INDICE DE MANUALES
SubRip v1.30.- Manual para ripear subtítulos de los "hardsubs by RoRo
SubRip v1.50 beta 5.- Como eliminar caractéres mal interpretados por el OCR by Frogger13
Publicado por RoRo en Animesubs, copio y pego.
Manual para ripear subtítulos de los "hardsubs"
Con la nueva versión del SubRip
Traducido del manual "Ripping subtitles from video files using SubRip", que fue escrito por el mismo programador, ai4spam. Los que saben inglés pueden encontrar el original en estos dos mirrors:
http://zuggy.wz.cz/guides/video.htm
http://news.swzone.it/link.php?action=i&id=15070
Yo solamente lo reordené un poco, expliqué un poco más a mi manera en algunas partes y lo dividí en títulos con notas y tips, para que sea más fácil encontrar las explicaciones. También agregué algunas imágenes para que se entienda más rápido.
Introducción
Algunos videos tienen subtítulos "incrustados" en ellos. El SubRip puede ser utilizado para extraer los subtítulos en formato de texto, y también para guardarlos como .bmps para removerlos después. En esta guía en particular, vamos a aprender a extraer los subtítulos de estos videos (el autor del subrip todavía está trabajando en la guía para usarlo como removedor de subtítulos).
Nota. Lo probé y funciona! pero es muy lento. Después de un rato de hacer el OCR en los primeros 5 minutos de diálogos, me resultó mucho más rápido ponerlo en modo automático y dejarlo hacer todo solo (y me fui a dormir), así extrajo los tiempos y una versión "rápida y audaz" del texto. Cuando uno no tiene fuente de subtítulos en la que basar los tiempos, éste es un método muy poco costoso para tenerlos. También extrae el texto en forma legible, aunque por supuesto que con errores de OCR.
Edit: ahora que lo estuve probando más tengo que retractarme un poco de mi primera impresión, el programa sí es rápido si uno lee las instrucciones con atención y usa todas las opciones que tiene disponibles para ripear sus subtítulos de la forma más eficiente ;) así que no se acobarden porque no es difícil de usar y es mucho más divertido que andar poniendo los tiempos a mano!
El programa es especialmente útil si tenemos varios ovas o capítulos de una misma serie subtitulados de una misma manera, porque todo este procedimiento descripto más abajo, lo tenemos que hacer una sola vez, y para el resto de los capítulos usamos la misma configuración. Además se pueden guardar los resultados de los OCR así que el OCR hecho para el capítulo 1 sirve también para el capítulo 2, por lo que una vez que superamos esa curva inicial, vamos a ir cada vez más rápido.
Software necesario
- El Subrip, versión 1.3 o superior (yo usé la versión 1.50 beta3 y funciona). Para instalarlo, sólo hay que extraer la carpeta, por ejemplo en C:/Archivos de Programa/SubRip Para ejecutarlo, hacemos doble click en C:/Archivos de Programa/SubRip/SubRip.exe
- El Avisynth. Se puede descargar de aquí:
http://sourceforge.net/project/showfile ... p_id=57023
A diferencia de los programas "normales", este programa trabaja sin ser visto, en este caso trabajará como intermediario entre el video y el subrip, descomprimiendo el video para que el subrip pueda leerlo.
- Los codecs y/o filtros necesarios para abrir el video a ripear. Los codecs tienen que ser VFW (Video for Windows), no Direct Show (los direct show son los que se usan normalmente para ver el video en el reproductor, los VFW son los que usa por ejemplo el virtualdub). Como regla general, si pueden abrir el video en el virtualdub, entonces el Avisynth -> Subrip también va a poder hacerlo. Si no tienen los codecs, normalmente el ffdshow arregla todo :P, así que se lo bajan e instalan, si todavía no pueden ver el video, es que tienen deshabilitados los codecs por defecto, así que van a inicio > programas > ffdshow > VFW codec configuration > codecs > y en la ventana que aparece, en la columna que dice "decoder", cambian todos los "disabled" por el codec que tengan instalado.
- Si el video que quieren abrir es un DVD, necesitan también el DGMPGDec. SubRip creará un archivo llamado temp.avs en ese directorio.
TIP. Hay que tener en cuenta que no todos los codecs y filtros tienen la habilidad de navegar por el video hasta detenerse en una imagen arbitraria. Subrip ocasionalmente necesita ir un frame hacia atrás en el video, cosa que el Avisynth puede manejar. Pero si ustedes ven que el subrip está trabajando muy lento, prueben convertir primero el video a avi.
Procedimiento primera parte: Dando vida al mostro
1. Dando vida al mostro
Abrimos el subrip, abrimos el video clickeando el botón marcado con un círculo rojo, o seleccionando en la barra de herramientas:
File > Open Hard Subbed Video files
SubRip tratará de abrir cualquier archivo que pueda ser abierto por Avisynth (avi, mpg, ogm, mkv, mov, etc), pero al parecer solamente puede detectar el "framerate" de los archivos .avi. Así que si abren otro tipo de archivo, SubRip les preguntará cuál es el frame rate correcto:
Nota. Si no saben el framerate y tienen el virtualdub, abren el video con el virtualdub, van a File > File information, y ahí lo van a encontrar.
Cuando el SubRip puede abrir exitosamente el video, se abre la ventana llamada Video file viewer ("visor del archivo de video"), dentro de la cual encontramos nuestro video:
2. Buscamos una imagen con subtítulos
En esta parte trabajamos en la ventana del visor del video, el "video file viewer". En este paso aprendemos a buscar en el video hasta encontrar una parte que muestre subtítulos. Vamos a tratar de que sea la que más texto tenga (si hay subtítulos de hasta 3 líneas, busquen uno así, si hay subtítulos hasta de 2 líneas, busquen uno así).
Tienen dos formas de navegar en el video:
- ¿Ven la barra marcada en rojo? Úsenla para ir y venir en el video hasta encontrar una parte con subtítulos.
- Otra forma de hacerlo es tocar el botón de "Play" y "Pause" (el mismo botón se convierte de uno al otro al ser tocado) hasta que el video llega a una parte con subtítulos con mucho texto.
3. Definimos el área subtitulada
Todavía estamos en la ventana de "video file viewer". El siguiente paso es definir el rectángulo que encierra a los subtítulos. Para eso tocamos en el video con el botón derecho del ratón y dejándolo apretado, lo arrastramos hasta la otra esquina. Podemos volver a intentarlo cuantas veces sea necesario hasta que el rectángulo encierre a los subtítulos y deje un buen espacio a derecha e izquierda para que entren en él los subtítulos que ocupen un área mayor.
TIP. Una vez que hicieron eso, si les resulta más cómodo pueden modificar el tamaño de la ventana para que ocupe menos espacio, y mostrar solamente la región de los subtítulos como en la imagen de aquí abajo. Por las dudas dejen un poco de espacio hacia arriba, por si aparecen subtítulos con más líneas.
TIP. Si cuando están procesando el video ven que en una parte el subtítulo tiene más líneas que las que definieron, siempre pueden detener el proceso y redefinir el rectángulo que encierra a los subtítulos como se indica en el paso 3, y luego, como el color de los subtítulos es el mismo, pasamos directamente al paso 5, para ajustar los valores de líneas.
Procedimiento segunda parte: Sobre colores y otras yerbas
4. Le explicamos al programa el color de nuestros subtítulos
El programa asume que el subtítulo tiene 2 colores, uno para el interior del subtítulo, y otro para el borde del subtítulo. En esta imagen vemos la barra de herramientas del "video file viewer", en donde marcamos en rojo la herramienta en que se definen los colores de mi subtítulo:
Para cada color vemos 3 rectángulos, que corresponden de izquierda a derecha, al color más oscuro, al color detectado, y al color más claro respectivamente.
Le explicamos al "video file viewer" de qué color son nuestros subtítulos así:
1 - ¿Se acuerdan del rectángulo que hicimos en el video para encerrar a nuestros subtítulos? Algunos ya se habrán dado cuenta de que cuando pasamos el mouse dentro de nuestro rectángulo, el cursor se convertirá en una cruz. También en ese momento aparece un texto abajo, en la barra de explicaciones, que dice "click inside a letter to set text color" ("clickeen dentro de una letra para definir el color de texto"). Si ya vieron eso, ya adivinaron lo que hay que hacer, que es:
2 - Dentro del rectángulo, buscamos una letra y hacemos click con el botón izquierdo del mouse dentro de ella. En teoría, nos quedará definido el color de texto, en el cuadro que está marcado en rojo acá arriba. También al mismo tiempo, el bueno de Subrip habrá calculado el ancho de caracter (cuántos píxeles hay con ese color, entre borde y borde). Las mejores letras para hacer esto son las que tienen una línea vertical, como "L", "l", "d", "h", etc., así podemos clickear cómodos dentro de la línea vertical.
3 - Justo después de tocar una vez, nos cambia el texto de la barra de explicaciones a "click on an outline to set outline color more precisely" ("clickear en un borde para definir el color de borde de forma más precisa"). Ya adivinaron: ahora tenemos que tocar con el botón izquierdo del mouse, un borde de mis subtítulos.
4 - Los colores detectados en la barra de herramientas, deberían ser los que uno ve en la ventana de video. Las cajitas de "width" ("ancho del caracter") típicamente deberían mostrar valores entre 1 y 5 píxeles. Cualquier valor más alto que eso, probablemente signifique que la detección no fue exitosa. Si los colores no coinciden o "width" es demasiado alto, buscamos otra letra y lo intentamos de nuevo, siempre teniendo en cuenta que primero nos pide el color de texto, segundo nos pide el color de borde.
Nota . Yo tengo la versión 1.5 beta3 del subrip y no sé si no me daba cuenta, pero a mí no me aparecían los colores en la pantalla como en la imagen. Sin embargo cuando hacía doble click en la barra de herramientas, en los cuadros de color de texto y de color de borde, sí me aparecían definidos, y al procesar los reconocía, así que es un bug estético, sin importancia.
Nota. Una forma alternativa de ingresar los colores es a mano, para eso vamos a la barra de herramientas, a la herramienta de los colores de texto y de borde, y hacemos doble click sobre el rectángulo del medio de los rectángulos de color. Nos aparecerá una ventana con una paleta de colores en la que podemos elegir nuestro color.
TIP. ¡Tengamos la máscara a la vista! Recordemos que hasta ahora tenemos abiertas 2 ventanas, la "video file viewer", que es donde estamos tomando los colores del subtítulo, y la ventana del subrip, en la que, después de que elegimos colores, nos apareció mágicamente una imagen que en la jerga de los ripeadores se llama "máscara". La máscara es una copia de la imagen que aparece dentro del rectángulo de "video file viewer", pero con los colores cambiados, los colores son puestos de esta forma:
- el texto del subtítulo en blanco
- el borde del subtítulo en rojo (si el subtítulo no tiene borde, va a aparecer un "falso borde" en rojo)
- lo que no es subtítulo, en negro
- lo que tiene el color del texto pero quedó por afuera del texto y llega hasta el borde del rectángulo que definimos, en verde (nota: esto lo dejamos de ver si des-clickeamos la opción en la barra de herramientas del "video file viewer" que se llama "fill open areas", esta opción viene marcada por defecto, así que si no tocamos nada vamos a ver lo verde).
Como se ve en esta imagen:
Vamos a ver que cuando modificamos los valores de los colores en "video file viewer", también se nos van a modificar los de la máscara que apareció en la ventana del subrip. La forma más precisa de saber si estamos eligiendo los colores correctos, es fijarnos en la ventana del subrip si la máscara que apareció nos satisface.
5. Ajustemos el rango de tolerancia de cada color.
Una vez que elegimos color de texto y de borde con el mouse, el programa busca en cierto rango de colores por defecto, tanto para el texto como para el borde. El problema está en que si el programa busca en un rango de colores más amplio que los de los subtítulos, va a creer que cada cosita blanca es un subtítulo blanco, por otro lado si el programa busca en un rango muy acotado de colores y los subtítulos están "sucios" o comprimidos con artifactos, el programa no los va a encontrar.
Si después de varios intentos de definir el color de texto y color de borde, todavía no estamos satisfechos con el resultado que vemos en forma de máscara, quizás sea la hora de probar modificando los valores en "advanced color options" ("opciones avanzadas de color"). Si sí estamos satisfechos con el resultado, igual nos podemos dar un paseíto por esa herramienta, porque es muy divertida :P La vamos a encontrar donde marca esta imagen:
Se nos va a abrir una ventanita como muestra la imagen, que tiene separadas las columnas para los canales rojo, verde y azul, los valores de adentro se llaman "valores de tolerancia" y van del 0 (nada de tolerancia, buscar el color exacto) a 255 (tolerancia extrema, buscar en todo ese rango de color). Entonces:
TIP. - Si en la máscara que aparece en la ventana del subrip, el texto tiene líneas muy finitas en comparación al texto del video, o si el texto aparece con "arruguitas", o si (en el caso extremo), el texto del subtítulo no aparece, eso quiere decir que tenemos la tolerancia de "text" muy baja. Probemos subiendo ese número, que por defecto es 50. Notemos que si tenemos marcado el cuadrito de la derecha, al modificar el valor de una columna, modificamos los de las 3 columnas al mismo tiempo.
TIP. - ¿Cuándo conviene ajustar los canales rojo, verde y azul por separado? Por ejemplo en el caso de estas capturas, en que el texto del subtítulo es blanco y el borde del subtítulo es azul, nos pasa que el texto del subtítulo a veces tiene píxeles azulados cerca de los bordes, debido al efecto de difuminado que hacen los codecs al comprimir el video. Esto quiere decir que para tomar todo el texto tenemos que aumentar la tolerancia, pero como el borde es azul, no es necesario aumentar la tolerancia en los 3 canales, solamente la vamos a aumentar en el canal azul, y dejarla bajita en el verde y el rojo.
Procedimiento tercera parte: Acotemos nuestro subtítulo lo más que podamos
6. Marquemos el "fill open and large areas".
En la ventana de "video file viewer" también vamos a encontrar estas dos cajitas para marcar opcionalmente, se lee "Fill: () open () large areas".
- La cajita de "fill open areas" ("llenar los espacios abiertos") ya viene marcada por defecto, y es la que produce que todo lo que tiene color de texto pero queda por afuera del borde, quede marcado de verde.
- La que no viene marcada por defecto, es la cajita de "fill large areas" ("llenar los espacios demasiado grandes"), el programa considera que "demasiado grande" es aquéllo que es 10 veces más alto o 10 veces más ancho que el caracter, siendo que definimos el tamaño del caracter donde dice "Text widht". El programa las marca de color gris. Deberíamos marcar esta cajita, porque esta cajita, lo que le dice al programa es "todo lo que tiene el color del subtítulo, pero es demasiado grande para ser una letra, entonces no es subtítulo, lo dejamos afuera y lo marcamos de gris". Si después de marcarlo, navegamos por el video y chequeamos las máscaras, y vemos que hay "áreas demasiado grandes" que siguen marcadas de blanco en lugar de gris, podemos probar bajar el "Text Widht" a ver si así las reconoce. Aquí tengo un ejemplo de esa situación, la idea es que todo lo que no sea texto esté marcado en gris:
1. Marcamos "fill open and large areas"
2. Pero todavía vemos partes grandes en blanco, así que...
3. Bajamos el "text widht" (ancho del texto) para que sí encuentre las partes grandes y las coloree de gris.
TIP1. Lo que no podían solucionar con el rango de colores de "advanced color options", se soluciona mágicamente al marcar estas dos cajitas. Vayan a una parte del video donde muestre los subtítulos en un fondo que sea del mismo color que ellos (por ejemplo texto blanco sobre fondo blanco). Prueben marcar estas cajitas, y van a ver que ahora pueden bajar un poco los rangos de tolerancia, ya que el tener estas cajitas marcadas previene que el programa considere al fondo como subtítulo. En mi ejemplo, una vez que marqué esas cajitas, pude bajar el rango de tolerancia de mi subtítulo de 60 a 49, de forma que la máscara que vieron en el ejemplo anterior, después de hacer eso me quedó así:
Diferencia, eh? ;)
7. Le explicamos al programa la posición de cada línea de subtítulo
Esta parte también es muy divertida (sí, yo me divierto con estas cosas). Eso sí, esta parte solamente sirve si los subtítulos aparecen siempre en la misma posición en el video (lo que suele ocurrir en realidad).
El siguiente paso en la detección de subtítulos es saber dónde se encuentra cada línea de texto. Para eso, en la ventana de "video file viewer", en su barra de herramientas, clickeamos en el botón que se muestra en esta imagen:
Es el botón de "show/hide inter-line options" ("mostrar o esconder opciones de entre-líneas"). En realidad por defecto el cuadro de opciones se muestra, pero podemos clickear el botón para demostrarnos a nosotros mismos que sabemos esconderlo.
Una vez lo tenemos visible, vamos configurándolo en este orden:
1 - Marcamos la cajita de Draw lines on top ("Dibujar las líneas arriba de todo"). Así vamos a ver en la máscara que está en la ventana del subrip, las líneas de texto que estamos a punto de definir.
2 - Después, en Count, ponemos la cantidad de líneas de nuestros subtítulos (si nuestro rectángulo tiene 2 líneas ponemos 2, si tiene 3 líneas ponemos 3).
3 - Ahora vamos a Top Line Offset ("límite de la línea superior"), ponemos cuántos píxeles hay desde que nace nuestro rectángulo, hasta que aparece nuestro texto. Esto lo hacemos así: primero ponemos 0, y entonces lo subimos a 1, y después a 2, así vamos subiendo de a un píxel por vez, mientras miramos la máscara de subtítulo que hay en nuestra ventana del SubRip. En cuanto en nuestra máscara de subtítulo nos aparecen las mayúsculas y las "l" de verde, significa que nos pasamos de largo. Entonces nos fijamos qué número es, volvemos atrás un número, y lo dejamos así.
4 - Ahora ajustamos el valor de Height ("altura"). El valor máximo es 45. Así que lo ponemos en 45, y vamos bajando de a uno por vez, siempre mirando en la máscara de la ventana del subrip, la línea superior de mis subtítulos. Cuando lleguemos a un número de Height que nos haya puesto las "g" y las "y" de verde, significa que nos pasamos de largo. Así que miramos ese número, volvemos un número atrás, y lo dejamos así.
5 - Si tenemos más de una línea (que es lo que va a pasar por lo general), entonces ya es hora de ajustar el valor de space ("espacio entre líneas"). Para eso aumentamos o disminuimos el valor, hasta que veamos que nuestras líneas inferiores tienen todo su texto en blanco. Si mis líneas inferiores tienen su texto "alto" en verde (las mayúsculas etc), tenemos que disminuir el valor de "space". Si mis líneas inferiores tienen su texto "bajo" en verde (las "g" y eso), entonces tenemos que aumentar el valor de "space". Háganlo hasta que todo el texto del subtítulo aparezca de color blanco en la máscara.
Ahora aparecieron unas líneas azules en la parte superior de los subtítulos, en la parte inferior de los subtítulos, y entre líneas. El resultado final debería verse como en la imagen:
Nota. Algunos se habrán dado cuenta de que a partir de ahora, el programa considera a todo lo que toca a las líneas azules como "de afuera", así que toda la "basurita" que toque la línea del medio, será pintada de verde. Si no lo ven, es que no hicieron el paso 6, háganlo ahora.
8. Llenamos los espacios a derecha e izquierda de los subtítulos
Una vez tenemos las líneas definidas, en el mismo cuadro de "inter-line options", podemos marcar la opción "fill sides" ("llenar los costados"). Nos van a aparecer franjas violetas como en la imagen:
Procedimiento cuarta parte: Ajustes finales.
9. Ajustamos el "text width". "outline color", "outline width".
text / outline color. Éste es el mejor momento para revisar los colores de texto y de borde de nuestro subtítulo. Hacemos click en las cajitas de "color" y probamos bajar o subir manualmente los colores de texto y de borde, hasta ver que la máscara nos quedó lo más limpia posible.
El "Outline Color" o "color de borde" es usado para eliminar subtítulos falsos: solamente los píxeles con el "Text Color" que estén lo suficientemente cerca de los píxeles del "Outline Color" serán marcados como texto.
Como regla general, van a ver que lo mejor es hacer el color de texto un poco más blanco, y el color de borde un poco más oscuro. Eso es porque cuando los capturamos con el cuentagotas, los artifactos que se generaron durante la compresión "ensuciaron" el color, volviendo todo más gris.
Siguiendo con mi ejemplo, después de ajustar los colores de texto y de borde, me quedó así:
text width. Los valores de "widht", además de ser usados para validación en el paso 3, limitan cuánto busca SubRip en los alrededores de un pixel si hay más píxeles del mismo color.
Se supone que ya ajustamos el "text widht" al final del paso 6, pero aunque lo hayamos hecho, éste es el mejor momento para volver a chequearlo, ya que ahora tenemos a nuestro subtítulo mucho más acotado y con los colores corregidos.
outline width.El "Outline Width" (tamaño del borde) es el que decide cuántos píxeles a la redonda el programa hará búsquedas de un borde. Si los subtítulos no tienen un borde, simplemente des-chequeamos el "Use outline color" y ajustamos el "Text Width" manualmente, después de verificar el que el color de texto en el rectángulo coloreado es el correcto.
10. Hacemos un "fatten text".
"Fatten text" es otra forma sensata de arreglar nuestros problemas de letras finitas o irregulares. Esta imagen muestra el resultado:
Fíjense que las letras se volvieron más gorditas. Esto ayudará mucho a que tengamos que tipear poquitas veces cada caracter en la ventana de "New character" cuando hagamos el OCR.
Este proceso es controlado por el "Fatten Color Tolerance" en el panel de "Advanced Color Options". Los valores para cada canal de colores (rojo, verde, azul) son relativos a los dos extremos de colores que tengamos en el "color text". Lo que controlan es cuán diferente tiene que ser un color del color determinado en "text color" para ser considerado parte del texto cuando clickeamos el "fatten". los colores "Fatten" pueden ser imaginados como el color más oscuro y el color más claro en los extremos del "Text Color". Si los subtítulos tienen borde, y el borde tiene un color diferente del negro, asegúrense de que las tolerancias del "fatten" sean más altas para ese color.
Recuerden que el objetivo de todo este proceso previo al ocr, es que solamente el texto aparezca blanco en la máscara, y todo lo demás negro, así que no exageren tampoco con este valor.
Mi ejemplo me quedó así:
11. Antes del ocr verifiquemos la calidad de nuestra máscara...
Ahora veamos un ejemplo muy malo de un subtítulo y cómo podemos arreglarlo (si a ustedes no les pasa no hagan lo que dice acá!!):
Este caso es un caso especialmente malo, porque tiene objetos pequeñitos detrás del texto que son del mismo color que él. La imagen que acaban de ver se capturó habiendo sacado la guía del "Outline Color" (es decir,"Use outline color" no fue chequeado). En la próxima imagen veremos qué es lo que pasa cuando el "Use outline color" sí está chequeado. Fíjense que hay áreas blancas que NO son texto.
Este problema podría ser arreglado bajando los valores de "Text Color Tolerance" en "advanced color options", pero eso podría llevarnos a ver letras muy finitas y con arruguitas, como mostramos acá (será un problema cuando hagamos el ocr). Si el texto es demasiado finito, dos partes del mismo caracter pueden aparecer como separadas en el ocr, o incluso caracteres completos pueden ser pasados de largo si Options -> Advanced OCR Setup -> Character Setup es pequeño. También, si los caracteres son irregulares, vamos a tener mucho más trabajo tipeando el valor correcto muchas veces cuando hagamos el ocr.
Por eso si estamos en esa situación de letras finitas o irregulares (si no no), en lugar de bajar tolerancias, debemos dejar el Text Color Tolerance más bien alto (>50), y el Text Width también alto (>5), así todo el fondo es interpretado como texto, pero se vuelve muy grande y es pintado de color gris, como se ve en la siguiente imagen.
El color no se "desborda" de las letras porque está el color de borde alrededor de ellas, pero ojo que no siempre se da el caso de este ejemplo. También tienen que tener en cuenta que si aumentan mucho el "text widht" va a hacer el procesamiento mucho más lento, porque la exploración que tiene que hacer el programa alrededor de cada píxel es muy grande, así que solamente usen esta combinación de configuraciones (widht altos, tolerancias altas) cuando todo lo demás falla.
Procedimiento quinta parte: OCR.
11."Same sub tolerance".
A diferencia de las otras opciones, acá encontramos la primera opción que actúa en una escala temporal, y no espacial.
Cuando el programa actúa, lo que hace con cada imagen es chequear si la nueva imagen de nuestro video tiene subtítulos similares a la imagen anterior, y si es así, utiliza una sola máscara para las dos imágenes. De esta forma cuando el programa termina con todas las imágenes, idealmente tiene una sola máscara para cada subtítulo que apareció en la pantalla.
El "Same sub tolerance" es el que le dice al SubRip cuánta variación tiene que haber en las máscaras de dos imágenes contiguas, para que el programa llegue a la conclusión de que ya no es más el mismo subítulo, y que dé por terminado el subtítulo anterior y comience con una máscara nueva.
Probablemente recién se dén cuenta de si este valor es el correcto una vez empiecen el OCR. Si el programa ve el mismo subtítulo como dos subtítulos diferentes, sería hora de cambiar este parámetro. Yo normalmente tuve que ponerlo un poco más alto que lo que viene por defecto.
12."Min. pixels".
Ésta es otra opción que es temporal y no espacial.
La opción "Min. pixels" le dice al SubRip qué cantidad de píxeles blancos tiene que encontrar para que sean considerados subtítulo. Normalmente el programa va a considerar subtítulo algo como esto:
Si ustedes ven que el programa cree que cualquier manchita blanca es subítulo, es hora de cambiar los parámetros del "Min pixels". Normalmente tuve que poner un valor un poco más alto que el que viene por defecto de esta opción.
13. Opciones.
Antes de hacer el OCR, una comprobación final que tenemos que hacer es en opciones > opciones globales. Nos va a aparecer esta ventana:
Así es la configuración que yo uso, pero por supuesto que ustedes la ponen a su propio gusto.
Como esta ventana no está del todo traducida al español, les puse la traducción a los que les cuesta el inglés.
Después van a opciones > configuración avanzada ocr y vamos a ver esta ventana:
Marqué en rojo los valores que yo suelo cambiar para que el OCR vaya más rápido, estos valores varían según el tamaño del texto en el video a ripear, en mi caso los textos se suelen ver "grandes" entonces estos tamaños los tengo que acomodar a mi tamaño de texto.
En particular les va a ser útil bajar un poco el valor que se llama "sensibilidad a las diferencias entre caracteres", que está en 980, eso hace que uno tenga que tipear muchas veces la misma letra porque el programa le encuentra pequeñas diferencias y cree que es una letra distinta, tengan en cuenta que si su texto es "grande" como el de mi ejemplo, este valor hay que bajarlo bastante, ya que mientras más grande es el texto, más píxeles hay que pueden variar dentro del mismo caracter.
Pongan "guardar valores" para que el programa no los borre si lo cierran, siempre pueden volver a la configuración por defecto tocando "cargar valores defecto".
14. Procesar el OCR.
ATENCIÓN: si éste no es su primer video con este texto, por ejemplo si están pasando por el capítulo 2 de una serie y ya hicieron el OCR del capítulo 1, ¡No se olviden de cargar los resultados del OCR anterior! Háganlo antes de empezar a procesar, para hacerlo van a
Matriz de caracteres > Abrir Matriz
Recuerden que las matrices de caracteres se guardan como mimatriz.sum
Cuando todo está listo, tocan el botón de "Rew." para ir al principio del video, después tocan el "Run" para comenzar el OCR. Esta parte es igual a cuando tienen que hacer el OCR cuando ripean un subtítulo de un DVD, nada más que como están "sucios", tienen que ingresar los caracteres correctos más seguido.
TIP. si el programa va muy lento, toquen el botón de "abort" y después vayan a opciones > prioridad y suban la prioridad. Entonces vuelvan atrás un subtítulo con "prev" y de nuevo tocan "run" para retomar.
Durante el OCR:
- Pueden tocar Ctrl+Enter para llenar la duda con la "adivinanza" que hace el programa, después Enter para aceptarla, o directamente tocar el botón de "Use" para hacer las dos cosas en un solo paso.
- Pueden tocar Ctrl+Left y Ctrl+Right para que la selección de texto que hace el programa se agrande o achique (para que se agrande el rectángulo de selección de caracteres, ese de color rojo), eso lo tienen que hacer cuando el programa cree que un caracter son dos caracteres distintos - por ejemplo, cuando una "O" es separada por el programa en un "(" y un ")", o lo que me pasó a mí, una "K" separada en una "I" y un caracter que no podía reconocer y me pedía que lo ingresara yo).
- Si presionan directamente "Enter" el programa va a considerar que en ese lugar no hay nada. Tienen que hacer cuando el programa encuentra manchas blancas que no son texto, sino áreas del fondo que tienen el mismo color del texto y que parecen texto que no lo son. De esta forma le avisan al Subrip que tiene que ignorar todas las manchas que luzcan como la que ustedes acaban de ignorar.
Si ustedes sienten que los subtítulos no están siendo detectados de la forma correcta, quizás deban detener el proceso de detección y mejorar un poco los parámetros. Para eso tocan el botón de "Pause/Abort" que van a encontrar en la ventana principal, modificar los parámetros como les parezca, y tocar el botón de "Continue", esta parte también es igual a cuando procesan subtítulos salidos del DVD. También pueden tocar el botón de "Prev." para ir a la primera imagen del video en que apareció el último subtítulo detectado. Esto borrará el último subtítulo de la ventana de subtítulos, y volverá a correr la detección de subítulos con los nuevos parámetros. Diferentes razones por las que pueden abortar y ajustar los parámetros antes de seguir:
TIP1 Si el mismo subtítulo aparece de nuevo como uno diferente, pueden tocar el botón de "Same As Last" para decirle al SubRip que pase al siguiente subtítulo. Si un subtítulo se repite muchas veces, quizás deban abortar y cambiar los parámetros, pueden
1- aumentar el "Same sub tolerance" que vimos en el punto 11,
2- o jugar con los valores de tolerancia de "Text", "Outline" y "Fatten".
TIP2 Si el video tiene esos subtítulos que aparecen gradualmente, ajusten el valor de "Skip first value" a algún número más grande de 0, para saltear tantas imágenes antes de empezar a compararlas entre sí. Una vez que el programa acumuló la cantidad de imágenes establecida en "Min. duration frames", las siguientes imágenes serán comparadas con la máscara que formó el programa con las imágenes acumuladas. Así acelerarán el procesamiento.
TIP3 El valor de "Update every" le dice a SubRip que rehaga el proceso de acumulación de imágenes para formar una sola máscara, cada tantas imágenes. En el modo de acumulación, los píxeles blancos de diferentes imágenes son puestos todos juntos, en cambio en el modo de comparación, los píxeles blancos que están en una imagen pero no en la otra, son sustraídos de la máscara. El modo de comparación es más rápido que el de acumulación, porque el único proceso que se hace es el de fijarse si el color de cada pixel entra dento del rango de tolerancia, pero puede fallar si un fondo tiene tooodo el mismo color del texto del subtítulo, entonces no encuentra el sub. Si esta situación pasa muy seguido en un video, pongan el valor de "Update every" a 1+menor duración, para asegurarse de que el modo de comparación no sea usado nunca. Esto bajará mucho el tiempo de procesamiento porque el reconocimiento del texto es más largo, así que úselo solamente si es necesario, de otra forma dejen el "Update every" en 30 frames o por ahí.
TIP4 Si les aparecen espacios indeseados en medio de las palabras: Aumentan la "Anchura de los Espacios". Eso se hace en
opciones > configuración avanzada de OCR. > "Anchura de los Espacios: ... píxeles (como mínimo) entre 2 caracteres consecutivos". El valor por defecto es 7, que está muy bien para la mayoría de las películas, pero no es siempre así. Por ejemplo en la versión anime de Metropolis (2001), el valor correcto era 12.
- Si por el contrario el programa se saltea espacios donde sí los hay: Disminuyen la "Anchura de los Espacios". Eso se hace en
opciones > configuración avanzada de OCR. > "Anchura de los Espacios: ... píxeles (como mínimo) entre 2 caracteres consecutivos". El valor por defecto es 7, que está muy bien para la mayoría de las películas, pero no es siempre así. A veces es mejor bajarlo a 6.
15. Para el que se estaba preguntando sobre la remoción de subtítulos...
Si al hacer el OCR, dejan chequeada la opción de "Save", será guardado un mapa de bits blanco y negro (en formato .pgm) por cada imagen, en el mapa de bits estarán sólo los caracteres que fueron reconocidos (no los que pasamos de largo por ser "manchitas", como se puede ver en la imagen de acá abajo). Los mapas de bits, en combinación con un archivo que los indexe, pueden ser usados más tarde para remover esos mismos subtítulos del video en cuestión.
Manual para ripear subtítulos de los "hardsubs"
Con la nueva versión del SubRip
Traducido del manual "Ripping subtitles from video files using SubRip", que fue escrito por el mismo programador, ai4spam. Los que saben inglés pueden encontrar el original en estos dos mirrors:
http://zuggy.wz.cz/guides/video.htm
http://news.swzone.it/link.php?action=i&id=15070
Yo solamente lo reordené un poco, expliqué un poco más a mi manera en algunas partes y lo dividí en títulos con notas y tips, para que sea más fácil encontrar las explicaciones. También agregué algunas imágenes para que se entienda más rápido.
Introducción
Algunos videos tienen subtítulos "incrustados" en ellos. El SubRip puede ser utilizado para extraer los subtítulos en formato de texto, y también para guardarlos como .bmps para removerlos después. En esta guía en particular, vamos a aprender a extraer los subtítulos de estos videos (el autor del subrip todavía está trabajando en la guía para usarlo como removedor de subtítulos).
Nota. Lo probé y funciona! pero es muy lento. Después de un rato de hacer el OCR en los primeros 5 minutos de diálogos, me resultó mucho más rápido ponerlo en modo automático y dejarlo hacer todo solo (y me fui a dormir), así extrajo los tiempos y una versión "rápida y audaz" del texto. Cuando uno no tiene fuente de subtítulos en la que basar los tiempos, éste es un método muy poco costoso para tenerlos. También extrae el texto en forma legible, aunque por supuesto que con errores de OCR.
Edit: ahora que lo estuve probando más tengo que retractarme un poco de mi primera impresión, el programa sí es rápido si uno lee las instrucciones con atención y usa todas las opciones que tiene disponibles para ripear sus subtítulos de la forma más eficiente ;) así que no se acobarden porque no es difícil de usar y es mucho más divertido que andar poniendo los tiempos a mano!
El programa es especialmente útil si tenemos varios ovas o capítulos de una misma serie subtitulados de una misma manera, porque todo este procedimiento descripto más abajo, lo tenemos que hacer una sola vez, y para el resto de los capítulos usamos la misma configuración. Además se pueden guardar los resultados de los OCR así que el OCR hecho para el capítulo 1 sirve también para el capítulo 2, por lo que una vez que superamos esa curva inicial, vamos a ir cada vez más rápido.
Software necesario
- El Subrip, versión 1.3 o superior (yo usé la versión 1.50 beta3 y funciona). Para instalarlo, sólo hay que extraer la carpeta, por ejemplo en C:/Archivos de Programa/SubRip Para ejecutarlo, hacemos doble click en C:/Archivos de Programa/SubRip/SubRip.exe
- El Avisynth. Se puede descargar de aquí:
http://sourceforge.net/project/showfile ... p_id=57023
A diferencia de los programas "normales", este programa trabaja sin ser visto, en este caso trabajará como intermediario entre el video y el subrip, descomprimiendo el video para que el subrip pueda leerlo.
- Los codecs y/o filtros necesarios para abrir el video a ripear. Los codecs tienen que ser VFW (Video for Windows), no Direct Show (los direct show son los que se usan normalmente para ver el video en el reproductor, los VFW son los que usa por ejemplo el virtualdub). Como regla general, si pueden abrir el video en el virtualdub, entonces el Avisynth -> Subrip también va a poder hacerlo. Si no tienen los codecs, normalmente el ffdshow arregla todo :P, así que se lo bajan e instalan, si todavía no pueden ver el video, es que tienen deshabilitados los codecs por defecto, así que van a inicio > programas > ffdshow > VFW codec configuration > codecs > y en la ventana que aparece, en la columna que dice "decoder", cambian todos los "disabled" por el codec que tengan instalado.
- Si el video que quieren abrir es un DVD, necesitan también el DGMPGDec. SubRip creará un archivo llamado temp.avs en ese directorio.
TIP. Hay que tener en cuenta que no todos los codecs y filtros tienen la habilidad de navegar por el video hasta detenerse en una imagen arbitraria. Subrip ocasionalmente necesita ir un frame hacia atrás en el video, cosa que el Avisynth puede manejar. Pero si ustedes ven que el subrip está trabajando muy lento, prueben convertir primero el video a avi.
Procedimiento primera parte: Dando vida al mostro
1. Dando vida al mostro
Abrimos el subrip, abrimos el video clickeando el botón marcado con un círculo rojo, o seleccionando en la barra de herramientas:
File > Open Hard Subbed Video files
SubRip tratará de abrir cualquier archivo que pueda ser abierto por Avisynth (avi, mpg, ogm, mkv, mov, etc), pero al parecer solamente puede detectar el "framerate" de los archivos .avi. Así que si abren otro tipo de archivo, SubRip les preguntará cuál es el frame rate correcto:
Nota. Si no saben el framerate y tienen el virtualdub, abren el video con el virtualdub, van a File > File information, y ahí lo van a encontrar.
Cuando el SubRip puede abrir exitosamente el video, se abre la ventana llamada Video file viewer ("visor del archivo de video"), dentro de la cual encontramos nuestro video:
2. Buscamos una imagen con subtítulos
En esta parte trabajamos en la ventana del visor del video, el "video file viewer". En este paso aprendemos a buscar en el video hasta encontrar una parte que muestre subtítulos. Vamos a tratar de que sea la que más texto tenga (si hay subtítulos de hasta 3 líneas, busquen uno así, si hay subtítulos hasta de 2 líneas, busquen uno así).
Tienen dos formas de navegar en el video:
- ¿Ven la barra marcada en rojo? Úsenla para ir y venir en el video hasta encontrar una parte con subtítulos.
- Otra forma de hacerlo es tocar el botón de "Play" y "Pause" (el mismo botón se convierte de uno al otro al ser tocado) hasta que el video llega a una parte con subtítulos con mucho texto.
3. Definimos el área subtitulada
Todavía estamos en la ventana de "video file viewer". El siguiente paso es definir el rectángulo que encierra a los subtítulos. Para eso tocamos en el video con el botón derecho del ratón y dejándolo apretado, lo arrastramos hasta la otra esquina. Podemos volver a intentarlo cuantas veces sea necesario hasta que el rectángulo encierre a los subtítulos y deje un buen espacio a derecha e izquierda para que entren en él los subtítulos que ocupen un área mayor.
TIP. Una vez que hicieron eso, si les resulta más cómodo pueden modificar el tamaño de la ventana para que ocupe menos espacio, y mostrar solamente la región de los subtítulos como en la imagen de aquí abajo. Por las dudas dejen un poco de espacio hacia arriba, por si aparecen subtítulos con más líneas.
TIP. Si cuando están procesando el video ven que en una parte el subtítulo tiene más líneas que las que definieron, siempre pueden detener el proceso y redefinir el rectángulo que encierra a los subtítulos como se indica en el paso 3, y luego, como el color de los subtítulos es el mismo, pasamos directamente al paso 5, para ajustar los valores de líneas.
Procedimiento segunda parte: Sobre colores y otras yerbas
4. Le explicamos al programa el color de nuestros subtítulos
El programa asume que el subtítulo tiene 2 colores, uno para el interior del subtítulo, y otro para el borde del subtítulo. En esta imagen vemos la barra de herramientas del "video file viewer", en donde marcamos en rojo la herramienta en que se definen los colores de mi subtítulo:
Para cada color vemos 3 rectángulos, que corresponden de izquierda a derecha, al color más oscuro, al color detectado, y al color más claro respectivamente.
Le explicamos al "video file viewer" de qué color son nuestros subtítulos así:
1 - ¿Se acuerdan del rectángulo que hicimos en el video para encerrar a nuestros subtítulos? Algunos ya se habrán dado cuenta de que cuando pasamos el mouse dentro de nuestro rectángulo, el cursor se convertirá en una cruz. También en ese momento aparece un texto abajo, en la barra de explicaciones, que dice "click inside a letter to set text color" ("clickeen dentro de una letra para definir el color de texto"). Si ya vieron eso, ya adivinaron lo que hay que hacer, que es:
2 - Dentro del rectángulo, buscamos una letra y hacemos click con el botón izquierdo del mouse dentro de ella. En teoría, nos quedará definido el color de texto, en el cuadro que está marcado en rojo acá arriba. También al mismo tiempo, el bueno de Subrip habrá calculado el ancho de caracter (cuántos píxeles hay con ese color, entre borde y borde). Las mejores letras para hacer esto son las que tienen una línea vertical, como "L", "l", "d", "h", etc., así podemos clickear cómodos dentro de la línea vertical.
3 - Justo después de tocar una vez, nos cambia el texto de la barra de explicaciones a "click on an outline to set outline color more precisely" ("clickear en un borde para definir el color de borde de forma más precisa"). Ya adivinaron: ahora tenemos que tocar con el botón izquierdo del mouse, un borde de mis subtítulos.
4 - Los colores detectados en la barra de herramientas, deberían ser los que uno ve en la ventana de video. Las cajitas de "width" ("ancho del caracter") típicamente deberían mostrar valores entre 1 y 5 píxeles. Cualquier valor más alto que eso, probablemente signifique que la detección no fue exitosa. Si los colores no coinciden o "width" es demasiado alto, buscamos otra letra y lo intentamos de nuevo, siempre teniendo en cuenta que primero nos pide el color de texto, segundo nos pide el color de borde.
Nota . Yo tengo la versión 1.5 beta3 del subrip y no sé si no me daba cuenta, pero a mí no me aparecían los colores en la pantalla como en la imagen. Sin embargo cuando hacía doble click en la barra de herramientas, en los cuadros de color de texto y de color de borde, sí me aparecían definidos, y al procesar los reconocía, así que es un bug estético, sin importancia.
Nota. Una forma alternativa de ingresar los colores es a mano, para eso vamos a la barra de herramientas, a la herramienta de los colores de texto y de borde, y hacemos doble click sobre el rectángulo del medio de los rectángulos de color. Nos aparecerá una ventana con una paleta de colores en la que podemos elegir nuestro color.
TIP. ¡Tengamos la máscara a la vista! Recordemos que hasta ahora tenemos abiertas 2 ventanas, la "video file viewer", que es donde estamos tomando los colores del subtítulo, y la ventana del subrip, en la que, después de que elegimos colores, nos apareció mágicamente una imagen que en la jerga de los ripeadores se llama "máscara". La máscara es una copia de la imagen que aparece dentro del rectángulo de "video file viewer", pero con los colores cambiados, los colores son puestos de esta forma:
- el texto del subtítulo en blanco
- el borde del subtítulo en rojo (si el subtítulo no tiene borde, va a aparecer un "falso borde" en rojo)
- lo que no es subtítulo, en negro
- lo que tiene el color del texto pero quedó por afuera del texto y llega hasta el borde del rectángulo que definimos, en verde (nota: esto lo dejamos de ver si des-clickeamos la opción en la barra de herramientas del "video file viewer" que se llama "fill open areas", esta opción viene marcada por defecto, así que si no tocamos nada vamos a ver lo verde).
Como se ve en esta imagen:
Vamos a ver que cuando modificamos los valores de los colores en "video file viewer", también se nos van a modificar los de la máscara que apareció en la ventana del subrip. La forma más precisa de saber si estamos eligiendo los colores correctos, es fijarnos en la ventana del subrip si la máscara que apareció nos satisface.
5. Ajustemos el rango de tolerancia de cada color.
Una vez que elegimos color de texto y de borde con el mouse, el programa busca en cierto rango de colores por defecto, tanto para el texto como para el borde. El problema está en que si el programa busca en un rango de colores más amplio que los de los subtítulos, va a creer que cada cosita blanca es un subtítulo blanco, por otro lado si el programa busca en un rango muy acotado de colores y los subtítulos están "sucios" o comprimidos con artifactos, el programa no los va a encontrar.
Si después de varios intentos de definir el color de texto y color de borde, todavía no estamos satisfechos con el resultado que vemos en forma de máscara, quizás sea la hora de probar modificando los valores en "advanced color options" ("opciones avanzadas de color"). Si sí estamos satisfechos con el resultado, igual nos podemos dar un paseíto por esa herramienta, porque es muy divertida :P La vamos a encontrar donde marca esta imagen:
Se nos va a abrir una ventanita como muestra la imagen, que tiene separadas las columnas para los canales rojo, verde y azul, los valores de adentro se llaman "valores de tolerancia" y van del 0 (nada de tolerancia, buscar el color exacto) a 255 (tolerancia extrema, buscar en todo ese rango de color). Entonces:
TIP. - Si en la máscara que aparece en la ventana del subrip, el texto tiene líneas muy finitas en comparación al texto del video, o si el texto aparece con "arruguitas", o si (en el caso extremo), el texto del subtítulo no aparece, eso quiere decir que tenemos la tolerancia de "text" muy baja. Probemos subiendo ese número, que por defecto es 50. Notemos que si tenemos marcado el cuadrito de la derecha, al modificar el valor de una columna, modificamos los de las 3 columnas al mismo tiempo.
TIP. - ¿Cuándo conviene ajustar los canales rojo, verde y azul por separado? Por ejemplo en el caso de estas capturas, en que el texto del subtítulo es blanco y el borde del subtítulo es azul, nos pasa que el texto del subtítulo a veces tiene píxeles azulados cerca de los bordes, debido al efecto de difuminado que hacen los codecs al comprimir el video. Esto quiere decir que para tomar todo el texto tenemos que aumentar la tolerancia, pero como el borde es azul, no es necesario aumentar la tolerancia en los 3 canales, solamente la vamos a aumentar en el canal azul, y dejarla bajita en el verde y el rojo.
Procedimiento tercera parte: Acotemos nuestro subtítulo lo más que podamos
6. Marquemos el "fill open and large areas".
En la ventana de "video file viewer" también vamos a encontrar estas dos cajitas para marcar opcionalmente, se lee "Fill: () open () large areas".
- La cajita de "fill open areas" ("llenar los espacios abiertos") ya viene marcada por defecto, y es la que produce que todo lo que tiene color de texto pero queda por afuera del borde, quede marcado de verde.
- La que no viene marcada por defecto, es la cajita de "fill large areas" ("llenar los espacios demasiado grandes"), el programa considera que "demasiado grande" es aquéllo que es 10 veces más alto o 10 veces más ancho que el caracter, siendo que definimos el tamaño del caracter donde dice "Text widht". El programa las marca de color gris. Deberíamos marcar esta cajita, porque esta cajita, lo que le dice al programa es "todo lo que tiene el color del subtítulo, pero es demasiado grande para ser una letra, entonces no es subtítulo, lo dejamos afuera y lo marcamos de gris". Si después de marcarlo, navegamos por el video y chequeamos las máscaras, y vemos que hay "áreas demasiado grandes" que siguen marcadas de blanco en lugar de gris, podemos probar bajar el "Text Widht" a ver si así las reconoce. Aquí tengo un ejemplo de esa situación, la idea es que todo lo que no sea texto esté marcado en gris:
1. Marcamos "fill open and large areas"
2. Pero todavía vemos partes grandes en blanco, así que...
3. Bajamos el "text widht" (ancho del texto) para que sí encuentre las partes grandes y las coloree de gris.
TIP1. Lo que no podían solucionar con el rango de colores de "advanced color options", se soluciona mágicamente al marcar estas dos cajitas. Vayan a una parte del video donde muestre los subtítulos en un fondo que sea del mismo color que ellos (por ejemplo texto blanco sobre fondo blanco). Prueben marcar estas cajitas, y van a ver que ahora pueden bajar un poco los rangos de tolerancia, ya que el tener estas cajitas marcadas previene que el programa considere al fondo como subtítulo. En mi ejemplo, una vez que marqué esas cajitas, pude bajar el rango de tolerancia de mi subtítulo de 60 a 49, de forma que la máscara que vieron en el ejemplo anterior, después de hacer eso me quedó así:
Diferencia, eh? ;)
7. Le explicamos al programa la posición de cada línea de subtítulo
Esta parte también es muy divertida (sí, yo me divierto con estas cosas). Eso sí, esta parte solamente sirve si los subtítulos aparecen siempre en la misma posición en el video (lo que suele ocurrir en realidad).
El siguiente paso en la detección de subtítulos es saber dónde se encuentra cada línea de texto. Para eso, en la ventana de "video file viewer", en su barra de herramientas, clickeamos en el botón que se muestra en esta imagen:
Es el botón de "show/hide inter-line options" ("mostrar o esconder opciones de entre-líneas"). En realidad por defecto el cuadro de opciones se muestra, pero podemos clickear el botón para demostrarnos a nosotros mismos que sabemos esconderlo.
Una vez lo tenemos visible, vamos configurándolo en este orden:
1 - Marcamos la cajita de Draw lines on top ("Dibujar las líneas arriba de todo"). Así vamos a ver en la máscara que está en la ventana del subrip, las líneas de texto que estamos a punto de definir.
2 - Después, en Count, ponemos la cantidad de líneas de nuestros subtítulos (si nuestro rectángulo tiene 2 líneas ponemos 2, si tiene 3 líneas ponemos 3).
3 - Ahora vamos a Top Line Offset ("límite de la línea superior"), ponemos cuántos píxeles hay desde que nace nuestro rectángulo, hasta que aparece nuestro texto. Esto lo hacemos así: primero ponemos 0, y entonces lo subimos a 1, y después a 2, así vamos subiendo de a un píxel por vez, mientras miramos la máscara de subtítulo que hay en nuestra ventana del SubRip. En cuanto en nuestra máscara de subtítulo nos aparecen las mayúsculas y las "l" de verde, significa que nos pasamos de largo. Entonces nos fijamos qué número es, volvemos atrás un número, y lo dejamos así.
4 - Ahora ajustamos el valor de Height ("altura"). El valor máximo es 45. Así que lo ponemos en 45, y vamos bajando de a uno por vez, siempre mirando en la máscara de la ventana del subrip, la línea superior de mis subtítulos. Cuando lleguemos a un número de Height que nos haya puesto las "g" y las "y" de verde, significa que nos pasamos de largo. Así que miramos ese número, volvemos un número atrás, y lo dejamos así.
5 - Si tenemos más de una línea (que es lo que va a pasar por lo general), entonces ya es hora de ajustar el valor de space ("espacio entre líneas"). Para eso aumentamos o disminuimos el valor, hasta que veamos que nuestras líneas inferiores tienen todo su texto en blanco. Si mis líneas inferiores tienen su texto "alto" en verde (las mayúsculas etc), tenemos que disminuir el valor de "space". Si mis líneas inferiores tienen su texto "bajo" en verde (las "g" y eso), entonces tenemos que aumentar el valor de "space". Háganlo hasta que todo el texto del subtítulo aparezca de color blanco en la máscara.
Ahora aparecieron unas líneas azules en la parte superior de los subtítulos, en la parte inferior de los subtítulos, y entre líneas. El resultado final debería verse como en la imagen:
Nota. Algunos se habrán dado cuenta de que a partir de ahora, el programa considera a todo lo que toca a las líneas azules como "de afuera", así que toda la "basurita" que toque la línea del medio, será pintada de verde. Si no lo ven, es que no hicieron el paso 6, háganlo ahora.
8. Llenamos los espacios a derecha e izquierda de los subtítulos
Una vez tenemos las líneas definidas, en el mismo cuadro de "inter-line options", podemos marcar la opción "fill sides" ("llenar los costados"). Nos van a aparecer franjas violetas como en la imagen:
Procedimiento cuarta parte: Ajustes finales.
9. Ajustamos el "text width". "outline color", "outline width".
text / outline color. Éste es el mejor momento para revisar los colores de texto y de borde de nuestro subtítulo. Hacemos click en las cajitas de "color" y probamos bajar o subir manualmente los colores de texto y de borde, hasta ver que la máscara nos quedó lo más limpia posible.
El "Outline Color" o "color de borde" es usado para eliminar subtítulos falsos: solamente los píxeles con el "Text Color" que estén lo suficientemente cerca de los píxeles del "Outline Color" serán marcados como texto.
Como regla general, van a ver que lo mejor es hacer el color de texto un poco más blanco, y el color de borde un poco más oscuro. Eso es porque cuando los capturamos con el cuentagotas, los artifactos que se generaron durante la compresión "ensuciaron" el color, volviendo todo más gris.
Siguiendo con mi ejemplo, después de ajustar los colores de texto y de borde, me quedó así:
text width. Los valores de "widht", además de ser usados para validación en el paso 3, limitan cuánto busca SubRip en los alrededores de un pixel si hay más píxeles del mismo color.
Se supone que ya ajustamos el "text widht" al final del paso 6, pero aunque lo hayamos hecho, éste es el mejor momento para volver a chequearlo, ya que ahora tenemos a nuestro subtítulo mucho más acotado y con los colores corregidos.
outline width.El "Outline Width" (tamaño del borde) es el que decide cuántos píxeles a la redonda el programa hará búsquedas de un borde. Si los subtítulos no tienen un borde, simplemente des-chequeamos el "Use outline color" y ajustamos el "Text Width" manualmente, después de verificar el que el color de texto en el rectángulo coloreado es el correcto.
10. Hacemos un "fatten text".
"Fatten text" es otra forma sensata de arreglar nuestros problemas de letras finitas o irregulares. Esta imagen muestra el resultado:
Fíjense que las letras se volvieron más gorditas. Esto ayudará mucho a que tengamos que tipear poquitas veces cada caracter en la ventana de "New character" cuando hagamos el OCR.
Este proceso es controlado por el "Fatten Color Tolerance" en el panel de "Advanced Color Options". Los valores para cada canal de colores (rojo, verde, azul) son relativos a los dos extremos de colores que tengamos en el "color text". Lo que controlan es cuán diferente tiene que ser un color del color determinado en "text color" para ser considerado parte del texto cuando clickeamos el "fatten". los colores "Fatten" pueden ser imaginados como el color más oscuro y el color más claro en los extremos del "Text Color". Si los subtítulos tienen borde, y el borde tiene un color diferente del negro, asegúrense de que las tolerancias del "fatten" sean más altas para ese color.
Recuerden que el objetivo de todo este proceso previo al ocr, es que solamente el texto aparezca blanco en la máscara, y todo lo demás negro, así que no exageren tampoco con este valor.
Mi ejemplo me quedó así:
11. Antes del ocr verifiquemos la calidad de nuestra máscara...
Ahora veamos un ejemplo muy malo de un subtítulo y cómo podemos arreglarlo (si a ustedes no les pasa no hagan lo que dice acá!!):
Este caso es un caso especialmente malo, porque tiene objetos pequeñitos detrás del texto que son del mismo color que él. La imagen que acaban de ver se capturó habiendo sacado la guía del "Outline Color" (es decir,"Use outline color" no fue chequeado). En la próxima imagen veremos qué es lo que pasa cuando el "Use outline color" sí está chequeado. Fíjense que hay áreas blancas que NO son texto.
Este problema podría ser arreglado bajando los valores de "Text Color Tolerance" en "advanced color options", pero eso podría llevarnos a ver letras muy finitas y con arruguitas, como mostramos acá (será un problema cuando hagamos el ocr). Si el texto es demasiado finito, dos partes del mismo caracter pueden aparecer como separadas en el ocr, o incluso caracteres completos pueden ser pasados de largo si Options -> Advanced OCR Setup -> Character Setup es pequeño. También, si los caracteres son irregulares, vamos a tener mucho más trabajo tipeando el valor correcto muchas veces cuando hagamos el ocr.
Por eso si estamos en esa situación de letras finitas o irregulares (si no no), en lugar de bajar tolerancias, debemos dejar el Text Color Tolerance más bien alto (>50), y el Text Width también alto (>5), así todo el fondo es interpretado como texto, pero se vuelve muy grande y es pintado de color gris, como se ve en la siguiente imagen.
El color no se "desborda" de las letras porque está el color de borde alrededor de ellas, pero ojo que no siempre se da el caso de este ejemplo. También tienen que tener en cuenta que si aumentan mucho el "text widht" va a hacer el procesamiento mucho más lento, porque la exploración que tiene que hacer el programa alrededor de cada píxel es muy grande, así que solamente usen esta combinación de configuraciones (widht altos, tolerancias altas) cuando todo lo demás falla.
Procedimiento quinta parte: OCR.
11."Same sub tolerance".
A diferencia de las otras opciones, acá encontramos la primera opción que actúa en una escala temporal, y no espacial.
Cuando el programa actúa, lo que hace con cada imagen es chequear si la nueva imagen de nuestro video tiene subtítulos similares a la imagen anterior, y si es así, utiliza una sola máscara para las dos imágenes. De esta forma cuando el programa termina con todas las imágenes, idealmente tiene una sola máscara para cada subtítulo que apareció en la pantalla.
El "Same sub tolerance" es el que le dice al SubRip cuánta variación tiene que haber en las máscaras de dos imágenes contiguas, para que el programa llegue a la conclusión de que ya no es más el mismo subítulo, y que dé por terminado el subtítulo anterior y comience con una máscara nueva.
Probablemente recién se dén cuenta de si este valor es el correcto una vez empiecen el OCR. Si el programa ve el mismo subtítulo como dos subtítulos diferentes, sería hora de cambiar este parámetro. Yo normalmente tuve que ponerlo un poco más alto que lo que viene por defecto.
12."Min. pixels".
Ésta es otra opción que es temporal y no espacial.
La opción "Min. pixels" le dice al SubRip qué cantidad de píxeles blancos tiene que encontrar para que sean considerados subtítulo. Normalmente el programa va a considerar subtítulo algo como esto:
Si ustedes ven que el programa cree que cualquier manchita blanca es subítulo, es hora de cambiar los parámetros del "Min pixels". Normalmente tuve que poner un valor un poco más alto que el que viene por defecto de esta opción.
13. Opciones.
Antes de hacer el OCR, una comprobación final que tenemos que hacer es en opciones > opciones globales. Nos va a aparecer esta ventana:
Así es la configuración que yo uso, pero por supuesto que ustedes la ponen a su propio gusto.
Como esta ventana no está del todo traducida al español, les puse la traducción a los que les cuesta el inglés.
Después van a opciones > configuración avanzada ocr y vamos a ver esta ventana:
Marqué en rojo los valores que yo suelo cambiar para que el OCR vaya más rápido, estos valores varían según el tamaño del texto en el video a ripear, en mi caso los textos se suelen ver "grandes" entonces estos tamaños los tengo que acomodar a mi tamaño de texto.
En particular les va a ser útil bajar un poco el valor que se llama "sensibilidad a las diferencias entre caracteres", que está en 980, eso hace que uno tenga que tipear muchas veces la misma letra porque el programa le encuentra pequeñas diferencias y cree que es una letra distinta, tengan en cuenta que si su texto es "grande" como el de mi ejemplo, este valor hay que bajarlo bastante, ya que mientras más grande es el texto, más píxeles hay que pueden variar dentro del mismo caracter.
Pongan "guardar valores" para que el programa no los borre si lo cierran, siempre pueden volver a la configuración por defecto tocando "cargar valores defecto".
14. Procesar el OCR.
ATENCIÓN: si éste no es su primer video con este texto, por ejemplo si están pasando por el capítulo 2 de una serie y ya hicieron el OCR del capítulo 1, ¡No se olviden de cargar los resultados del OCR anterior! Háganlo antes de empezar a procesar, para hacerlo van a
Matriz de caracteres > Abrir Matriz
Recuerden que las matrices de caracteres se guardan como mimatriz.sum
Cuando todo está listo, tocan el botón de "Rew." para ir al principio del video, después tocan el "Run" para comenzar el OCR. Esta parte es igual a cuando tienen que hacer el OCR cuando ripean un subtítulo de un DVD, nada más que como están "sucios", tienen que ingresar los caracteres correctos más seguido.
TIP. si el programa va muy lento, toquen el botón de "abort" y después vayan a opciones > prioridad y suban la prioridad. Entonces vuelvan atrás un subtítulo con "prev" y de nuevo tocan "run" para retomar.
Durante el OCR:
- Pueden tocar Ctrl+Enter para llenar la duda con la "adivinanza" que hace el programa, después Enter para aceptarla, o directamente tocar el botón de "Use" para hacer las dos cosas en un solo paso.
- Pueden tocar Ctrl+Left y Ctrl+Right para que la selección de texto que hace el programa se agrande o achique (para que se agrande el rectángulo de selección de caracteres, ese de color rojo), eso lo tienen que hacer cuando el programa cree que un caracter son dos caracteres distintos - por ejemplo, cuando una "O" es separada por el programa en un "(" y un ")", o lo que me pasó a mí, una "K" separada en una "I" y un caracter que no podía reconocer y me pedía que lo ingresara yo).
- Si presionan directamente "Enter" el programa va a considerar que en ese lugar no hay nada. Tienen que hacer cuando el programa encuentra manchas blancas que no son texto, sino áreas del fondo que tienen el mismo color del texto y que parecen texto que no lo son. De esta forma le avisan al Subrip que tiene que ignorar todas las manchas que luzcan como la que ustedes acaban de ignorar.
Si ustedes sienten que los subtítulos no están siendo detectados de la forma correcta, quizás deban detener el proceso de detección y mejorar un poco los parámetros. Para eso tocan el botón de "Pause/Abort" que van a encontrar en la ventana principal, modificar los parámetros como les parezca, y tocar el botón de "Continue", esta parte también es igual a cuando procesan subtítulos salidos del DVD. También pueden tocar el botón de "Prev." para ir a la primera imagen del video en que apareció el último subtítulo detectado. Esto borrará el último subtítulo de la ventana de subtítulos, y volverá a correr la detección de subítulos con los nuevos parámetros. Diferentes razones por las que pueden abortar y ajustar los parámetros antes de seguir:
TIP1 Si el mismo subtítulo aparece de nuevo como uno diferente, pueden tocar el botón de "Same As Last" para decirle al SubRip que pase al siguiente subtítulo. Si un subtítulo se repite muchas veces, quizás deban abortar y cambiar los parámetros, pueden
1- aumentar el "Same sub tolerance" que vimos en el punto 11,
2- o jugar con los valores de tolerancia de "Text", "Outline" y "Fatten".
TIP2 Si el video tiene esos subtítulos que aparecen gradualmente, ajusten el valor de "Skip first value" a algún número más grande de 0, para saltear tantas imágenes antes de empezar a compararlas entre sí. Una vez que el programa acumuló la cantidad de imágenes establecida en "Min. duration frames", las siguientes imágenes serán comparadas con la máscara que formó el programa con las imágenes acumuladas. Así acelerarán el procesamiento.
TIP3 El valor de "Update every" le dice a SubRip que rehaga el proceso de acumulación de imágenes para formar una sola máscara, cada tantas imágenes. En el modo de acumulación, los píxeles blancos de diferentes imágenes son puestos todos juntos, en cambio en el modo de comparación, los píxeles blancos que están en una imagen pero no en la otra, son sustraídos de la máscara. El modo de comparación es más rápido que el de acumulación, porque el único proceso que se hace es el de fijarse si el color de cada pixel entra dento del rango de tolerancia, pero puede fallar si un fondo tiene tooodo el mismo color del texto del subtítulo, entonces no encuentra el sub. Si esta situación pasa muy seguido en un video, pongan el valor de "Update every" a 1+menor duración, para asegurarse de que el modo de comparación no sea usado nunca. Esto bajará mucho el tiempo de procesamiento porque el reconocimiento del texto es más largo, así que úselo solamente si es necesario, de otra forma dejen el "Update every" en 30 frames o por ahí.
TIP4 Si les aparecen espacios indeseados en medio de las palabras: Aumentan la "Anchura de los Espacios". Eso se hace en
opciones > configuración avanzada de OCR. > "Anchura de los Espacios: ... píxeles (como mínimo) entre 2 caracteres consecutivos". El valor por defecto es 7, que está muy bien para la mayoría de las películas, pero no es siempre así. Por ejemplo en la versión anime de Metropolis (2001), el valor correcto era 12.
- Si por el contrario el programa se saltea espacios donde sí los hay: Disminuyen la "Anchura de los Espacios". Eso se hace en
opciones > configuración avanzada de OCR. > "Anchura de los Espacios: ... píxeles (como mínimo) entre 2 caracteres consecutivos". El valor por defecto es 7, que está muy bien para la mayoría de las películas, pero no es siempre así. A veces es mejor bajarlo a 6.
15. Para el que se estaba preguntando sobre la remoción de subtítulos...
Si al hacer el OCR, dejan chequeada la opción de "Save", será guardado un mapa de bits blanco y negro (en formato .pgm) por cada imagen, en el mapa de bits estarán sólo los caracteres que fueron reconocidos (no los que pasamos de largo por ser "manchitas", como se puede ver en la imagen de acá abajo). Los mapas de bits, en combinación con un archivo que los indexe, pueden ser usados más tarde para remover esos mismos subtítulos del video en cuestión.
