Conversion de sous-titres VobSub en SRT

Ce tutoriel décrit une façon de convertir des sous-titres VobSub en sous-titres SRT.

VobSub est le format des sous-titres sur DVD. Chaque sous-titre est stocké sous forme d'image. Ils ne sont pas toujours bien lus par les lecteurs multimédia, lorsqu'il sont intégrés à des fichiers vidéo (mkv par exemple).

Les sous-titres SRT (appelés aussi SubRip) sont au format texte, facilement éditables, peuvent être intégrés à des fichiers vidéos et sont aisément lus par les lecteurs multimédias.

Quelques logiciels permettent de réaliser cette opération de façon intégrée, mais présentent quelques désavantages :

• Avidemux possède une fonction "Vobsub → srt", mais qui oblige à valider pas-à-pas la reconnaissance de caractères et ne sait pas interpréter les sous-titres sur deux lignes. Vu sur le forum Transformer un sous-titre de sub en srt

• OGMRip peut réaliser cette opération en rippant un DVD, mais cela oblige à convertir toute la vidéo en même temps.

La méthode ci-dessous utilise différents logiciels, combinant interface graphique, ligne de commande et script Nautilus, mais reste simple malgré cela.

Les logiciels suivants doivent être installés :

• Avidemux ou MKV-Extractor-GUI
• OGMRip qui fournit subp2tiff et subptools
• Tesseract : installer les paquets tesseract-ocr tesseract-ocr-fra (pour la reconnaissance de caractères)
• Gnome Subtitles

Le script Nautilus suivant doit être installé :

OCR_Tesseract

#!/bin/bash
 
IFS='
'
printf %s "$NAUTILUS_SCRIPT_SELECTED_FILE_PATHS" |
while read -r arg
do
  tesseract "$arg" "$arg" -l fra -psm 6
done

Sous XFCE / Xubuntu, vous pouvez créer le script ci-dessous, et configurer une action personnalisée dans Thunar avec la commande : /chemin/OCR_Tesseract.sh %F

OCR_Tesseract.sh

#!/bin/bash
 
for arg in $@
do
  tesseract "$arg" "$arg" -l fra -psm 6
done

Si vous n'arrivez pas à installer le script dans nautilus, vous pouvez placer et lancer ce script à l'intérieur du dossier où se trouvent les fichiers :

Tesseract.sh

NPROC=$(nproc --all| awk '{ print $1 - 1 }')        # Set number of processor
for fichier in *.tif
do
	(
	echo "$fichier"
	tesseract  "$fichier" "$fichier" -l fra -psm 6 &>/dev/null
	) &
	if [[ $(jobs -r -p | wc -l) -gt $NPROC ]]; then
		wait -n
	fi
done
wait

Un sous-titrage VobSub est composé de 2 fichiers : .idx + .sub.

Pour obtenir ces 2 fichiers, il existe plusieurs méthodes selon la source, par exemple :

• À partir d'un DVD : Avidemux possède un outil pour extraire les sous-titres (menu Outils > VOB -> VobSub).
• À partir d'un fichier MKV : MKV-Extractor-GUI

Pour extraire les images des sous-titres au format TIFF, on utilise la commande suivante :

subp2tiff --sid=0 -n <nom du vobsub>

Paramètres :

• Le numéro après ​--sid= est l'ID du sous-titre. Cet ID peut être identifié selon la méthode décrite ici, ou par tâtonnement en extrayant successivement chaque ID et en visualisant les fichiers image pour vérifier que ça correspond à ce qu'on veut.
• <nom du vobsub> est le nom du fichier de sous-titres, sans les extensions .idx et .sub.

Cette commande doit être lancée dans le dossier où sont situés ces 2 fichiers.

Cela va générer toute une série de fichiers .tif : chacune de ces images est un sous-titre.

Attention, cela peut faire beaucoup de fichiers : si votre vidéo a 1000 sous-titres, il y aura 1000 fichiers .tif.

Un fichier .xml est également généré, qui contient l'indexation des sous-titres au format XML.

Sélectionner tous les fichiers .tif et lancer le script Nautilus "OCR_Tesseract".

Ou

Vous pouvez aussi lancer le script "Tesseract.sh" dans le dossier où se trouvent les fichiers.

Cela va générer un fichier .txt pour chaque fichier .tif, contenant le texte du sous-titre.

Lancer la commande suivante, dans le dossier où sont situés les fichiers :

subptools -s -w -t srt -i nom.xml -o nom.srt

Paramètres :

• nom.xml : le nom du fichier .xml (voir étape 2)
• nom.srt : le nom du fichier de sous-titres .srt que l'on veut créer.

Un fichier de sous-titres .srt est généré.

Ouvrir le fichier .srt avec Gedit ou LibreOffice et utiliser le correcteur orthographique, ainsi que la fonction "Remplacer" pour corriger rapidement les anomalies dues à la reconnaissance de caractères.

Utiliser Gnome Subtitles.

Contributeurs principaux : beguam