本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述视频时间轴及字幕提取工具视频时间轴及字幕提取工具。通过帧差法自动识别视频中字幕的出现/消失时间点,生成字幕时间轴,再结合 OCR 技术识别字幕文本,最终输出标准的 .srt 字幕文件。二、项目功能字幕时间轴识别:通过帧差法判断相邻帧是否相同,得出字幕出现与消失的时间点;再通过计算帧的 SSIM(结构相似性)合并相同的时间轴,避免重复。字幕区域处理:用户可框选字幕区域并调整二值化阈值,得到只包含字幕的图片,提升 OCR 精度。OCR 字幕识别:调用百度 OCR 接口对二值化后的字幕图片进行文字识别(支持中英文等多种语言)。结果输出:将时间轴与识别出的文本组合,生成带时间轴的 .srt 字幕文件,输出到 output 文件夹。GUI 交互:提供视频预览、字幕区域调整、参数调节、滚动条查看不同帧效果等可视化操作界面。三、运行环境Windows 系统;Python 3.x(建议 3.7 及以上)开发工具:PyCharm启动入口:index.pyw外部依赖:需要申请百度 OCR 的 API Key / Secret Key(https://console.bce.baidu.com/ai/#/ai/ocr/app/create) 在百度智能云创建文字识别应用, 在应用列表页面可以看到 API Key 和 Secret Key四、项目技术语言:PythonGUI 框架:tkinter ttkthemes(使用 arc 主题)图像/视频处理:OpenCV(opencv-python)、Pillow、scikit-image、scipy(用于帧差法与 SSIM 计算)网络请求:requests(调用百度 OCR HTTP 接口)OCR 服务:百度智能云文字识别 API核心模块:config.py:配置管理cv.py:OpenCV 视频/帧处理工具ocr.py / ocrapi.py:OCR 识别与 API 封装gui.py:主窗口 GUIgl.py:全局对象容器以上系统源码经过技术整理与调试确保能正常运行五、项目截图