简体中文 | English

项目简介

Video-subtitle-remover (VSR) 是一款基于AI技术，将视频中的硬字幕去除的软件。 主要实现了以下功能：

• 无损分辨率将视频中的硬字幕去除，生成去除字幕后的文件
• 通过超强AI算法模型，对去除字幕文本的区域进行填充（非相邻像素填充与马赛克去除）
• 提取原视频字幕，可配合：video-subtitle-extractor (VSE)
• 支持自定义字幕位置，仅去除定义位置中的字幕（传入位置）
• 支持全视频自动去除所有文本（不传入位置）
• 支持多选图片批量去除水印文本

使用说明：

• 有使用问题请加群讨论，QQ群：210150985（已满）、806152575（已满）、816881808（已满）、295894827
• 直接下载压缩包解压运行，如果不能运行再按照下面的教程，尝试源码安装conda环境运行

下载地址：Release

预构建包对比说明：

预构建包名	Python	Paddle	Torch	环境	支持的计算能力范围
vsr-windows-cpu.7z	3.12	3.0.0	2.7.0	通用	通用
vsr-windows-directml.7z	3.12	3.0.0	2.4.1	Windows 非Nvidia显卡	通用
vsr-windows-nvidia-cuda-11.8.7z	3.12	3.0.0	2.7.0	CUDA 11.8	3.5 – 8.9
vsr-windows-nvidia-cuda-12.6.7z	3.12	3.0.0	2.7.0	CUDA 12.6	5.0 – 8.9
vsr-windows-nvidia-cuda-12.8.7z	3.12	3.0.0	2.7.0	CUDA 12.8	5.0 – 9.0+

NVIDIA官方提供了各GPU型号的计算能力列表，您可以参考链接: CUDA GPUs 查看你的GPU适合哪个CUDA版本

Docker版本：

  # Nvidia 10 20 30系显卡
  docker run -it --name vsr --gpus all eritpchy/video-subtitle-remover:1.4.0-cuda11.8 python backend/main.py -i test/test.mp4 -o test/test_no_sub.mp4

  # Nvidia 40系显卡
  docker run -it --name vsr --gpus all eritpchy/video-subtitle-remover:1.4.0-cuda12.6 python backend/main.py -i test/test.mp4 -o test/test_no_sub.mp4

  # Nvidia 50系显卡
  docker run -it --name vsr --gpus all eritpchy/video-subtitle-remover:1.4.0-cuda12.8 python backend/main.py -i test/test.mp4 -o test/test_no_sub.mp4

  # AMD / Intel 独显 集显
  docker run -it --name vsr --gpus all eritpchy/video-subtitle-remover:1.4.0-directml python backend/main.py -i test/test.mp4 -o test/test_no_sub.mp4

  # CPU
  docker run -it --name vsr --gpus all eritpchy/video-subtitle-remover:1.4.0-cpu python backend/main.py -i test/test.mp4 -o test/test_no_sub.mp4

  # 导出视频
  docker cp vsr:/vsr/test/test_no_sub.mp4 ./

命令行参数：

Video Subtitle Remover Command Line Tool

options:
  -h, --help            show this help message and exit
  --input INPUT, -i INPUT
                        Input video file path
  --output OUTPUT, -o OUTPUT
                        Output video file path (optional)
  --subtitle-area-coords YMIN YMAX XMIN XMAX, -c YMIN YMAX XMIN XMAX
                        Subtitle area coordinates (ymin ymax xmin xmax). Can be specified multiple times for multiple areas.
  --inpaint-mode {sttn-auto,sttn-det,lama,propainter,opencv}
                        Inpaint mode, default is sttn-auto

演示

• GUI版：

源码使用说明

1. 安装 Python

请确保您已经安装了 Python 3.12+。

• Windows 用户可以前往 Python 官网 下载并安装 Python。
• MacOS 用户可以使用 Homebrew 安装：

  brew install python@3.12
  

• Linux 用户可以使用包管理器安装，例如 Ubuntu/Debian：

  sudo apt update && sudo apt install python3.12 python3.12-venv python3.12-dev
  

2. 安装依赖文件

请使用虚拟环境来管理项目依赖，避免与系统环境冲突。

（1）创建虚拟环境并激活

python -m venv videoEnv

• Windows：

videoEnv\\Scripts\\activate

• MacOS/Linux：

source videoEnv/bin/activate

3. 创建并激活项目目录

切换到源码所在目录：

cd <源码所在目录>

例如：如果您的源代码放在 D 盘的 tools 文件夹下，并且源代码的文件夹名为 video-subtitle-remover，则输入：

cd D:/tools/video-subtitle-remover-main

4. 安装合适的运行环境

本项目支持 CUDA (NVIDIA显卡加速)、CPU (无 GPU)、 DirectML (AMD、Intel等GPU/APU加速) 和 macOS (Apple Silicon) 四种运行模式。

(1) CUDA（NVIDIA 显卡用户）

请确保您的 NVIDIA 显卡驱动支持所选 CUDA 版本。

• 推荐 CUDA 11.8，对应 cuDNN 8.6.0。

• 安装 CUDA：

  • Windows：CUDA 11.8 下载
  • Linux：

    wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
    sudo sh cuda_11.8.0_520.61.05_linux.run
    

  • MacOS 不支持 CUDA。

• 安装 cuDNN（CUDA 11.8 对应 cuDNN 8.6.0）：

  • Windows cuDNN 8.6.0 下载
  • Linux cuDNN 8.6.0 下载
  • 安装方法请参考 NVIDIA 官方文档。

• 安装 PaddlePaddle GPU 版本（CUDA 11.8）：

  pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
  

• 安装 Torch GPU 版本（CUDA 11.8）：

  pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu118
  

• 安装其他依赖

  pip install -r requirements.txt
  

• Linux系统还需要安装

  # for cuda 12.x
  pip install onnxruntime-gpu==1.22.0
  # for cuda 11.x
  pip install onnxruntime-gpu==1.20.1 --index-url https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/onnxruntime-cuda-11/pypi/simple/
  

  详情见: Install ONNX Runtime

(2) DirectML（AMD、Intel等GPU/APU加速卡用户）

• 适用于 Windows 设备的 AMD/NVIDIA/Intel GPU。
• 安装 ONNX Runtime DirectML 版本：

  pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
  pip install -r requirements.txt
  pip install torch_directml==0.2.5.dev240914
  

(3) CPU 运行（无 GPU 加速）

• 适用于没有 GPU 或不希望使用 GPU 的情况。

  pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
  pip install torch==2.7.0 torchvision==0.22.0
  pip install -r requirements.txt
  

(4) macOS 运行 (Apple Silicon)

• 适用于 macOS (Apple Silicon) 设备
• macOS (Intel) 请使用CPU, 强行使用GPU只会更慢
• macOS (Apple Silicon)上字幕检测PP-OCRv4-Server模型精度似乎不太理想, 推荐使用其他模型

  pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
  pip install torch==2.7.0 torchvision==0.22.0
  pip install -r requirements.txt
  

  基于Python3.13版本测试

4. 运行程序

• 运行图形化界面

python gui.py

• 运行命令行版本(CLI)

python ./backend/main.py

常见问题

1. 提取速度慢怎么办

修改backend/config.py中的参数，可以大幅度提高去除速度

MODE = InpaintMode.STTN  # 设置为STTN算法
STTN_SKIP_DETECTION = True # 跳过字幕检测，跳过后可能会导致要去除的字幕遗漏或者误伤不需要去除字幕的视频帧

2. 视频去除效果不好怎么办

修改backend/config.py中的参数，尝试不同的去除算法，算法介绍

• InpaintMode.STTN 算法：对于真人视频效果较好，速度快，可以跳过字幕检测
• InpaintMode.LAMA 算法：对于图片效果最好，对动画类视频效果好，速度一般，不可以跳过字幕检测
• InpaintMode.PROPAINTER 算法： 需要消耗大量显存，速度较慢，对运动非常剧烈的视频效果较好

• 使用STTN算法

MODE = InpaintMode.STTN  # 设置为STTN算法
# 相邻帧数, 调大会增加显存占用，效果变好
STTN_NEIGHBOR_STRIDE = 10
# 参考帧长度, 调大会增加显存占用，效果变好
STTN_REFERENCE_LENGTH = 10
# 设置STTN算法最大同时处理的帧数量，设置越大速度越慢，但效果越好
# 要保证STTN_MAX_LOAD_NUM大于STTN_NEIGHBOR_STRIDE和STTN_REFERENCE_LENGTH
STTN_MAX_LOAD_NUM = 30

• 使用LAMA算法

MODE = InpaintMode.LAMA  # 设置为STTN算法
LAMA_SUPER_FAST = False  # 保证效果

如果对模型去字幕的效果不满意，可以查看design文件夹里面的训练方法，利用backend/tools/train里面的代码进行训练，然后将训练的模型替换旧模型即可

3. 7z文件解压错误

解决方案：升级7-zip解压程序到最新版本

4. Mac版本运行报错：Error "bad CPU type in executable"

解决方案：打开控制台输入softwareupdate --install-rosetta 安装rosetta

赞助

Video-Subtitle-Remover (VSR) 快速上手指南

Video-Subtitle-Remover 是一款基于 AI 技术的开源工具，用于无损去除视频中的硬字幕，并利用超强算法对去除区域进行智能填充（非简单马赛克）。支持 Windows、macOS 和 Linux 系统。

环境准备

系统要求

• 操作系统：Windows / macOS / Linux
• Python 版本：3.11+ (推荐 3.12)
• 硬件加速（可选但推荐）：
  • NVIDIA GPU：需安装对应版本的 CUDA (支持 11.8, 12.6, 12.8)
  • AMD/Intel GPU：支持 DirectML (Windows)
  • CPU：通用模式，速度较慢

前置依赖

• 确保已安装 Git（如需源码运行）
• 推荐使用虚拟环境管理依赖

---

安装步骤

方式一：直接使用预构建包（推荐 Windows 用户）

1. 访问 Release 页面 下载对应硬件环境的 .7z 压缩包。
   • 通用 CPU: vsr-windows-cpu.7z
   • 非 NVIDIA 显卡: vsr-windows-directml.7z
   • NVIDIA 显卡: 根据显卡算力选择 cuda-11.8 或 cuda-12.x 版本。
2. 解压压缩包，双击运行目录下的启动脚本即可（无需配置环境）。

方式二：源码安装（全平台通用）

1. 创建并激活虚拟环境

python -m venv videoEnv

• Windows:

  videoEnv\Scripts\activate
  

• macOS/Linux:

  source videoEnv/bin/activate
  

2. 安装核心深度学习框架

请根据您的硬件选择以下其中一种方案：

方案 A：NVIDIA GPU (CUDA 11.8 推荐)

pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/
pip install torch==2.7.0 torchvision==0.22.0 --index-url https://download.pytorch.org/whl/cu118

(注：Linux 用户可能还需安装特定版本的 onnxruntime-gpu)

方案 B：AMD/Intel GPU (DirectML) 或 CPU 或 macOS

pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
pip install torch==2.7.0 torchvision==0.22.0

(注：Windows AMD/Intel 用户需额外安装 pip install torch_directml==0.2.5.dev240914)

3. 安装项目依赖

进入源码目录后执行：

pip install -r requirements.txt

---

基本使用

1. 图形化界面 (GUI)

启动可视化操作界面，适合手动选择文件和调整参数：

python gui.py

2. 命令行模式 (CLI)

适合批量处理或服务器部署。

基础用法（自动检测并去除全视频字幕）：

python backend/main.py -i input_video.mp4 -o output_video.mp4

指定字幕区域去除（更精准）： 格式为 ymin ymax xmin xmax，可多次 -c 指定多个区域。

python backend/main.py -i input_video.mp4 -o output_video.mp4 -c 800 900 100 1800

指定修复算法模式： 可选模式：sttn-auto (默认，速度快), lama (动画/图片效果好), propainter (剧烈运动视频)。

python backend/main.py -i input_video.mp4 -o output_video.mp4 --inpaint-mode lama

3. Docker 使用

拉取镜像并运行（以 NVIDIA CUDA 11.8 为例）：

docker run -it --name vsr --gpus all eritpchy/video-subtitle-remover:1.4.0-cuda11.8 python backend/main.py -i /path/to/input.mp4 -o /path/to/output.mp4

运行结束后导出文件：

docker cp vsr:/vsr/path/to/output.mp4 ./