初看过去我还以为是广告，差点一键三连了

https://github.com/duangsuse-valid-projects/MontagePY/blob/master/montage1_c.py
https://github.com/duangsuse/extract-subtitles 相关项目

好多人做这个

做…什么？ extract subtitle 还是 text montage 生成

图片转aa

图片 ASCII art 我两年前也用 Kotlin 写过
https://gist.github.com/duangsuse/8261454d4c4157f2bb8ccf233a00d48a

自定义字库阿，上html整配色阿

这个不支持 HTML，后端是 PIL ImageDraw.text 但总体抽象还好，是通过 solveLayout / solveItemColors 可以算出 (x, y, color) 的 Iterable

自定义字库因为 PIL 是支持的，但一般绘制效率不怎么样，只有 14fps 左右
提升效率比较困难，因为 OpenCV 不支持自定义字体，所以只能 C++ 再加上 freetype 之类的栅格化库来弄

输出text的时候加一下标签就好了

感觉没太大意义

一般来说，大概思路大概是
(x, y, color, entropy)

现在流行用啥？gan还是啥？不太懂

然后entropy=>word

GAN 就是人工智能方面的了……

大概做法是按分辨率区间，把图片转存一个二维矩阵，然后计算每个元素的熵，从熵匹配到文字

识别视频关键帧？

是的，但我没做这方面的工作，都是 scipy.signal.argrelextrma 直接拿 indices 的
peakutils 也可以用，不过我测试了效果不好

自己做一个熵到字的对应表就好了

总体来看关键帧提取效果还可以，只不过经常提取多了，一些死嵌字幕的视频不至于漏掉起止点的程度

于是就能作出各种效果的aa

支持先自动提取关键帧，然后再自动合并，手工分拣，再自动 unpack 回多文件的模式
这个模式不需要提取关键帧因为早就提取好了

./vcat_subtitle_imgs.py

Usage: dst src... | unpack dst

./extract_subtitles.py -h
……
--only-images use frame images from --crop-debug as input