硬字幕OCR不好用？先改框选抽帧和对比度

硬字幕识别最常翻车的，不是模型「不够聪明」，而是你送给它的画面不对。台标、时钟、花字、进度条，都会被当成要读的字。先改框和抽帧，比换模型更立竿见影。

先改识别框

默认只看画面下方大约 40%。这覆盖了大多数横屏口播，但挡不住这些情况：

• 竖屏字幕贴在中间或顶部
• 右上角台标、左上角日期被框进去
• 弹幕、点赞动画从字幕区刷过

原则很简单：框里只留字幕，框外全是干扰。台标、时钟、人头上的花字，一律排除。框可以略大于字，但不要大到把半个画面都吃进去。

再改抽帧

0.5～2 fps 通常够用。太密会把同一句拆成三五条重复轴；太疏会漏掉一闪而过的短句。

可以这样试：

1. 先用 1 fps 跑一遍，看漏句多不多。
2. 漏得多，提到 2 fps，不要一上来就 8 fps。
3. 同一句被拆碎，降回 0.5 fps，再在审校里合并。

对比度低（黄字叠在浅色背景、描边很细）时，先提高素材亮度或换一段更干净的成片，比盲目加密抽帧有效。

审校仍然省不掉

OCR 会把「了」认成「子」，把英文专名拆开。识别完成后：

• 合并被拆开的同一句
• 删掉误读的台标和水印
• 按气口微调起止点

从处理台上传、勾选硬字幕识别即可开始。如果视频其实有清晰原声，优先走语音识别，又快又稳，流程见十分钟加字幕。