之前寫過一篇小小的Note，關於如何快速地使用 SubRip 把 DVD 的字幕轉出來。不過由於沒有說明清楚，導致有不少的迴響在索取文中的”TNG-matrix_02.sum”，彷彿有了該檔案就可以直接把字幕轉出來。
其實，不是這樣的。
SubRip的功用，主要是將DVD片中的字幕轉出來。DVD中的字幕，是以圖形的格式儲存著，而常見的字幕檔如 .srt ，則是文字格式。兩者之間的轉換，則可以使用 SubRip來達成。
SubRip是怎麼做到的呢? 它使用 OCR 的技術，將每一個字幕上的「圖案」轉換成「文字」。字幕上出現一個 “A”，其實是一個像A的圖案，SubRip 可以依據字與字的邊界把這個A給框出來，但是軟體自己不知道這個圖案代表什麼，需要我們告訴軟體，這個字是英文字母”A”。所以，軟體OCR(辨識)需要學習。
從頭開始時，SubRip 開始撥放字幕，每當它碰到不懂的「圖案」時，它就會停下來問我們：「這是什麼字?」我們必需告訴 SubRip，A的圖案是字母A，B的圖案是字母B，SubRip會記住你教過它的字母，所以基本上以英文來說你要教他 26(英文字母) * 2 (大小寫) + 10(數字) + 32 (常見其他符號/標點) = 94，也就是大約100次，它才能順利地把一份字幕轉出來。
當然，如果每一片就要學一次，就太沒有效率了。所以 SubRip 可以把辨識所學到的資訊給儲存起來，稱之為 OCR matrix (也就是那文中的 TNG-matrix_02.sum)，下次如果要辨識同一片，只要把這個 OCR matrix 讀進來，就可以繼續做轉出的動作。
問題來了。
不同的DVD，其字幕圖案的字型有所不同，平平是一個A，長的不一樣，就必須使用不同的 OCR matrix。我那個 TNG-matrix_02.sum，只能辨識某系列DVD的字幕，因為該DVD的字幕字型較特殊，因此自行製作。其他的DVD字幕，由於使用了不一樣的字型，其實是不適用的。如果確定字幕字型相同，那當然可以直接拿來用，不過由於訓練 OCR 並不會花去很久的時間(上面有計算)，因此自己訓練是較好的方式。
那中文呢?
中文的字數不若英文只有26種，這茫茫字海，若要一一訓練，恐得花上許許多多時間，我沒有中文的 OCR matrix，也不覺得那是一個時間較短的方式，把英文字幕轉出來，再翻成中文，可能是一個更有效率的方式。不過如果常常有轉出中文字幕的需求，由於中文字型的變化較少，應該可以嘗試建立屬於自己的OCR matrix，但初期要花許多時間就是了。
所以，想要使用 SubRip轉出字幕的人，如果是英文字幕，那花點小時間訓練它吧，如果是中文字幕，那….再想想吧。
有個大陸的軟體叫做 SubOCR，內建有簡繁的 OCR 程式，可以把電影字幕的中文圖案辨識成文字，可以試試看。之前的經驗是好像簡體比較正常不會有問題，我都找簡體字幕然後再用 word 同步把名詞翻譯成繁體中文，但是有些名詞或人名不一樣就沒辦法了
jclin:
感謝你提供的資訊。
能不能把subvob(sub)轉換成subrip?(srt)
中英文SUB字幕轉SRT字幕
中英文雙字幕
SubToSrt中文字庫檔、SubRip英文字庫檔下載
請到Barry’s 影片字幕教學網
http://tw.barry.googlepages.com/index.htm
各位大虾有没有人有DVD字幕存储格式的资料啊？小弟有一个问题是现在标准的DVD一般都有很多种语言的阿，那么肯定的是字幕文件要跟视频分开存放才行啊？那么又是怎样存储的呢？有知道的请发Email给小弟，谢谢！yznwan@sohu.com
要是有人直接用subrip转srt就好得多了，像充实subtosrt那样充实subrip的字库