cTxFBntg?from=from_copylink

✅入交流群加微信（已有三群）：312088415

✅工作流也有： https://g1hzbw0p4dd.feishu.cn/docx/LCCTdFzSboC0AGxFHLxccL4Rnlh?from=from_copylink ✅工作流有sora，veo3，grok3等ai视频生成，谷歌香蕉修图，gpt，gemini3，claude，deepseek等等500+模型api

✅增加模型：增加gpt-image2的2k4k高清出图工作流 ✅增加gork的30s延长的工作流（使用task-id二次延长）

✅使用方式1：【本地windows使用Comfyui及插件的快速安装1】 https://b23.tv/JjGWgSY 【本地windows使用Comfyui及插件的快速安装2】 https://b23.tv/MCz0IX9 ✅使用方式2：云端运行地址可无卡模式0.15元一个小时运行即可： https://www.compshare.cn/images/0sm1tb2p1Nnb

✅即梦SD2.0Fast15秒 720P正版不排队可真人使用教程： https://icndm2oxbr60.feishu.cn/docx/Hs3fd8qMgo1pYaxodxYc2en9nYd?from=from_copylink

---

VSR 用户使用手册

本手册只讲使用，不讲安装搭建。默认你已经能启动本项目。

1. 软件能做什么

VSR 用于去除视频或图片里的硬字幕、文字水印，并生成处理后的新文件。

主要功能：

• 视频硬字幕去除。
• 图片文字水印去除。
• 多个视频/图片批量排队处理。
• 手动画字幕区域，只处理指定区域。
• 不画区域时处理全屏文字。
• 设置 AB 区块，只处理视频指定帧段。
• 支持多种修复算法：STTN 智能擦除、STTN 字幕检测、LAMA、ProPainter、OpenCV。
• 支持字幕检测模式：快速（PP-OCRv5 Mobile）、精准（PP-OCRv5 Server）。
• 处理后保留原视频分辨率，并尝试合并原音频。

2. 启动方式

推荐：WebUI

在项目根目录运行：

python gui.py

启动后浏览器打开：

http://127.0.0.1:7860

控制台显示的是：

http://0.0.0.0:7860

本机访问用 127.0.0.1。局域网其他设备访问，用运行机器的局域网 IP 加 :7860。

Linux/macOS 脚本启动

./start_app.sh

脚本会检查 7860 端口。若端口已被占用，会结束占用进程后再启动 WebUI。

旧 Qt 界面

旧 PySide/Qt 界面仍保留：

python qt_gui.py

新用户优先用 WebUI。旧 Qt 界面主要用于兼容旧操作习惯。

3. WebUI 快速上手

第一步：上传文件

1. 打开 WebUI。
2. 在左侧 上传视频/图片 选择一个或多个文件。
3. 文件会进入 任务队列。
4. 右侧会显示当前任务预览。

支持常见视频格式：mp4、mov、avi、mkv、flv、webm 等。

支持常见图片格式：jpg、jpeg、png、bmp、webp、tiff 等。

第二步：选择当前任务

任务多时，用 当前任务 下拉框切换要预览和设置的任务。

任务队列列信息：

• 名称：输入文件名。
• 进度：处理百分比。
• 状态：待处理、处理中、已完成、失败、已停止。
• 输出文件：输出文件名。视频任务完成后，点击这一列可加载处理结果预览。

第三步：选择字幕区域

右侧预览区域默认已有一个底部字幕区域。

操作：

• 鼠标拖拽：新增字幕区域。
• 删除最后选区：删除最后一个区域。
• 清空选区：删除全部区域。
• 键盘 Delete：删除最后一个区域。
• 键盘 Esc：清空全部区域。

建议：

• 只框住字幕或水印所在区域，不要框太大。
• 字幕位置固定时，手动框选区域，速度和效果通常更好。
• 字幕位置变化大时，可框大一点，或不框区域让程序全屏检测。

不设置区域时，程序会全屏处理，可能更慢，也更容易误伤画面文字。

第四步：设置 AB 区块

AB 区块用于只处理视频的一段或多段帧。

操作：

1. 用 预览帧 滑块找到起始帧。
2. 在 AB 起点帧 输入起始帧号。
3. 在 AB 终点帧 输入结束帧号。
4. 点 添加 AB 区块。
5. 多段处理可重复添加。

删除：

• 删除序号 输入 AB 表格里的序号。
• 点 删除 AB 区块。
• 点 清空 AB 区块 可恢复全视频处理。

未设置 AB 区块时，默认处理全部帧。

第五步：选择算法和检测模式

展开 基础设置。

修复算法

算法	适合场景	特点
STTN 智能擦除	真人视频、字幕区域固定	速度快，效果好；WebUI 下需要 CUDA
STTN 字幕检测	需要先检测字幕再修复的视频	带字幕检测；WebUI 下需要 CUDA
LAMA	图片、动画、显存较低环境	效果稳，速度中等
ProPainter	运动剧烈视频	显存占用大，速度慢
OpenCV	快速预览、低配置环境	速度快，修复效果较弱

推荐：

• NVIDIA CUDA 用户：优先 STTN 智能擦除。
• 无 CUDA 用户：优先 LAMA，想快速测试用 OpenCV。
• 图片任务：优先 LAMA。
• 运动剧烈视频：尝试 ProPainter。

字幕检测模式

模式	特点
快速（PP-OCRv5 Mobile）	速度更快，精度略低
精准（PP-OCRv5 Server）	默认值，精度更高，速度略慢

硬件加速

开启后会尝试使用 GPU 或 ONNX 后端。

注意：当前 WebUI 的 STTN 智能擦除 和 STTN 字幕检测 会检查 CUDA。没有 CUDA 时请选择 LAMA、OpenCV 或 ProPainter。

第六步：运行任务

1. 检查任务、字幕区域、AB 区块、算法设置。
2. 点 运行。
3. 查看 日志 和任务进度。
4. 需要中断时点 停止。
5. 需要重新选择任务时点 清空任务。

处理完成后：

• 视频输出在 outputs/videos/。
• 图片输出在 outputs/pictures/。
• 输出文件名类似 outputs_20260712153045.mp4 或 outputs_20260712153045.png。
• 视频任务完成后，点击任务队列的 输出文件 可加载结果预览。

4. CLI 用法

CLI 适合批处理、脚本调用、服务器环境。

查看参数：

python ./backend/main.py --help

基本命令：

python ./backend/main.py -i 输入视频.mp4 -o 输出视频.mp4

指定字幕区域：

python ./backend/main.py -i 输入视频.mp4 -o 输出视频.mp4 -c 100 200 300 500

坐标顺序：

ymin ymax xmin xmax

含义：

• ymin：字幕区域上边界。
• ymax：字幕区域下边界。
• xmin：字幕区域左边界。
• xmax：字幕区域右边界。

指定多个区域：

python ./backend/main.py -i 输入视频.mp4 -o 输出视频.mp4 -c 100 200 300 500 -c 800 950 100 1800

指定算法：

python ./backend/main.py -i 输入视频.mp4 -o 输出视频.mp4 --inpaint-mode opencv

可选算法：

sttn-auto
sttn-det
lama
propainter
opencv

注意：当前 CLI 帮助里说 -o 可选，但实际使用建议始终传 -o，避免输出路径为空导致失败。

5. 参数说明

基础设置

• 界面语言：切换界面语言。
• 修复算法：选择字幕/水印去除算法。
• 字幕检测模式：选择 OCR 检测模型。
• 硬件加速：启用 GPU 或 ONNX 后端加速。

高级设置

• 高宽像素差阈值：过滤不像字幕的检测框。字幕通常横向更长。
• 字幕区域扩展像素：放大 mask 区域，减少文字边缘残留。
• 同行字幕高度差阈值：判断多个文本框是否属于同一行字幕。
• Y 轴容忍像素偏差：判断相邻帧字幕框是否相似。
• X 轴容忍像素偏差：判断相邻帧字幕框是否相似。
• 字幕时间轴回退帧数：检测到字幕后，向前多处理几帧。
• 字幕时间轴前进帧数：检测到字幕后，向后多处理几帧。
• STTN 参考帧步长：STTN 选择参考帧的间隔。
• STTN 参考帧数量：STTN 使用的参考帧数量。
• STTN 最大加载帧数：STTN 每批最多处理帧数。越大越吃显存。
• ProPainter 最大加载帧数：ProPainter 每批最多处理帧数。越大越吃显存。
• 启动时检查更新：启动时检查新版本。

新用户建议先保持默认值，只改算法和字幕区域。

6. 常见使用场景

去除固定底部字幕

1. 上传视频。
2. 用预览框住底部字幕。
3. CUDA 环境选择 STTN 智能擦除。
4. 无 CUDA 环境选择 LAMA 或 OpenCV。
5. 点 运行。

去除多处水印或文字

1. 上传视频或图片。
2. 在预览中分别拖拽多个区域。
3. 检查每个区域是否只覆盖要去除的文字。
4. 点 运行。

只处理视频中间一段

1. 上传视频。
2. 用 预览帧 找到要处理的开始和结束帧。
3. 添加 AB 区块。
4. 点 运行。

批量处理图片

1. 一次上传多张图片。
2. 对每个任务检查选区。
3. 算法选择 LAMA。
4. 点 运行，任务会按队列依次执行。

7. FAQ

Q1：启动后打不开页面？

确认控制台是否显示：

Video Subtitle Remover WebUI: http://0.0.0.0:7860

本机访问：

http://127.0.0.1:7860

若端口被占用，可关闭占用程序，或用 ./start_app.sh 启动。

Q2：提示 STTN 需要 CUDA？

STTN 智能擦除 和 STTN 字幕检测 在当前 WebUI 下需要 CUDA。

解决：

• 有 NVIDIA CUDA 环境：用支持 CUDA 的 Python 启动。
• 没有 CUDA：改用 LAMA、OpenCV 或 ProPainter。

Q3：处理很慢？

常见原因：

• 视频分辨率高、时长长。
• 使用了 LAMA 或 ProPainter。
• 没有 GPU 加速。
• 未框选字幕区域，程序全屏检测。
• STTN 最大加载帧数 或 ProPainter 最大加载帧数 设置过大。

处理建议：

• 手动框选字幕区域。
• 只处理需要的 AB 区块。
• CUDA 环境优先用 STTN 智能擦除。
• 低配置环境先用 OpenCV 测试。

Q4：处理后字幕还有残留？

处理建议：

• 选区稍微放大，覆盖字幕边缘。
• 增大 字幕区域扩展像素。
• 字幕检测模式 改为 精准（PP-OCRv5 Server）。
• 尝试换算法：STTN 智能擦除、LAMA、ProPainter。
• 渐入渐出字幕可增大 字幕时间轴回退帧数 和 字幕时间轴前进帧数。

Q5：画面被误伤？

常见原因：

• 选区太大。
• 未设置选区，使用了全屏处理。
• 视频中有非字幕文字被检测到。

处理建议：

• 缩小选区，只覆盖字幕。
• 用 AB 区块限制处理片段。
• 换用更合适算法。

Q6：任务显示失败？

查看 日志 最后一段错误。

常见原因：

• 缺少运行依赖：日志会显示缺少 paddle、torch 或 torchvision。
• STTN 模式没有 CUDA。
• 输入文件损坏或格式不兼容。
• 输出目录无写入权限。
• 模型文件或 ffmpeg 文件缺失。

Q7：视频处理完成但没有声音？

程序会用 ffmpeg 提取并合并原音频。若日志出现 提取音频失败 或 合并音频失败，输出视频可能无声。

常见原因：

• 原视频音轨格式异常。
• ffmpeg 不可用。
• 原视频本身没有音轨。

Q8：图片结果在哪里？

WebUI 图片输出在：

outputs/pictures/

CLI 图片输出默认由后端逻辑保存到输入文件同目录的 no_sub/ 下。

Q9：视频结果在哪里？

WebUI 视频输出在：

outputs/videos/

CLI 使用你传入的 -o 路径。

Q10：为什么点击输出文件没反应？

只有视频任务完成后，点击任务队列里的 输出文件 才能加载结果预览。

图片任务不支持视频预览。

Q11：如何选择算法？

简单规则：

• 真人视频、CUDA：STTN 智能擦除。
• 动画或图片：LAMA。
• 运动剧烈：ProPainter。
• 低配置快速试跑：OpenCV。
• 需要检测字幕出现时间再处理：STTN 字幕检测。

Q12：CLI 坐标怎么取？

坐标来自原视频像素。

格式：

-c ymin ymax xmin xmax

示例：只处理画面底部区域：

python ./backend/main.py -i input.mp4 -o output.mp4 -c 900 1060 100 1800

Q13：能一次处理多个文件吗？

WebUI 可以。上传多个文件后，任务会进入队列，点击 运行 后按顺序处理。

CLI 一次处理一个文件。批量处理需写脚本循环调用。

Q14：设置改错了怎么办？

简单处理：

• WebUI 里重新选择算法和参数后点 保存设置。
• 不确定高级参数时，恢复默认思路：只改 修复算法、字幕检测模式、字幕区域，其他保持默认。

8. 推荐默认流程

新用户按这个流程使用：

1. python gui.py 启动 WebUI。
2. 打开 http://127.0.0.1:7860。
3. 上传视频或图片。
4. 在预览里框选字幕/水印区域。
5. 有 CUDA 选 STTN 智能擦除，无 CUDA 选 LAMA。
6. 保持其他参数默认。
7. 点 运行。
8. 在 outputs/videos/ 或 outputs/pictures/ 查看结果。