Extrair legendas incorporadas de MP4/MKV: Guia para diferenças entre fluxos de legendas e legendas codificadas

Legendas suaves, também chamadas de fluxos de legendas empacotados, são armazenadas como faixas de dados binárias independentes em um contêiner de vídeo. Elas não estão vinculadas aos pixels dos quadros, e podem ser recodificadas, alternadas ou extraídas separadamente.

Legendas codificadas são renderizadas nos pixels dos quadros e gravadas nos quadros do vídeo, totalmente mescladas com os pixels da imagem, e não existem como uma faixa de dados de legendas separada e extraível.

Legendas incorporadas comuns incluem ambos os tipos acima. Apenas fluxos de legendas suaves empacotados independentemente podem ser extraídos por remuxagem.

Como contêiner multimídia aberto, o MKV suporta nativamente o empacotamento de múltiplas faixas de legendas de vários tipos. A maioria dos vídeos com legendas incorporadas utiliza o formato MKV.

O MP4 utiliza mov_text como formato padrão de armazenamento de legendas de texto. Alguns arquivos MP4 gerados por dispositivos armazenam legendas em um formato não padrão que não pode ser extraído diretamente.

O extrator de legendas de vídeo utiliza o parâmetro -c:s copy do FFmpeg para realizar a extração. Este parâmetro não recodifica o fluxo de legendas, e copia diretamente os dados originais da legenda para gerar o arquivo de destino.

Todo o processo de extração apenas copia os dados de legendas empacotados, e não requer decodificação e recodificação de todo o vídeo. Extrair legendas de um vídeo de 1GB leva apenas alguns segundos.

O processo de extração não modifica o arquivo de vídeo original, nem consome recursos excessivos do processador. O fluxo de trabalho apenas lê os dados da faixa de legendas do vídeo original e gera um novo arquivo.

Este extrator de legendas de vídeo não suporta reconhecimento por OCR para legendas codificadas. O reconhecimento de legendas codificadas requer treinamento de modelo de IA dedicado e recursos de computação, e pertence à categoria de serviços de OCR independentes. Esta ferramenta não fornece esta função.

Se o vídeo carregado não contiver um fluxo de legendas independente extraível, a ferramenta retornará uma mensagem de erro clara, informando ao usuário que nenhuma faixa de legendas extraível foi detectada no vídeo atual.

Após a extração, os usuários podem escolher livremente a saída em dois formatos de legendas comuns, SRT ou VTT, para atender a diferentes requisitos de reprodução e edição. Ambos os formatos são padrões públicos abertos.