python 视频硬字幕去除 内嵌字幕去除工具vsr
项目简介
开源地址：https://github.com/YaoFANGUK/video-subtitle-remover
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）
- 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
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：
Windows GPU版本v1.1.0（GPU）：
-
百度网盘: vsr_windows_gpu_v1.1.0.zip 提取码：vsr1
-
Google Drive: vsr_windows_gpu_v1.1.0.zip
仅供具有Nvidia显卡的用户使用(AMD的显卡不行)
演示
- GUI版：点击查看演示视频
源码使用说明
无Nvidia显卡请勿使用本项目，最低配置：
GPU：GTX 1060或以上显卡
CPU: 支持AVX指令集
1. 下载安装Miniconda
-
Windows: Miniconda3-py38_4.11.0-Windows-x86_64.exe
-
Linux: Miniconda3-py38_4.11.0-Linux-x86_64.sh
2. 创建并激活虚机环境
（1）切换到源码所在目录：
cd <源码所在目录>
例如：如果你的源代码放在D盘的tools文件下，并且源代码的文件夹名为video-subtitle-remover，就输入
cd D:/tools/video-subtitle-remover-main
（2）创建激活conda环境
conda create -n videoEnv python=3.8
conda activate videoEnv
3. 安装依赖文件
请确保你已经安装 python 3.8+，使用conda创建项目虚拟环境并激活环境 (建议创建虚拟环境运行，以免后续出现问题)
-
安装CUDA和cuDNN
Linux用户
(1) 下载CUDA 11.7
wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run(2) 安装CUDA 11.7
sudo sh cuda_11.7.0_515.43.04_linux.run1. 输入accept
2. 选中CUDA Toolkit 11.7（如果你没有安装nvidia驱动则选中Driver，如果你已经安装了nvidia驱动请不要选中driver），之后选中install，回车
3. 添加环境变量
在 ~/.bashrc 加入以下内容
# CUDA export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}使其生效
source ~/.bashrc(3) 下载cuDNN 8.4.1
国内：cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz 提取码：57mg
国外：cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz
(4) 安装cuDNN 8.4.1
tar -xf cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz mv cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive cuda sudo cp ./cuda/include/* /usr/local/cuda-11.7/include/ sudo cp ./cuda/lib/* /usr/local/cuda-11.7/lib64/ sudo chmod a+r /usr/local/cuda-11.7/lib64/* sudo chmod a+r /usr/local/cuda-11.7/include/*Windows用户
(1) 下载CUDA 11.7
cuda_11.7.0_516.01_windows.exe
(2) 安装CUDA 11.7
(3) 下载cuDNN 8.2.4
cudnn-windows-x64-v8.2.4.15.zip
(4) 安装cuDNN 8.2.4
将cuDNN解压后的cuda文件夹中的bin, include, lib目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\对应目录下
-
安装GPU版本Paddlepaddle:
-
windows:
python -m pip install paddlepaddle-gpu==2.4.2.post117 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html -
Linux:
python -m pip install paddlepaddle-gpu==2.4.2.post117 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
-
-
安装GPU版本Pytorch:
conda install pytorch==2.0.1 torchvision==0.15.2 pytorch-cuda=11.7 -c pytorch -c nvidia或者使用
pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu117 -
安装其他依赖:
pip install -r requirements.txt
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
- CondaHTTPError
将项目中的.condarc放在用户目录下(C:/Users/<你的用户名>)，如果用户目录已经存在该文件则覆盖
解决方案：https://zhuanlan.zhihu.com/p/260034241
- 7z文件解压错误
解决方案：升级7-zip解压程序到最新版本
#学习资源推荐
零基础Python学习资源介绍
Python学习路线汇总
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（学习教程文末领取哈）
Python必备开发工具
温馨提示：篇幅有限，已打包文件夹，获取方式在：文末
Python学习视频600合集
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
100道Python练习题
检查学习结果。
面试刷题
资料领取
上述这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码输入“领取资料” 即可领取。
