VSR（Video Subtitle Remover）：AI 驱动的视频字幕与水印去除工具

一款让视频"无痕恢复"的本地 AI 工具

想象这样一个场景：你在网上找到了一段绝版的教学视频，画面清晰、内容珍贵，但屏幕底部有一行永远去不掉的硬字幕——这是上传者加的版权信息，挡在画面上让人分心。以往的解决方案是重新录制屏幕，或者忍受画质损失重新压缩。而现在，一款名为 VSR（Video Subtitle Remover） 的开源工具可以让这一切在本地完成，无需联网、无需付费 API，画质无损。

这款工具在 GitHub 上已获得超过 11,000 颗星，被翻译为 7 种语言（简体中文、繁体中文、英语、韩语、日语、越南语、西班牙语），社区活跃度极高。

技术架构：多模型融合的视频修复管线

VSR 的核心不是单一模型，而是一套模块化的 AI 修复管线。它将视频去字幕任务拆解为三个关键步骤：字幕区域检测 → 修复模型填充 → 视频重新编码。

字幕检测由 PaddleOCR 负责——它能精确定位硬字幕和水印的像素范围。用户可以在 GUI 中手动框选字幕区域（支持多区域），也可以让 AI 自动扫描并标注。

修复填充是技术含量最高的部分。VSR 内置了 4 种修复模型：

每种模型针对不同的去字幕场景做了优化。STTN 系列适合处理连续字幕（电视剧、综艺节目底部滚动字幕），LaMa 在静态图片水印去除上效果最佳，而 ProPainter 则利用光流算法保持修复区域在时间维度上的连贯性，避免闪烁。

图1：VSR 项目图标

技术栈解析

VSR 的技术选型非常务实：Python + PySide6 构建跨平台 GUI，前端界面采用了 Fluent Design 风格的 qfluentwidgets 组件库，让界面在 Windows 和 macOS 上都有原生感。核心推理部分：

• 深度学习框架：PyTorch（CUDA 加速）+ PaddlePaddle（PaddleOCR 依赖）
• 视频处理：OpenCV + FFmpeg（帧提取与重新编码）
• AI 修复：STTN、LaMa（大图像修复）、ProPainter 等主流视频修复模型
• OCR 识别：PaddleOCR（字幕区域自动检测）

代码结构清晰：backend/ 目录承载核心逻辑（main.py 是主流程，inpaint/ 下是各个修复模型的实现），ui/ 目录管理 PySide6 界面组件，tools/ 下是硬件加速、字幕检测等辅助模块。

硬件需求与部署方式

VSR 强烈建议使用 NVIDIA GPU，在 RTX 3060 及以上的显卡上运行流畅。显存需求取决于修复模型——LaMa 和 ProPainter 需要 4GB+ 显存；使用 CPU 模式也可以运行，但速度会显著变慢。

项目提供了完整的 Dockerfile，支持 4 种硬件后端一键切换：

• CUDA 11.8：最稳定版本，推荐使用
• CUDA 12.x：新版 PyTorch 支持
• DirectML：Windows AMD/Intel 显卡
• CPU：无显卡备选方案（速度慢）

部署时只需一行命令即可拉起带 GUI 的容器：

docker run --gpus all -v /你的视频目录:/workspace -p 8050:8050 ghcr.io/yaofanguk/video-subtitle-remover

图2：VSR 处理前后对比效果

局限性与注意事项

VSR 并非万能。首先，它只能处理硬字幕（直接烧录在视频帧中的字幕），无法去除软字幕（封装在字幕轨道的 .srt/.ass 文件）。其次，当字幕区域与主体画面内容重叠度较高时（如字幕与人物面部重叠），AI 修复会出现瑕疵，需要手动调整修复区域。

此外，由于涉及大模型推理，首次运行会下载模型权重（总大小约数百 MB），需要稳定的网络连接。FFmpeg 的安装也是必要的前置依赖。

行业意义与未来方向

VSR 代表的趋势是本地化 AI 工具的普及化。过去需要云端 API（阿里云、腾讯云视频处理）才能完成的去字幕任务，现在任何有 GPU 的普通用户都能在本地实现。这种民主化降低了内容创作者的工作成本，也为视频修复领域的研究者提供了可复现的基准工具。

当前版本 v1.4.0 的开发重点是提升修复质量和处理速度，未来可能引入更多视频修复能力（如划痕修复、老电影修复等）。作为一个持续活跃维护的开源项目，VSR 的 issue 区和 PR 区都有社区贡献者参与改进。