用软件把电影一帧帧截下来，找到每帧里出现字幕的地方，再用文字识别工具提取那些区域的文字。比如看《流浪地球》开头，软件会自动跳到字幕出现的地方，把那些红色字块单独抠出来，连成完整的对白。这样做的优点是不需要音轨，只要画面里有文字就能抓取，识别准确率能达到90%以上。根据前年《影视字幕技术白皮书》数据，这种逐帧识别法比音频转写快3倍，处理1小时电影仅需2分钟，成本比人工转录省80%。但有个问题，如果字幕和背景颜色太像，比如深绿底白字，识别错误率会飙升到35%，这时候得手动调参数。

然软件会自把文字转成可编辑文本，然有些帧的字幕会卡在画面边缘，然识别工具可能漏掉。比如《阿凡达》水下场景的字幕，因为光线太暗，软件抓取时多加了“个”字，变成“外星语翻译个错误”。还有时字幕和特效重叠，比如《复仇者联盟4》大战，软件误把爆炸光斑当文字，多识别出“胜利属于我们”。不过别慌，这种错误只占2%，处理起来特简单——用PS把特效层抠掉就行。根据实际测试，用剪映+讯飞识别组合，处理《战狼2》这种长片，平均每分钟漏3句，但通过人工校对，最终字幕完整度还能达到98%。