Falls jemanden der C++ Programmieren kann langweilig ist,...

Hab ne Idee für ein kleines Projekt aber keine Muße mich dran zu setzen und bevor ich die Idee komplett verwerfe poste ich sie mal, vielleicht fühlt sich ja jemand motiviert,...

Idee: automatisches idx/vob -> srt (crossplatform + command line)
Schritt 1: VobSub mit subp2tiff (aus dem ogmrip project) in eine Reihe von Tiff Bildern umwandeln
-> man muss gucken, dass man subp2tiff alleine kompiliert bekommt (die Abhängikeit von libtiff ist okay, die brauch man auch bei Tesseract)
Schritt 2: tiff Bilder automatisch mit Tesseract per OCR umwandeln.
-> ist simple
Schritt 2+: Ausgaben von 2. auffangen und anhand der Zeiten aus dem .idx File ein .srt file erstellen
-> einfach die STDOUT Ausgabe abfangen und merken, idx lässt sich einfach parsen und srt ist einfach zu erstellen

Denke das größte Problem ist den subrip Teil von ogmrip alleine zu kompilieren. (soweit ich das sehe besteht keine Abhängigkeit zu anderen Bibliotheken außer libtiff, welches es als .lib und dll bei Tesseract im svn gibt)
Der Teil danach ist eher ne Fingerübung.

Cu Selur

Ps.: Denke von dem Projekt hätten auch andere was, da dann zig GUI tools automatisches OCR hätten,..

Ging da in erster Linie um das 'Füttern von Tesseract mit den Bildern' und das Auslesen der erkannten Zeichen, in wie weit das ohne Fehler geht und wie viele dieser Fehler man mit Wörterbüchern&Co abfangen kann muss man dann sehen. (Wie gut Tesseract an sich ist kann man z.B. in SubtitleEdit sehen, welches Tesseract nutzt.

Wie gesagt, man kann durchaus noch einiges mit Wörterbüchern verbessern.
(so dass man im Aufruf des Tools dann noch eine Sprache mitgibt und anhand der Sprache noch Wörterbücher oder irgendwelche Rechtschreibungsroutinen gecheckt werden)
Hab mir Tesseract noch nicht so viel angeguckt, ich vermute man kann aber auch die Erkennungsdaten irgendwie aktualisieren/aufbessern,..

Cu Selur

Ist mit Qt kein Problem.

Stimmt wohl. Müsste man testen ob es bei Tessarat diesbezüglich Probleme gibt.