前段时间，利用 Ollama 为 字幕翻译 - 字幕工具箱 新增加了本地的翻译模型 TranslateGemma。

• 字幕工具箱重磅更新！支持本地Ollama大模型翻译，免费高速还精准！Google TranslateGemma + Ollama + 字幕工具箱=免费+精准+快速字幕翻译

• 字幕工具箱通过本地 Ollama 集成 Google 最新翻译神器 Translate Gemma – 码农真经的博客

我觉得这种暴露本地服务API的方式还挺有意思的，大有可为。

硬字幕提取

视频与字幕的结合一般有三种方式：硬字幕和软字幕、外挂字幕。

1. 硬字幕：又叫内嵌字幕。字幕被直接嵌入到视频文件中，无法更改或删除。
2. 软字幕：又叫内挂字幕、封装字幕、内封字幕。加字幕的过程叫做封装。视频一般为mkv格式。
3. 外挂字幕：字幕文件与视频文件分开存储，播放时需要用户手动加载字幕文件（如字幕文件与视频文件相同命名，播放器会自动加载）。字幕一般为srt、ass、ssa等格式。

硬字幕（Hard-coded Subtitles）是永久嵌入视频画面中的文本，属于视频文件的一部分，不可关闭或轻易修改。其版权遵循著作权法：若为原创翻译，字幕创作者享有翻译权；若未经授权对有版权影视剧加硬字幕并传播，则构成侵权。

传统硬字幕提取工具的问题

我自己推荐过好几个或几种硬字幕提取方式，如：

• 望言OCR 下载
• Video Subtitle Extractor 下载
• Video Sub Finder 下载
• 硬字幕提取神器：Video Subtitle Extractor_哔哩哔哩
• 【免费开源轻量稳定】硬字幕提取最佳方案：VideoSubFinder + Umi-OCR_哔哩哔哩
• 字幕提取快准稳！望言智能OCR支持100+视频批量处理_哔哩哔哩

这类工具往往安装困难、操作复杂、设备要求高，效果差强人意。

做为字幕工具箱的作者，我一直想做一款轻量好用的硬字幕提取工具。

开源AI OCR 模型

现在基于AI的OCR工具越来越好用，比如：

• PaddlePaddle/PaddleOCR: Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.

• deepseek-ai/DeepSeek-OCR: Contexts Optical Compression

• zai-org/GLM-OCR: GLM-OCR: Accurate × Fast × Comprehensive

• lightonai/LightOnOCR-1B-1025 · Hugging Face

ollama 自然也集成了以上模型。

• MedAIBase/PaddleOCR-VL ollama run MedAIBase/PaddleOCR-VL:0.9b

• glm-ocr ollama run glm-ocr

• deepseek-ocr ollama run deepseek-ocr

• maternion/LightOnOCR-2 ollama run maternion/LightOnOCR-2

实测这几个模型的效果都不错，尤其是 GLM OCR，识别准确率高，速度快，支持多语言，适合做硬字幕提取。

模型越小，速度越快，适合实时提取；模型越大，准确率越高，适合批量处理。

SubOCR 史上最轻量硬字幕提取工具

实现这个工具也非常的简单，一个本地网页脚本足以。

原理简述

• 读取本地视频，按固定间隔截图指定字幕区域（可拖拽裁剪框），生成帧图像。
• 将帧图像送到 OCR 服务（通用接口或 Ollama），解析返回文本并做清洗过滤。
• 按时间顺序合并相近文本，形成字幕段落（起止时间+文本），并实时展示。
• 支持导出为 SRT/TXT/JSON 文件。

注意事项

• 需要先安装并运行 Ollama 服务，确保本地可以访问 Ollama 模型。
• 你不能把发送请求的操作写在服务端代码里，因为 Ollama 的服务是运行在你本地的机器上的，服务器是无法访问你本地的服务的。
• OCR 服务必须可被浏览器访问（CORS/网络连通）；超时与并发需根据服务能力调整。
• 裁剪区域要覆盖字幕位置，否则识别空白或误识别。
• 结果清洗会过滤提示词回显、标点/空白等噪声，必要时可调整过滤规则。
• 识别频率过高会导致服务拥塞或失败，应合理设置间隔、并发和回退时间。
• 导出前建议检查列表中是否有误识别或缺失段落，必要时手动编辑。

Ollama 跨域设置

1. 开启 Expose Ollama to the network 选项：

2. 设置跨域请求环境变量：

由于 Ollama 的默认参数配置，启动时设置了仅本地访问，所以跨域访问以及端口监听需要进行额外的环境变量设置 OLLAMA_ORIGINS。

在在 macos 或 Linux 系统中，使用 launchctl 设置环境变量：

1

launchctl setenv OLLAMA_ORIGINS "*"

也可以指定具体的域名：

1

launchctl setenv OLLAMA_ORIGINS "subocr.i8k.tv,i8k.tv"

在 Windows 系统中，可以通过环境变量设置窗口进行设置：

配置完成后，重启 Ollama 服务即可。(重要‼️)

Ollama 内存常驻

Ollama Keep Alive 是 Ollama 用于控制大模型在内存或显存中驻留时间的服务器环境变量。通过设置该变量（如 5m、1h 或 -1），用户可以决定模型在最后一次交互后保留多长时间，以减少重复加载带来的延迟。默认通常为 5 分钟。 

主要功能与设置方法： 

• 功能： 防止模型频繁加载/卸载，从而优化下一次请求的响应速度。
• 设置方式：
  • 环境变量（全局）： 在启动 Ollama 服务时设置 OLLAMA_KEEP_ALIVE=10m。
  • API 参数（单次）： 在 /api/generate 或 /api/chat 中指定 keep_alive 参数，覆盖全局设置。
• 参数值：
  • 10m: 保持 10 分钟。
  • 1h: 保持 1 小时。
  • 0: 立即卸载。
  • -1: 永久驻留内存。 

常见场景：

如果显存充足，可以通过 OLLAMA_KEEP_ALIVE=-1 让模型始终常驻，实现即时响应。如果显存不足，可以将其设置为较短时间（如 1m）以便快速释放资源。